作者：Sunita Nadampalli 2023年5月3日
=================================================
欢迎加入 Arm软件开发者社区 微信群
====================================================
新一代的CPU因为内置了专门的指令，在机器学习（ML）推理方面提供了显著的性能提升。结合它们的灵活性、高速开发和低运营成本，这些通用处理器为其他现有硬件解决方案提供了一种替代选择。
AWS、Arm、Meta等公司帮助优化了基于Arm处理器的PyTorch 2.0推理性能。因此，我们很高兴地宣布，AWS Graviton基于实例的PyTorch 2.0推理性能比之前的PyTorch版本提高了3.5倍，Resnet50的速度（请参见下图），BERT的速度提高了1.4倍，使Graviton基于实例成为AWS上这些模型最快的计算优化实例。
AWS使用基于AWS Graviton3的Amazon Elastic Cloud Compute C7g实例进行PyTorch推理，相对于可比较的EC2实例，跨Torch Hub Resnet50和多个Hugging Face模型，可节省高达50%的成本，如下图所示。
这是因为AWS Graviton3处理器是最新一代定制的AWS Graviton处理器，可为Amazon Elastic Compute Cloud（Amazon EC2）中的工作负载提供最佳价格性能。它们提供高达2倍的浮点性能、高达2倍的加密性能和高达3倍的ML性能，包括对PyTorch的支持。
此外，推理的延迟也减少了，如下图所示。
我们在Graviton上的其他工作负载中也看到了类似的价格性能优势趋势，例如使用FFmpeg进行视频编码（https://aws.amazon.com/blogs/opensource/optimized-video-encoding-with-ffmpeg-on-aws-graviton-processors/）。
优化细节
优化集中在三个关键领域：
GEMM内核 - PyTorch通过OneDNN后端（以前称为MKL-DNN）支持Arm Compute Library（ACL）GEMM内核，用于基于Arm的处理器。ACL库为Neon和SVE优化了GEMM内核，适用于fp32和bfloat16格式。这些内核提高了SIMD硬件利用率并降低了端到端推理延迟。
bfloat16支持 - Graviton3中的bfloat16支持允许有效部署使用bfloat16，fp32和AMP（自动混合精度）训练的模型。标准fp32模型通过OneDNN快速数学模式使用bfloat16内核，无需模型量化，与不带bfloat16快速数学支持的现有fp32模型推理相比，性能提高了两倍。
原始缓存 - 我们还为conv、matmul和inner product运算符实现了原始缓存，以避免冗余的GEMM内核初始化和张量分配开销。
如何利用这些优化
最简单的方法是使用Amazon Elastic Compute Cloud（Amazon EC2）C7g实例或Amazon SageMaker上的AWS Deep Learning Containers（DLC）。DLC可在Amazon Elastic Container Registry（Amazon ECR）上提供AWS Graviton或x86。有关SageMaker的更多详细信息，请参阅在基于AWS Graviton的实例上运行机器学习推理工作负载（https://aws.amazon.com/blogs/machine-learning/run-machine-learning-inference-workloads-on-aws-graviton-based-instances-with-amazon-sagemaker/）以及Amazon SageMaker添加了八个基于Graviton的实例以进行模型部署（https://aws.amazon.com/about-aws/whats-new/2022/10/amazon-sagemaker-adds-new-graviton-based-instances-model-deployment/）。
使用AWS DLC
要使用AWS DLC，请使用以下代码：
udo apt-get update
sudo apt-get -y install awscli docker
# Login to ECR to avoid image download throttling
aws ecr get-login-password --region us-east-1 \
| docker login --username AWS \
--password-stdin 763104351884.dkr.ecr.us-east-1.amazonaws.com
# Pull the AWS DLC for pytorch
# Graviton
docker pull 763104351884.dkr.ecr.us-east-1.amazonaws.com/pytorch-inference-graviton:2.0.0-cpu-py310-ubuntu20.04-ec2
# x86
docker pull 763104351884.dkr.ecr.us-east-1.amazonaws.com/pytorch-inference:2.0.0-cpu-py310-ubuntu20.04-ec2如果您喜欢通过pip安装PyTorch，请从官方repo安装PyTorch 2.0 wheel。在这种情况下，在启动PyTorch之前，您将需要设置两个环境变量，如下面的代码所述，以激活Graviton优化。
使用Python wheel
要使用Python wheel，请参考以下代码：
# Install Python
sudo apt-get update
sudo apt-get install -y python3 python3-pip
# Upgrade pip3 to the latest version
python3 -m pip install --upgrade pip
# Install PyTorch and extensions
python3 -m pip install torch
python3 -m pip install torchvision torchaudio torchtext
# Turn on Graviton3 optimization
export DNNL_DEFAULT_FPMATH_MODE=BF16
export LRU_CACHE_CAPACITY=1024
运行推断
可以使用PyTorch TorchBench测量CPU推理性能改进，或比较不同的实例类型：
# Pre-requisite:
# pull and run the AWS DLC
# or
# pip install PyTorch2.0 wheels and set the previously mentioned environment variables
# Clone PyTorch benchmark repo
git clone https://github.com/pytorch/benchmark.git
# Setup Resnet50 benchmark
cd benchmark
python3 install.py resnet50
# Install the dependent wheels
python3 -m pip install numba
# Run Resnet50 inference in jit mode. On successful completion of the inference runs,
# the script prints the inference latency and accuracy results
python3 run.py resnet50 -d cpu -m jit -t eval --use_cosine_similarity性能基准测试
您可以使用AmazonSageMaker推理推荐实用程序（https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html）来自动化不同实例之间的性能基准测试。使用推理推荐程序，您可以找到实时推理端点，该端点可以为给定的ML模型以最低的成本提供最佳性能。我们通过在生产端点上部署模型，使用推理推荐器笔记本收集了前面的数据。有关推理推荐程序的更多详细信息，请参阅GitHub repo（https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-inference-recommender/huggingface-inference-recommender/huggingface-inference-recommender.ipynb）。我们为这篇文章测试了以下模型：ResNet50图像分类（https://pytorch.org/hub/pytorch_vision_resnet/）、DistilBERT情绪分析（https://huggingface.co/distilbert-base-uncased-finetuned-sst-2-english）、RoBERTa填充掩码（https://huggingface.co/roberta-base）和RoBERTa情绪分析（https://huggingface.co/cardiffnlp/twitter-roberta-base-sentiment）。
结论
AWS通过Torch Hub Resnet50中基于AWS Graviton3的亚马逊弹性云计算C7g实例，以及相对于可比EC2实例的多个拥抱人脸模型，为PyTorch推理节省了高达50%的成本。这些实例可在SageMaker和AmazonEC2上获得。AWS Graviton技术指南（https://github.com/aws/aws-graviton-getting-started）提供了优化的库和最佳实践列表，这些库和最佳做法将帮助您在不同的工作负载中使用Graviton实例实现成本效益。
如果您发现在AWS Graviton上没有观察到类似性能提升的用例，请在AWS Gravaton技术指南（https://github.com/aws/aws-graviton-getting-started）上提交问题，让我们了解它。我们将继续添加更多性能改进，使Graviton成为使用PyTorch进行推理的最具成本效益和效率的通用处理器。
