RNN 变长输入设计

对变长序列的学习,现有主流框架比如 tensorflow, pytorch, caffe2, mxnet 等均使用了padding的方式, 即将一个mini-batch内不同长度的序列补0到固定长度参与计算。

现有Paddle包括 RecurrentLayerGroup 在内的RNN均实现了无padding的变长序列支持,本文也将基于该模块的思路,设计重构后的变长序列支持。

背景介绍

由于tensor必须有明确的shape,因此基于tensor 的主流框架在存储变长序列时, 必须用zero-padding的方式将变长序列补全为固定shape的tensor。

由于padding是一种框架实现变长序列的妥协, 从用户角度,在使用RNN类模型时自然会比较介意padding的存在, 因此会有pytorch中对非padding方式变长序列支持长篇的讨论[3]。

由于padding对内存和计算会有额外的消耗,tensorflow和mxnet均使用了bucketing来进行优化[1][2], 但不管是padding还是bucket,对于用户都是额外的使用负担。

因此,paddle原生支持变长序列的方式,能直接满足用户对变长序列的最直接的需求,在当前主流平台中可以算是一大优势

但对变长序列的支持,需要对目前框架做一些修改,下面讨论如何在最小修改下支持变长序列。

多层序列数据格式 LODTensor

目前 Paddle 会将一个mini-batch内的数据存储在一维的内存上, 额外使用 Argument.sequenceStartPositions 来存储每个句子的信息。

Paddle里使用 Argument.subSequenceStartPositions 来存储2层的序列信息,更高维度的序列则无法直接支持;

为了支持 N-level 序列的存储,本文将序列信息定义成如下数据结构:

std::shared_ptr<std::vector<std::vector<int>>> lod_start_pos_;

或者更明确的定义

typedef std::vector<int> level_t;
std::vector<level_t> lod_start_pos;

这里的每一个 level_t 存储一个粒度(level)的偏移信息,和paddle目前做法一致。

为了更透明地传递序列信息,我们引入了一种新的tensor 称为 LODTensor[4], 其关于tensor相关的接口都直接继承自 Tensor,但另外添加了序列相关接口。 如此,在操作一个 LODTensor 时,普通 Op 直接当成 Tensor 使用, 而操作序列的 Op 会额外操作 LODTensor 的变长序列操作的相关接口。

LODTensor 具体定义如下:

class LODTensor : public Tensor {
public:
  size_t Levels() const { return seq_start_positions_.size(); }
  size_t Elements(int level = 0) const {
    return seq_start_positions_[level].size();
  }
  // slice of level[elem_begin: elem_end]
  // NOTE low performance in slice seq_start_positions_.
  // TODO should call Tensor's Slice.
  LODTensor LODSlice(int level, int elem_begin, int elem_end) const;

  // slice with tensor's data shared with this.
  LODTensor LODSliceShared(int level, int elem_begin, int elem_end) const;

  // copy other's lod_start_pos_, to share LOD info.
  // NOTE the LOD info sould not be changed.
  void ShareConstLODFrom(const LODTensor &other) {
    lod_start_pos_ = other.lod_start_pos_;
  }
  // copy other's lod_start_pos_'s content, free to mutate.
  void ShareMutableLODFrom(const LODTensor &other) {
    lod_start_pos_ = std::make_shared <
                     std::vector<std::vector<int>>(other.lod_start_pos_.begin(),
                                                   other.lod_start_pos_.end());
  }

private:
  std::shared_ptr<std::vector<std::vector<int>>> lod_start_pos_;
};

其中, lod_start_pos_ 使用了 shared_ptr 来减少存储和复制的代价, 可以认为 LODTensorTensor 的扩展,几乎完全兼容原始 Tensor 的使用。

框架支持

框架现有的 Tensor 调用替换为 LODTensor

为了实现 LODTensor 的传递,框架里很多 Tensor 都需要变成 LODTensor, 简单实现,直接 把之前所有的Tensor 全部替换成 LODTensor,这里可以直接修改 pybind.cc 里面创建Tensor的接口

此外,用户有可能需要感知序列的存在(比如序列的可视化需要解析模型中输出的序列),因此一些序列操作的API也需要暴露到 python 层。

lod_start_pos 随着Op调用链传递

框架需要支持下列特性,以实现lod_start_pos的传递:

