Fixed multi-GPU training for Tensor Cores

AlexeyAB

2018-03-09 880cf187d87c904f5fe574802ecff99118643f2d

Fixed multi-GPU training for Tensor Cores

 src/convolutional_kernels.cu

@@ -135,26 +135,24 @@
    // More: http://docs.nvidia.com/deeplearning/sdk/cudnn-developer-guide/index.html#tensor_ops

    const size_t input16_size = l.batch*l.c*l.w*l.h;
    static size_t max_input16_size = input16_size;
    static half* input16 = cuda_make_f16_from_f32_array(NULL, max_input16_size);

    const size_t output16_size = l.batch*l.out_c*l.out_h*l.out_w;
    static size_t max_output16_size = output16_size;
    static half* output16 = cuda_make_f16_from_f32_array(NULL, max_output16_size);

    if (max_input16_size < input16_size) {
        max_input16_size = input16_size;
        cuda_free((float *)input16);
        input16 = cuda_make_f16_from_f32_array(state.input, max_input16_size);
    if (*state.net.max_input16_size < input16_size) {
        //printf("\n input16_size: cur = %zu \t max = %zu \n", input16_size, *state.net.max_input16_size);
        *state.net.max_input16_size = input16_size;
        if (*state.net.input16_gpu) cuda_free(*state.net.input16_gpu);
        *state.net.input16_gpu = (float *)cuda_make_f16_from_f32_array(NULL, *state.net.max_input16_size);
    }
    float *input16 = *state.net.input16_gpu;

    if (max_output16_size < output16_size) {
        max_output16_size = output16_size;
        cuda_free((float *)output16);
        output16 = cuda_make_f16_from_f32_array(NULL, max_output16_size);
    if (*state.net.max_output16_size < output16_size) {
        *state.net.max_output16_size = output16_size;
        if (*state.net.output16_gpu) cuda_free(*state.net.output16_gpu);
        *state.net.output16_gpu = (float *)cuda_make_f16_from_f32_array(NULL, *state.net.max_output16_size);
    }
    float *output16 = *state.net.output16_gpu;

    cuda_convert_f32_to_f16(state.input, input16_size, (float *)input16);
    cuda_convert_f32_to_f16(state.input, input16_size, input16);

    //fill_ongpu(output16_size / 2, 0, (float *)output16, 1);
    cudnnConvolutionForward(cudnn_handle(),
@@ -171,7 +169,7 @@
        l.dstTensorDesc,
        output16);
    
    cuda_convert_f16_to_f32((float *)output16, output16_size, l.output_gpu);
    cuda_convert_f16_to_f32(output16, output16_size, l.output_gpu);

#else

@@ -238,27 +236,24 @@
#ifdef CUDNN_HALF
        
    const size_t input16_size = l.batch*l.c*l.w*l.h;
    static size_t max_input16_size = input16_size;
    static half* input16 = cuda_make_f16_from_f32_array(NULL, max_input16_size);

    const size_t delta16_size = l.batch*l.n*l.out_w*l.out_h;
    static size_t max_delta16_size = delta16_size;
    static half* delta16 = cuda_make_f16_from_f32_array(NULL, max_delta16_size);

    if (max_input16_size < input16_size) {
        max_input16_size = input16_size;
        cuda_free((float *)input16);
        input16 = cuda_make_f16_from_f32_array(state.input, max_input16_size);
    if (*state.net.max_input16_size < input16_size) {		
        *state.net.max_input16_size = input16_size;
        if(*state.net.input16_gpu) cuda_free(*state.net.input16_gpu);
        *state.net.input16_gpu = (float *)cuda_make_f16_from_f32_array(NULL, *state.net.max_input16_size);
    }
    float *input16 = *state.net.input16_gpu;

    if (max_delta16_size < delta16_size) {
        max_delta16_size = delta16_size;
        cuda_free((float *)delta16);
        delta16 = cuda_make_f16_from_f32_array(NULL, max_delta16_size);
    if (*state.net.max_output16_size < delta16_size) {
        *state.net.max_output16_size = delta16_size;
        if(*state.net.output16_gpu) cuda_free(*state.net.output16_gpu);
        *state.net.output16_gpu = (float *)cuda_make_f16_from_f32_array(NULL, *state.net.max_output16_size);
    }
    float *delta16 = *state.net.output16_gpu;

    cuda_convert_f32_to_f16(state.input, input16_size, (float *)input16);
    cuda_convert_f32_to_f16(l.delta_gpu, delta16_size, (float *)delta16);
    cuda_convert_f32_to_f16(state.input, input16_size, input16);
    cuda_convert_f32_to_f16(l.delta_gpu, delta16_size, delta16);
    
