컨텍스트 데코레이터를 사용하여 Pytorch 메모리 누수 문제 디버깅-파이썬 튜토리얼-php.cn

컨텍스트 데코레이터를 사용하여 Pytorch 메모리 누수 문제 디버깅

王林

풀어 주다： 2023-04-10 11:31:07

앞으로

1522명이 탐색했습니다.

데코레이터는 Python 컨텍스트 관리자의 특정 구현입니다. 이 기사에서는 Pytorch GPU 디버깅의 예를 통해 이를 사용하는 방법을 설명합니다. 모든 상황에서 작동하지 않을 수도 있지만 매우 유용하다는 것을 알았습니다.

컨텍스트 데코레이터를 사용하여 Pytorch 메모리 누수 문제 디버깅

메모리 누수 문제 디버깅

메모리 누수를 디버깅하는 방법에는 여러 가지가 있습니다. 이 문서에서는 코드에서 문제가 있는 줄을 식별하는 유용한 방법을 보여줍니다. 이 방법을 사용하면 간결하게 특정 위치를 찾는 데 도움이 될 수 있습니다.

한 줄씩 수동 디버깅

문제가 발생하는 경우 일반적이고 일반적으로 사용되는 방법은 디버거를 사용하여 다음 예와 같이 한 줄씩 검사하는 것입니다.

검색 엔진에서 계산 방법을 찾아보세요. pytorch의 모든 텐서 다음과 같은 전체 코드 조각: tensor-counter-snippet
코드에 중단점 설정
tensor-counter-snippet을 사용하여 전체 텐서 통계 가져오기
디버거를 사용하여 다음 단계 수행
텐서 다시 실행 - 카운터 스니펫을 사용하여 텐서 개수가 증가했는지 확인합니다.
위 단계를 반복합니다.

작동하지만 이러한 작업은 번거롭게 들립니다. 필요할 때 호출할 수 있는 함수로 캡슐화할 수 있으므로 기존 코드를 수정할 필요가 거의 없으므로 데코레이터의 기능을 도입하게 됩니다.

Python 데코레이터

데코레이터는 코드의 어떤 부분에도 래핑될 수 있습니다. 여기서는 추가 텐서가 있는지 확인하기 위해 데코레이터를 사용합니다. 또한 실행 전후에 텐서의 수를 계산해야 하기 때문에 카운터도 필요합니다. 패턴은 다음과 같습니다:

def memleak_wrapper(func):
def wrap(*args, **kwargs):
print("num tensors start is ...")
out = func(*args, **kwargs)
print("num tensors end is ...")
return out
return wrap@memleak_wrapper
 def function_to_debug(x):
print(f"put line(s) of code here. Input is {x}")
out = x + 10
return outout = function_to_debug(x=1000)
 print(f"out is {out}")
 
 #输入类似这样
 #num tensors start is ...
 #put line(s) of code here. Input is 1000
 #num tensors end is ...
 #outis 1010

로그인 후 복사

이 코드를 실행하려면 확인하려는 코드 줄을 함수(function_to_debug)에 넣어야 합니다. 하지만 여전히 많은 코드를 수동으로 삽입해야 하기 때문에 이것이 최선은 아닙니다. 또 다른 점은 코드 블록이 둘 이상의 변수를 생성하는 경우 이러한 다운스트림 변수를 사용하기 위한 추가 솔루션을 찾아야 한다는 것입니다.

컨텍스트 데코레이터

위 문제를 해결하기 위해 함수 데코레이터 대신 컨텍스트 관리자를 사용할 수 있습니다. 컨텍스트 관리자의 가장 널리 사용되는 예는 with 문을 사용하여 컨텍스트를 인스턴스화하는 것입니다. 가장 일반적인 것은 다음과 같습니다.

with open("file") as f:
…

로그인 후 복사

Python의 contextlib 라이브러리를 사용하면 Python 사용자는 쉽게 컨텍스트 관리자를 직접 만들 수 있습니다. 따라서 이 기사에서는 위에서 데코레이터를 사용하려고 시도한 작업을 완료하기 위해 ContextDecorator를 사용할 것입니다. 개발과 사용이 더 쉽기 때문입니다.

 from contextlib import ContextDecorator
 
 class check_memory_leak_context(ContextDecorator):
def __enter__(self):
print('Starting')
return self
 
def __exit__(self, *exc):
print('Finishing')
return False

로그인 후 복사

ContextDecorator에는 컨텍스트에 들어가거나 나갈 때 호출되는 enter() 및 exit()라는 두 가지 메서드가 있습니다. __exit__의 *exc 매개변수는 들어오는 예외를 나타냅니다.

이제 위에서 언급한 문제를 해결하기 위해 이를 사용해 보겠습니다.

ContextDecorator를 사용하여 메모리 누수를 찾으세요

총 텐서 수를 계산해야 하기 때문에 계산 과정을 get_n_tensors() 함수로 캡슐화하여 컨텍스트의 시작과 끝에서 텐서 수를 계산할 수 있습니다. :

class check_memory_leak_context(ContextDecorator):
def __enter__(self):
self.start = get_n_tensors()
return self def __exit__(self, *exc):
self.end = get_n_tensors()
increase = self.end — self.start
 
if increase > 0:
print(f”num tensors increased with"
f"{self.end — self.start} !”)
else:
print(”no added tensors”)
return False

로그인 후 복사

증가가 있으면 콘솔에 출력하세요.

get_n_tensor()는 가비지 수집기(gc)를 사용하고 pytorch에 맞게 사용자 정의되었지만 다른 라이브러리에 맞게 쉽게 수정할 수 있습니다.

 import gc
 def get_n_tensors():
tensors= []
for obj in gc.get_objects():
try:
if (torch.is_tensor(obj) or
(hasattr(obj, ‘data’) and
torch.is_tensor(obj.data))):
tensors.append(obj)
except:
pass
return len(tensors)

로그인 후 복사

이제 작동합니다. 코드의 모든 줄(또는 블록)에 이것을 사용합니다. 컨텍스트:

 x = arbitrary_operation(x)
 ...
 with check_memory_leak_context():
y = x[0].permute(1, 2, 0).cpu().detach().numpy()
x = some_harmless_operation()
 ...
 x = another_arbitrary_operation(x)

로그인 후 복사

컨텍스트 데코레이터로 묶인 줄 내에 새 텐서가 생성되면 인쇄됩니다.