封装cuda/cudnn写卷积网络前向计算程序

时间:2022-01-27 20:22:35

参考:http://galoisplusplus.coding.me/blog/2018/05/22/cudaErrorCudartUnloading/

主要是在linux下,使用cuda安装包里的cuda-memcheck来检查内存,它是类似于valgrind的存在。

基本编译配置

首先添加path:

vim ~/.zshrc
export PATH=$PATH:/usr/local/cuda/bin

基于CMake编写C程,cuda相关的内容:

option(use_cuda "Use CUDA?" ON)

if (use_cuda)
    #list(APPEND CMAKE_PREFIX_PATH "/usr/local/cuda")
    if (CMAKE_SYSTEM_NAME MATCHES "Linux")
        set(CUDA_DIR "/usr/local/cuda")
        find_package(CUDA REQUIRED)
        include_directories("${CUDA_DIR}/include")
        link_directories("${CUDA_DIR}/lib64")
    elseif (CMAKE_SYSTEM_NAME MATCHES "Windows")
        set(CUDA_DIR "$ENV{CUDA_PATH}")
        find_package(CUDA REQUIRED)
        include_directories("${CUDA_DIR}/include")
        link_directories("${CUDA_DIR}/lib/x64")
    endif()
endif()

if(use_cuda)
    list(APPEND TESTBED_DEP_LIBS
        cudart
        cudart_static
        cuda
        cublas_device
        cudnn
        cublas
    )
endif()

target_link_libraries(testbed ${TESTBED_DEP_LIBS})

使用:

cd ~/work/mycode
mkdir build
cd build
cmake ..
make

cuda-memcheck ./run

一些常识

如果cudaMalloc()后忘记cudaFree(),用cuda-memcheck检查不出来这个错误。。据网友说是会自动回收,不知道cuda是否自带了gc功能2333

BN层的坑

如果是卷积层,可以直接调用cudnnConvolutionForward()函数,它使用caffe一样的padding方式:它的内部默默的做了对称的padding(pad_left == pad_right),调用起来挺容易的。

倒是BN层卡了好久,主要是官方文档有错误。官方文章这样写的:

Note: The input transformation performed by this function is defined as: y := alpha*y + beta *(bnScale * (x-estimatedMean)/sqrt(epsilon + estimatedVariance)+bnBias)

...

alpha, beta
Inputs. Pointers to scaling factors (in host memory) used to blend the layer output value with prior value in the destination tensor as follows: dstValue = alpha[0]*resultValue + beta[0]*priorDstValue.

按照贴出来的文档内容,按它第一行的说法,alpha应该设定为0,beta应该设定为1;按照后面几行的说法,应该是alpha设定为1,beta设定为0。

  • Caffe:已经很久没有人来修了,它压根没有调用cudnnBatchNormalizationForwardInference()
  • TensorFlow: 并没有调用。。不信你grep查一下,或者github上网页里在repo中搜索,找不到的。
  • PyTorch: 还是比较良心,调用了cudnnBatchNormalizationForwardInference( )
  • mini-caffe: 也是调用了cudnnBatchNormalizationForwardInference( )

主要参考mini-caffe和PyTorch,发现BN层应该设定alpha为1, beta为0,这样才能正确算出结果来。看看PyTorch的调用:

    AT_CUDNN_CHECK(cudnnBatchNormalizationForwardInference(
      handle, mode, &one, &zero, //这里,alpha是one, beta是zero
      idesc.desc(), input->data_ptr(),
      idesc.desc(), output->data_ptr(),
      wdesc.desc(),
      weight->data_ptr(),
      bias->data_ptr(),
      running_mean->data_ptr(),
      running_var->data_ptr(),
      epsilon));

当然这里还有一个教训:但凡用CuDNN的xxxDescriptor参数说明的地方,它后面紧接着的几个变量,应该是gpu指针,也就是其值为GPU上的地址,而如果是CPU上的地址就会导致内存错误,比如代码为4或77

