使用 Python 算子处理 GPU 数据

此示例演示了如何在 GPU 上使用 PythonFunction 算子。有关 Python 算子系列的介绍和一般信息，请参阅 Python 算子 部分。

尽管 Python 算子并非旨在快速运行，但在 GPU 上运行它们可能很有用，例如，当我们想向现有的 GPU pipeline 引入自定义操作时。为此，PythonFunction 系列中的所有算子都有其 GPU 变体。

对于 TorchPythonFunction 和 DLTensorPythonFunction 算子，它们操作的数据格式与 CPU 上的数据格式保持不变，前者是 PyTorch 张量，后者是 DLPack 张量。对于 GPU PythonFunction，实现函数的输入和输出是 CuPy 数组。

CuPy 操作

由于 CuPy 数组 API 与 NumPy 中的 API 类似，我们可以实现与 CPU 示例中定义的几乎相同的操作，而无需进行任何代码更改。

from nvidia.dali.pipeline import Pipeline
import nvidia.dali.fn as fn
import nvidia.dali.types as types
import numpy
import cupy


def edit_images(image1, image2):
    assert image1.shape == image2.shape
    h, w, c = image1.shape
    y, x = cupy.ogrid[0:h, 0:w]
    mask = (x - w / 2) ** 2 + (y - h / 2) ** 2 > h * w / 9
    result1 = cupy.copy(image1)
    result1[mask] = image2[mask]
    result2 = cupy.copy(image2)
    result2[mask] = image1[mask]
    return result1, result2

使用 CuPy 定义 GPU 函数的另一种方法是编写 CUDA 内核。在这里，我们展示一个简单的内核，用于交错两个图像的通道。有关更多信息，请参阅 CuPy 文档。

mix_channels_kernel = cupy.ElementwiseKernel(
    "uint8 x, uint8 y", "uint8 z", "z = (i % 3) ? x : y", "mix_channels"
)

警告

当 pipeline 启用条件执行时，必须采取其他步骤来防止 function 被 AutoGraph 重写。有两种方法可以实现此目的

1. 在全局范围内定义函数（即在 pipeline_def 范围之外）。

2. 如果函数是另一个“工厂”函数的结果，则工厂函数必须在 pipeline 定义函数之外定义，并使用 <nvidia.dali.pipeline.do_not_convert> 进行装饰。

更多详细信息可以在 nvidia.dali.pipeline.do_not_convert 文档中找到。

定义 Pipeline

我们定义一个类似于 Python 算子 部分中使用的 pipeline。要将执行从 CPU 移动到 GPU，我们只需要更改算子的设备参数。这也是 PythonFunction 算子的唯一用法差异。

image_dir = "../data/images"
batch_size = 4

python_function_pipe = Pipeline(
    batch_size=batch_size,
    num_threads=4,
    device_id=0,
    exec_async=False,
    exec_pipelined=False,
    seed=99,
)

with python_function_pipe:
    input1, _ = fn.readers.file(file_root=image_dir, random_shuffle=True)
    input2, _ = fn.readers.file(file_root=image_dir, random_shuffle=True)
    im1, im2 = fn.decoders.image(
        [input1, input2], device="mixed", output_type=types.RGB
    )
    res1, res2 = fn.resize([im1, im2], device="gpu", resize_x=300, resize_y=300)
    out1, out2 = fn.python_function(
        res1, res2, device="gpu", function=edit_images, num_outputs=2
    )
    out3 = fn.python_function(
        res1, res2, device="gpu", function=mix_channels_kernel
    )
    python_function_pipe.set_outputs(out1, out2, out3)

运行 Pipeline 并可视化结果

我们可以运行 pipeline 并以类似于 CPU 示例的方式显示结果。

注意： 在尝试绘制它们之前，请记住将输出批次移动到主机内存。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
from matplotlib import cm

%matplotlib inline

batch_size = 4


def show_images(image_batch):
    columns = 4
    rows = (batch_size + 1) // columns
    fig = plt.figure(figsize=(32, (32 // columns) * rows))
    gs = gridspec.GridSpec(rows, columns)
    for j in range(rows * columns):
        plt.subplot(gs[j])
        plt.axis("off")
        plt.imshow(image_batch.at(j))


python_function_pipe.build()
ims1, ims2, ims3 = python_function_pipe.run()

show_images(ims1.as_cpu())
show_images(ims2.as_cpu())
show_images(ims3.as_cpu())

高级：DLTensorPythonFunction 中的设备同步

当使用 PythonFunction 或 TorchPythonFunction 时，我们不必将 GPU 代码与 DALI pipeline 的其余部分同步，因为同步由算子处理。DLTensorPythonFunction 算子另一方面将设备同步留给用户。

注意： 不同框架和库的同步过程可能有所不同。

例如，我们将围绕先前实现的 mix_channels_kernel 编写一个包装器，该包装器将 DLPack 张量转换为 CuPy 数组并处理流同步。

def mix_channels_wrapper(tensor1, tensor2):
    array1 = cupy.fromDlpack(tensor1)
    array2 = cupy.fromDlpack(tensor2)
    result = mix_channels_kernel(array1, array2)
    cupy.cuda.get_current_stream().synchronize()
    return result.toDlpack()


dltensor_function_pipe = Pipeline(
    batch_size=batch_size,
    num_threads=4,
    device_id=0,
    exec_async=False,
    exec_pipelined=False,
    seed=99,
)

with dltensor_function_pipe:
    input1, _ = fn.readers.file(file_root=image_dir, random_shuffle=True)
    input2, _ = fn.readers.file(file_root=image_dir, random_shuffle=True)
    im1, im2 = fn.decoders.image(
        [input1, input2], device="mixed", output_type=types.RGB
    )
    res1, res2 = fn.resize([im1, im2], device="gpu", resize_x=300, resize_y=300)
    out = fn.dl_tensor_python_function(
        res1,
        res2,
        device="gpu",
        function=mix_channels_wrapper,
        synchronize_stream=True,
        batch_processing=False,
    )
    dltensor_function_pipe.set_outputs(out)

dltensor_function_pipe.build()
(ims,) = dltensor_function_pipe.run()

show_images(ims.as_cpu())

结果与使用 PythonFunction 运行 mix_channels_kernel 后的结果相同。要在 DLTensorPythonFunction 中正确同步设备代码，请确保满足以下条件

• 在提供的函数开始之前，所有先前的 DALI GPU 工作都已完成。

• 我们在提供的函数中调度的所有工作在我们返回结果之前都已完成。

第一个条件由 synchronize_stream=True 标志（默认设置为 True）保证。用户负责提供第二部分。在上面的示例中，通过添加 cupy.cuda.get_current_stream().synchronize() 行来实现同步。