  1. shared_ptr 的方式实现传递
    • 不修改 lod_start_pos 内容的作为 consumer
    • 修改 lod_start_pos 的作为 producer
    • 约定 consumer 只需要复制传递过来的 shared_ptr
      • producer 需要创建自己的独立的内存,以存储自己独立的修改,并暴露 shared_ptr 给后续 consumer
    • 由于传递过程是以复制shared_ptr的方式实现,因此框架只需要传递一次 lod_start_pos
  2. 对于不感知 lod_start_pos 的Op足够透明
  3. 需要修改 lod_start_pos 的producer Op可以在 Run 时更新自己的 lod_start_pos 数据

具体的设计分为以下3小节

load_start_pos 的传递

  • 对于不需要修改 lod_start_pos 的情况,调用 LODTensor的 ShareConstLODFrom 接口实现复制
  • 需要修改的,调用ShareMutableLODFrom 接口自己分配内存以存储修改

框架透明

传递这一步需要加入到网络跑之前的初始化操作中,并且只需要初始化一次,基于当前框架设计的初步方案如下

  • 在 Op 的 attrs 中添加一项 do_mutate_lod_info 的属性,默认为 false
    • 有需要修改 lod_start_pos 的Op需要在定义 OpProto 时设置为 true
  • OperatorBaseInferShape 中会读取 do_mutate_lod_info ,并且调用 LODTensor 相关的方法实现 lod_start_pos 的复制。
  • OperatorBase 中添加一个 member is_lod_inited{false} 来保证传递只进行一次

一些逻辑如下

class OperatorBase {
public:
  // ...
  void InferShape() {
    if (!is_load_inited) {
      bool do_mutate_lod_info = GetAttr<bool>("do_mutate_load_info");
      // find a input having LOD to copy
      auto lod_input = ValidLODInput();
      for (auto &output : outputs) {
        if (do_mutate_load_info) {
          output.ShareMutableLODFrom(lod_input);
        } else {
          output.ShareConstLODFrom(load_input);
        }
      }
      is_pod_inited = true;
    }

    // call op's InferShape
    // ...
  }

private:
  // ...
  bool is_lod_inited{false};
};

如此,lod_start_pos 的信息的传递对非OLD的Op的实现是完全透明的。

lod_start_pos 的更新

上一小节介绍到,对于需要修改 load_start_pos 的Op,OperatorBase 会分配一块自己的内存以存储修改, Op在 Run 的实现中,操作更新自己的 load_start_pos , 而所有依赖其 outputs 的 op 会通过共享的指针自动获取到其更新。

根据长度排序

按照长度排序后,从前往后的时间步的batch size会自然地递减,可以直接塞入 Net 做batch计算

比如原始的输入:

origin:
xxxx
xx
xxx

-> sorted:
xxxx
xxx
xx

经过 SegmentInputs 之后,每个会有4个时间步,每个时间步的输入如下(纵向排列)

0    1    2    3
x    x    x    x
x    x    x
x    x

为了追踪排序前后序列的变化,这里用

struct SortedSeqItem {
   void *start{nullptr};
   void *end{nullptr};
};

std::vector<SortedSeqItem> sorted_seqs;

来追踪序列排序后的位置,并添加一个新的接口

std::vector<SortedSeqItem> SortBySeqLen(const LODTensor& tensor);

由于输入序列的顺序变化,以下现有的接口需要针对性地修改:

  • InitMemories, memory需要根据 sorted_seqs 重新排列
  • SetmentInputs
  • ConcatOutputs

此外,由于 sorted_seqs 需要被 RecurrentGradientOp 复用,因此会变成 RecurrentOp 一个新的output输出, 之后作为 RecurrentGradientOp 的一个输入传入。

InitMemories

由于序列顺序的变化,boot_memories 的batch上的element的顺序也需要对应重新排列。

SegmentInputs

SegmentInputs 会依赖 sorted_seqs 的信息,将原始的序列按照排序后的序列顺序,从横向切割,转为每个step中的inputs。

即下面的转变:

origin:
xxxx
xx
xxx

   |
   |
  \ /
   !
0    1    2    3
x    x    x    x
x    x    x
x    x

ConcatOutputs

ConcatOutputs 需要

  • 将每个时间步的输出重新还原为原始输入的序列顺序(以防止Infer阶段顺序打乱)
  • 将每个序列concat 为规则的mini-batch表示