昇腾CANN DVPP硬件加速训练数据预处理，友好解决Host CPU预处理瓶
本文分享自华为云社区《昇腾CANN 7.0 黑科技：DVPP硬件加速训练数据预处理，友好解决Host CPU预处理瓶颈》，作者： 昇腾CANN 。
在NPU/GPU上进行模型训练计算，为了充分使用计算资源，一般采用批量数据处理方式，因此一般情况下为提升整体吞吐率，batch值会设置的比较大，常见的batch数为256/512，这样一来，对数据预处理处理速度要求就会比较高。对于AI框架来说，常见的应对方式是采用多个CPU进程并发处理，比如PyTorch框架的torchvision就支持多进程并发，使用多个CPU进程来进行数据预处理，以满足与NPU/GPU的计算流水并行处理。
然而，随着NPU算力和性能的倍速提升，host CPU数据预处理过程逐渐成为性能瓶颈。模型端到端训练时间会因为数据预处理的瓶颈而拉长，这种情况下，如何解决性能瓶颈，提升端到端模型执行性能呢？
# Data loading code
traindir = os.path.join(args.data, 'train')
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
train_dataset = datasets.ImageFolder(
traindir,
transforms.Compose([
transforms.RandomResizedCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
normalize,
]))
import torchvision_npu # 导入torchvision_npu包
# Data loading code
traindir = os.path.join(args.data, 'train')
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
torchvision_npu.set_image_backend('npu') # 设置图像处理后端为npu
train_dataset = datasets.ImageFolder(
traindir,
transforms.Compose([
transforms.RandomResizedCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
normalize,
]))
if img.device.type == 'npu': _assert_image_npu(img) return F_npu.resize(img, size=size, interpolation=interpolation.value)
return torch.ops.torchvision.npu_resize(img, size=sizes, mode=mode)
下面来看下替换之后的性能如何。以ImageNet中最常见的分辨率375*500的jpeg图片为例，CPU上执行预处理操作需要6.801ms：
使用DVPP不但能加速数据预处理，还能异步执行host下发任务和device任务，整个流程只需要2.25ms，单张图片处理节省了60%+的时间。
在ResNet50训练过程中，512batch数据处理只需要1.152 s，预处理多进程处理场景下性能优势更加明显。
基于Atlas 800T A2 训练服务器，ResNet50使用DVPP加速数据预处理，单P只需要6个预处理进程即可把NPU的算力跑满；而使用CPU预处理，则需要12个预处理进程才能达到相应的效果，大大减少了对host CPU的性能依赖。
典型网络场景，基于Atlas 800T A2 训练服务器，在CPU预处理成为性能瓶颈的情况下，使用DVPP预处理加速即可获得整网训练速度显著提升，其中ShuffleNetV2整网性能提升25%，MobileNetV1提升38%。
昇腾CANN内置的预处理算子是比较丰富的，后续在继续丰富torchvision预处理算子库的同时，也会进一步提升预处理算子的下发和执行流程，让流水处理的更好，减少数据处理的时间，持续提升昇腾CANN的产品竞争力，满足更广泛的业务场景诉求。
