1

nn.LogSoftMax具体来说，当输入张量的大小很小时，我不想使用 omp 。我有一个小脚本来测试运行时间。

require 'nn'
my_lsm = function(t)
    o = torch.zeros((#t)[1])
    sum = 0.0
    for i = 1,(#t)[1] do
        o[i] = torch.exp(t[i])
        sum = sum + o[i]
    end
    o = o / sum
    return torch.log(o)
end

ii=torch.randn(arg[1])
m=nn.LogSoftMax()

timer = torch.Timer()
timer:stop()
timer:reset()
timer:resume()
my_lsm(ii)
print(timer:time().real)

timer:stop()
timer:reset()
timer:resume()
m:forward(ii)
print(timer:time().real)

如果arg[1]是 10，那么我的基本 log softmax 函数运行得更快：

0.00021696090698242
0.033425092697144

但是一次arg[1]是 10,000,000，omp 确实有很大帮助：

29.561321973801 
0.11547803878784

所以我怀疑 omp 开销非常高。如果我的代码必须使用少量输入多次调用 log softmax（例如张量大小仅为 3），则将花费太多时间。有没有办法在某些情况下（但并非总是）手动禁用 omp 使用？

4

1 回答 1

4

有没有办法在某些情况下（但并非总是）手动禁用 omp 使用？

如果您真的想这样做，一种可能性是使用torch.setnumthreads并且torch.getnumthreads喜欢这样：

local nth = torch.getnumthreads()
torch.setnumthreads(1)
-- do something
torch.setnumthreads(nth)

所以你可以猴子补丁nn.LogSoftMax如下：

nn.LogSoftMax.updateOutput = function(self, input)
  local nth = torch.getnumthreads()
  torch.setnumthreads(1)
  local out = input.nn.LogSoftMax_updateOutput(self, input)
  torch.setnumthreads(nth)
  return out
end
于 2015-05-21T08:12:31.513 回答