inter_op_parallelism_threads和intra_op_parallelism_threads的含义

Question

有人可以解释以下TensorFlow术语

1. inter_op_parallelism_threads
2. intra_op_parallelism_threads

或者，请提供正确解释来源的链接。

我通过改变参数进行了一些测试，但结果并不一致，无法得出结论。

Answer 1

inter_op_parallelism_threads和intra_op_parallelism_threads选项记录在source of the tf.ConfigProto protocol buffer中。这些选项配置TensorFlow用于并行执行的两个线程池，如注释所描述：

// The execution of an individual op (for some op types) can be
// parallelized on a pool of intra_op_parallelism_threads.
// 0 means the system picks an appropriate number.
int32 intra_op_parallelism_threads = 2;

// Nodes that perform blocking operations are enqueued on a pool of
// inter_op_parallelism_threads available in each process.
//
// 0 means the system picks an appropriate number.
//
// Note that the first Session created in the process sets the
// number of threads for all future sessions unless use_per_session_threads is
// true or session_inter_op_thread_pool is configured.
int32 inter_op_parallelism_threads = 5;

运行TensorFlow图时，有几种可能的并行形式，这些选项提供了一些控制多核CPU并行性：

• 如果您有一个可以在内部并行化的操作，例如矩阵乘法（tf.matmul()）或缩减（例如tf.reduce_sum()），TensorFlow将通过使用intra_op_parallelism_threads线程调度线程池中的任务来执行它。因此，此配置选项控制单个操作的最大并行加速。请注意，如果并行运行多个操作，这些操作将共享此线程池。
• 如果在TensorFlow图中有许多独立的操作 - 因为数据流图中它们之间没有定向路径 - TensorFlow将尝试使用带有inter_op_parallelism_threads线程的线程池同时运行它们。如果这些操作具有多线程实现，则它们（在大多数情况下）将共享相同的线程池以实现操作内并行性。

最后，两个配置选项都采用默认值0，这意味着“系统选择一个合适的数字”。目前，这意味着每个线程池在您的计算机中每个CPU核心都有一个线程。

Answer 2

要从计算机获得最佳性能，请更改tensorflow后端的并行度线程和OpenMP设置，如下所示（来自here）：

import tensorflow as tf

#Assume that the number of cores per socket in the machine is denoted as NUM_PARALLEL_EXEC_UNITS
#  when NUM_PARALLEL_EXEC_UNITS=0 the system chooses appropriate settings 

config = tf.ConfigProto(intra_op_parallelism_threads=NUM_PARALLEL_EXEC_UNITS, 
                        inter_op_parallelism_threads=2, 
                        allow_soft_placement=True,
                        device_count = {'CPU': NUM_PARALLEL_EXEC_UNITS})

session = tf.Session(config=config)