Mam trochę dziwny problem z moimi maszynami:
Z czasem wydajność stale spada.
Używam TensorFlow do trenowania sieci neuronowej za pomocą GPU. Moje dane to skompresowane xz tablice float32, które znajdują się na dysku wirującym na jednym komputerze i na dysku SSD na innym komputerze. Istnieje około 400 000 plików danych. Pliki danych są odczytywane w sposób ciągły w wątkach w tle i umieszczane w kolejce, która może mieć maksymalnie 1000 pozycji.
W wątku szkoleniowym przedmioty są wyskakujące z przodu kolejki i przekazywane do treningu partiami po 200.
Po ponownym uruchomieniu wydajność zaczyna się od około 4 sekund na partię. Po kilku godzinach treningu wydajność spada do zaledwie 16 sekund na partię.
Treningi przeprowadziłem nieco szczegółowo, a na początku jest coś takiego:
- 0,05 s czeka na odczyt danych treningowych
- 3.8s dla przetwarzania partii na GPU
- 0,3 s do zapisu danych podsumowujących.
Po treningu czasy są bardzo zmienne:
- 0,5 i 4 s do odczytu danych
- 9 do 20 s na przetworzenie partii
- 0,3 s do zapisu danych podsumowujących
Należy zauważyć, że podczas przetwarzania wsadowego monitorowałem wyjście nvidia-smi z dość wysokim interwałem i wydaje się, że wykorzystanie GPU trwa najwyżej 1 sekundę.
Ta zła wydajność utrzymuje się podczas wielokrotnych wywołań procesu szkolenia oraz po wylogowaniu i zalogowaniu się. Ponowne uruchomienie komputera przywraca pierwotne czasy.
Od tego pytania nabyłem inny procesor graficzny (GTX 1080) i skonfigurowałem prawie identyczny system. Spowolnienie ma miejsce również na nowej maszynie.
Rzeczy, których próbowałem
Sprawdziłem użycie procesora i co najwyżej 1 procesor jest wykorzystywany, i zawsze jest używany na 100%, przez większość czasu jest to wykorzystanie wątku jądra.
Sprawdziłem użycie pamięci i jest to 10 GB (z 11 GB). Jest to trochę ciasne, ale system nie rozpoczyna wymiany (swap pozostaje na poziomie 30 MB).
Sprawdziłem użycie dysku i poza kodem odczytującym dane wydaje się, że nie dzieje się nic dziwnego.
Sprawdziłem temperaturę GPU za pomocą nvidia-smi i zawsze utrzymuje się poniżej 60 ° C.
Sprawdziłem temperaturę procesora i płyty głównej i zawsze pozostają one poniżej 65 ° C.
Skończyły mi się pomysły na problem. Jakieś pomysły?
Okular
System 1:
- Intel (R) Core (TM) i7 930 @ 2.80GHz, 4 rdzenie z Hyperthreading
- 11 GB pamięci RAM
- NVIDIA GeForce GTX 960 z 4 GB pamięci VRAM
- Ubuntu 16.04.1 LTS Server, architektura amd64
- Zastrzeżony sterownik NVIDIA, wersja 361.42
- Wersja jądra 4.4.0-31-generic
- Python 3.5.2
- TensorFlow 0.9.0
System 2:
- Intel (R) Core (TM) i7 930 @ 2.80GHz, 4 rdzenie z Hyperthreading
- 11 GB pamięci RAM
- NVIDIA GeForce GTX 1080 z 8 GB VRAM
- Ubuntu 16.04.1 LTS Server, architektura amd64
- Zastrzeżony sterownik NVIDIA, wersja 367.35
- Wersja jądra 4.4.0-31-generic
- Python 3.5.2
- TensorFlow 0.9.0
Aktualizacja
Po kilku dalszych testach wydaje się, że powolność jest niestabilna. Czasami partie są przetwarzane 10 razy wolniej niż w najlepszym przypadku, ale potem wraca do normy.
I performed an strace on the process. The summary is this:
strace: Process 7351 attached
strace: Process 7351 detached
% time seconds usecs/call calls errors syscall
------ ----------- ----------- --------- --------- ----------------
95.40 0.674470 437 1545 126 futex
4.37 0.030860 2572 12 munmap
0.23 0.001627 814 2 madvise
0.00 0.000000 0 13 write
0.00 0.000000 0 10 mmap
0.00 0.000000 0 1 access
------ ----------- ----------- --------- --------- ----------------
100.00 0.706957 1583 126 total
Wygląda to jednak bardzo podobnie, gdy wszystko wydaje się działać normalnie. Szczegółowo przesłałem tutaj plik śledzenia:
https://drive.google.com/open?id=0B8TdHRNT7E-0X3F4eF9xWlRsb2s
O ile wiem, prawie wszystkie te wywołania systemowe są wywołaniami futex. Nie jestem pewien, czego się z tego nauczyć.
sudo dmidecode --type memory
aby sprawdzić, czy w pamięci RAM jest coś dziwnego. Prawdopodobnie warto wypróbować także inny sterownik GPU, tj. Przejście z oprogramowania typu open source na własny lub odwrotnie lub uruchomienie najnowszego, największego ze startera. Zawsze można zgłosić błąd na Github.