举例:

cudnnStatus = cudnnBatchNormalizationForwardInference(
        layer_base->handle_cudnn,
        CUDNN_BATCHNORM_PER_ACTIVATION,
        &alpha,
        &beta,
        bnlayer->bn_layer_input_desc,
        layer_base->bottom_blobs_ptr[0]->gpu_data_ptr, //gpu上的
        bnlayer->bn_layer_output_desc,
        layer_base->top_blobs_ptr[0]->gpu_data_ptr, //gpu上的
        bnlayer->bn_layer_scale_bias_mean_var_desc,
        bnlayer->scale_dev,  //gpu上的
        bnlayer->shift_dev,    //gpu上的
        bnlayer->mean_dev,  //gpu上的
        bnlayer->variance_dev,//gpu上的
        bnlayer->eps
);

cuda基础

CUDA架构的目的,就是减轻早期GPU计算中存在的限制,这些限制使之前的GPU在通用计算中没有广泛应用。
换言之,CUDA就是为了让NVIDIA GPU用于通用计算的技术。

CUDA编程,使用C/C++即可,它仅仅是增加了个别关键字。不需要使用Shader Language,不需要掌握OpenGL,因此编程门槛降低。

编译器:CUDA C程序需要同时在CPU和N卡上执行计算,分别需要各自的编译器。GPU上的编译器,也就是nvcc了。CPU上的话cl.exe/gcc/clang等。

host和device: CPU以及main memory,叫做host;GPU上的memory称为device。 内存拷贝的时候,用cudaMemcpy(),要指定内存拷贝的来源和目的地,是host还是device。

kernel: GPU上执行的函数称为kernel。

向cuda核函数传入结构体指针?

C语言传参,本质上是拷贝一份,因此:简单数据类型直接传入即可,反正复制成本低;复杂类型则传入指针,复制成本低。

而如果需要向函数传入多个参数,就希望传入一个结构体或其指针,作为他们的一个封装。

然而,直接向cuda kernel函数传入CPU下的结构体指针是不行的。问题很明显:把host上的指针给device用,寻址会出现问题。

解决思路有三种:

  1. 使用host和device的统一寻址
  2. 分别创建host和device上的结构体指针,参考https://blog.csdn.net/u013701860/article/details/52605137
  3. 向cuda kernel函数传入多个参数

举个栗子:传入结构体的拷贝是OK的(just_demo),传入host上结构体指针的拷贝,cuda kernel函数会报废的(just_demo2):

#include <stdio.h>

#define CHECK_CUDA(call) \
{ \
    const cudaError_t cudaStatus = call; \
    if (cudaStatus != cudaSuccess) { \
        printf("Error! in file %s, line %d, ", __FILE__, __LINE__); \
        printf("code: %d, reason: %s\n", cudaStatus, cudaGetErrorString(cudaStatus)); \
        exit(1); \
    } \
}

typedef struct Pad{
    int left;
    int right;
    int top;
    int bottom;
}Pad;

__global__ void just_demo(Pad pad) {
    printf("blockIdx: (%d, %d, %d), threadIdx: (%d, %d, %d)",
            blockIdx.x, blockIdx.y, blockIdx.z,
            threadIdx.x, threadIdx.y, threadIdx.z);
    printf("pad: left=%d, right=%d, top=%d, bottom=%d\n",
            pad.left,
            pad.right,
            pad.top,
            pad.bottom);
}

__global__ void just_demo2(Pad* pad) {
    printf("blockIdx: (%d, %d, %d), threadIdx: (%d, %d, %d)",
            blockIdx.x, blockIdx.y, blockIdx.z,
            threadIdx.x, threadIdx.y, threadIdx.z);
    printf("pad: left=%d, right=%d, top=%d, bottom=%d\n",
            pad->left,
            pad->right,
            pad->top,
            pad->bottom);
}

int main(void){
    Pad pad;
    pad.left = 1;
    pad.right = 0;
    pad.top = 1;
    pad.bottom = 0;

    size_t buf_size = 3*4*4*sizeof(float);
    float* data_host = (float*)malloc(buf_size);

    float* data_dev;
    CHECK_CUDA(cudaMalloc(&data_dev, buf_size));

    just_demo<<<3, 5>>> (pad);  // this is OK
    //just_demo2<<<3, 5>>> (&pad); // this will cause unspecified launch failure

    CHECK_CUDA(cudaMemcpy(data_host, data_dev, buf_size, cudaMemcpyDeviceToHost));

    return 0;
}