    // convert input: state.input (x), l.delta_gpu (y) from fp32 to fp16
    // get output: l.weight_updates_gpu (dw) and convert it to fp32 (ONLY if it is fp16)
@@ -305,7 +300,7 @@
            l.dsrcTensorDesc,
            input16);   // state.delta);

        cuda_convert_f16_to_f32((float *)input16, input16_size, state.delta);		
        cuda_convert_f16_to_f32(input16, input16_size, state.delta);

        if (l.binary || l.xnor) swap_binary(&l);
        if (l.xnor) gradient_array_ongpu(original_input, l.batch*l.c*l.h*l.w, HARDTAN, state.delta);

 src/convolutional_layer.c

@@ -305,8 +305,8 @@

        l.weights_gpu = cuda_make_array(l.weights, c*n*size*size);
#ifdef CUDNN_HALF
        l.weights_gpu16 = cuda_make_array(l.weights, c*n*size*size / 2);
        l.weight_updates_gpu16 = cuda_make_array(l.weight_updates, c*n*size*size / 2);
        l.weights_gpu16 = cuda_make_array(NULL, c*n*size*size / 2); //cuda_make_array(l.weights, c*n*size*size / 2);
        l.weight_updates_gpu16 = cuda_make_array(NULL, c*n*size*size / 2); //cuda_make_array(l.weight_updates, c*n*size*size / 2);
#endif
        l.weight_updates_gpu = cuda_make_array(l.weight_updates, c*n*size*size);


 src/network.c

@@ -140,6 +140,11 @@
    #ifdef GPU
    net.input_gpu = calloc(1, sizeof(float *));
    net.truth_gpu = calloc(1, sizeof(float *));

    net.input16_gpu = calloc(1, sizeof(float *));
    net.output16_gpu = calloc(1, sizeof(float *));
    net.max_input16_size = calloc(1, sizeof(size_t));
    net.max_output16_size = calloc(1, sizeof(size_t));
    #endif
    return net;
}
@@ -622,6 +627,13 @@
    if (*net.truth_gpu) cuda_free(*net.truth_gpu);
    if (net.input_gpu) free(net.input_gpu);
    if (net.truth_gpu) free(net.truth_gpu);

    if (*net.input16_gpu) cuda_free(*net.input16_gpu);
    if (*net.output16_gpu) cuda_free(*net.output16_gpu);
    if (net.input16_gpu) free(net.input16_gpu);
    if (net.output16_gpu) free(net.output16_gpu);
    if (net.max_input16_size) free(net.max_input16_size);
    if (net.max_output16_size) free(net.max_output16_size);
#else
    free(net.workspace);
#endif

 src/network.h

@@ -64,6 +64,10 @@
    #ifdef GPU
    float **input_gpu;
    float **truth_gpu;
    float **input16_gpu;
    float **output16_gpu;
    size_t *max_input16_size;
    size_t *max_output16_size;
    int wait_stream;
    #endif
} network;

 src/yolo_console_dll.cpp

@@ -26,17 +26,19 @@
#include "opencv2/videoio/videoio.hpp"
#define OPENCV_VERSION CVAUX_STR(CV_VERSION_MAJOR)""CVAUX_STR(CV_VERSION_MINOR)""CVAUX_STR(CV_VERSION_REVISION)
#pragma comment(lib, "opencv_world" OPENCV_VERSION ".lib")
#ifdef TRACK_OPTFLOW
#pragma comment(lib, "opencv_cudaoptflow" OPENCV_VERSION ".lib")
#pragma comment(lib, "opencv_cudaimgproc" OPENCV_VERSION ".lib")
#pragma comment(lib, "opencv_core" OPENCV_VERSION ".lib")
#pragma comment(lib, "opencv_imgproc" OPENCV_VERSION ".lib")
#pragma comment(lib, "opencv_highgui" OPENCV_VERSION ".lib")
#endif  // TRACK_OPTFLOW
#else
#define OPENCV_VERSION CVAUX_STR(CV_VERSION_EPOCH)""CVAUX_STR(CV_VERSION_MAJOR)""CVAUX_STR(CV_VERSION_MINOR)
#pragma comment(lib, "opencv_core" OPENCV_VERSION ".lib")
#pragma comment(lib, "opencv_imgproc" OPENCV_VERSION ".lib")
#pragma comment(lib, "opencv_highgui" OPENCV_VERSION ".lib")
#endif
#endif  // CV_VERSION_EPOCH

class track_kalman {
public: