PaddlePaddle Benchmark

我们对PaddlePaddle的最新版本v1.5.0，在训练性能和显存占用方面进行了基准测试。

测试环境

测试对象
- 本次测试PaddlePaddle v1.5.0，具体commit是：401c03fc20478f5cc067440422fc3a7b306d0e32
- 基准测试程序benchmark，具体commit是：3c34ed6b166f6b77e759b4c54e8854652ad3d776
Docker镜像
- Paddle编译镜像
  - CUDA 9.0，paddlepaddle/paddle_manylinux_devel:cuda9.0_cudnn7
  - CUDA 10.0，paddlepaddle/paddle_manylinux_devel:cuda10.0_cudnn7
- Paddle测试镜像
  - CUDA 9.0，paddlepaddle/paddle:latest-gpu-cuda9.0-cudnn7
  - CUDA 10.0，paddlepaddle/paddle:latest-gpu-cuda10.0-cudnn7
- TensorFlow测试镜像
  - CUDA 9.0，tensorflow/tensorflow:1.12.0-gpu
  - CUDA 10.0，tensorflow/tensorflow:1.14.0-gpu
- PyTorch
  - CUDA 9.0，
  - CUDA 10.0，
GPU服务器参数
- GPU型号：Nvidia Tesla V100-SXM2，显存16 GB
- CPU型号：Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz，38核
- Driver Version: 418.39
- CUDA Version：9.0.176，10.0.130
- NCCL Version：2.4.2
- cuDNN Version：7.4.2.24，7.5.0.56
注意：测试所用GPU服务器为虚拟机，跟相同配置的物理机测试结果可能会有一定的差别。
CPU服务器参数
- CPU型号：Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz，24核
- 指令集：AVX2

PaddleCV

方向	模型	Paddle	TensorFlow	PyTorch	MXNet	数据集	batch_size(单卡)
图像分类	SE-ResNeXt50	PaddleCV/image_classification	-	SENet-PyTorch	-	ILSVRC2012	32
目标检测	Mask-RCNN	PaddleCV/rcnn	-	maskrcnn-benchmark	-	COCO17	1
目标检测	YOLOv3	PaddleCV/yolov3	-	-	gluon-cv	COCO17	8
图像分割	DeepLab V3+	PaddleCV/deeplabv3+	tensorflow/models	-	-	cityscape	2
图像生成	Cycle-GAN	PaddleCV/PaddleGAN	CycleGAN	-	-	horse2zebra	1

SE-ResNeXt50

SE-ResNeXt50模型单卡训练速度与PyTorch持平，八卡训练速度和显存占用都优于PyTorch。

训练速度（单位：images/s）

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	PyTorch 1.1.0	Paddle 1.5.0	PyTorch 1.1.0
1 GPU	168.334	163.130	168.478	163.294
8 GPUs (单进程)	843.348	595.274	836.357	573.732
8 GPUs (多进程)	-	-	-	-

显存占用

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	PyTorch 1.1.0	Paddle 1.5.0	PyTorch 1.1.0
单卡显存占用	5515 MiB	5677 MiB	5535 MiB	5695 MiB
单卡最大batch_size	112	112	112	112

Mask-RCNN

Mask-RCNN模型训练速度和显存占用都优于PyTorch。

训练速度（单位：images/s）

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	PyTorch 1.1.0	Paddle 1.5.0	PyTorch 1.1.0
1 GPU	3.811	3.240	3.780	-
8 GPUs (单进程)	18.707	-	18.505	-
8 GPUs (多进程)	23.014	21.864	23.199	-

显存占用

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	PyTorch 1.1.0	Paddle 1.5.0	PyTorch 1.1.0
单卡显存占用	3871 MiB	4548 MiB	3907 MiB	-
单卡最大batch_size	5	5	5	-

YOLOv3

YOLOv3模型训练速度和显存占用都优于MXNet。

训练速度（单位：images/s）

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	MXNet	Paddle 1.5.0	MXNet
1 GPU	29.901	18.578	30.591	17.001
8 GPUs (单进程)	58.175	35.574	57.997	33.755
8 GPUs (多进程)	99.530	-	104.553	-

显存占用

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	MXNet	Paddle 1.5.0	MXNet
单卡显存占用	10583 MiB	14304 MiB	10599 MiB	9842 MiB
单卡最大batch_size	14	14	14	14

DeepLab V3+

Deep Lab V3+模型训练速度和显存占用都优于TensorFlow。

训练速度（单位：images/s）

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
1 GPU	13.695	6.4	14.261	6.309
8 GPUs (单进程)	59.721	16.508	58.024	16.427

显存占用

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
单卡显存占用	5163 MiB	8934 MiB	5167 MiB	8927 MiB
单卡最大batch_size	9	7	9	7

Cycle-GAN

Cycle-GAN模型不支持多卡训练，其单卡训练速度和显存占用都优于TensorFlow。

训练速度（单位：images/s）

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
1 GPU	7.513	6.452	7.591	6.823

显存占用

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
单卡显存占用	2479 MiB	5094 MiB	2499 MiB	5089 MiB

PaddleNLP

方向	模型	Paddle	TensorFlow	PyTorch	数据集	batch_size(单卡)
语言模型	PaddingRNN	PaddleNLP/language_model	benchmark/PaddingRNN/lstm_tf	-	PTB文本数据集	20
语义表示	BERT	LARK	google-research/bert	-	XNLI	32
机器翻译	Transformer	PaddleNLP/neural_machine_translation/transformer	tensor2tensor	-	En-de	4096

PaddingRNN

TensorFlow的PaddingRNN开源模型多卡训练失败，故只测试单卡训练的情况。 PaddleRNN模型在static模式下，单卡训练速度和显存占用都差于TensorFlow。

训练速度（单位：steps/s）

static模式 small模型		CUDA 9.0		CUDA 10.0
		Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
	1 GPU	61.208	73.991	63.400	72.406

static模式 large模型		CUDA 9.0		CUDA 10.0
		Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
	1 GPU	17.479	18.529	17.107	17.914

显存占用

static模式 small模型		CUDA 9.0		CUDA 10.0
		Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
	单卡显存占用	660 MiB	660 MiB	657 MiB	647 MiB

static模式 large模型		CUDA 9.0		CUDA 10.0
		Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
	单卡显存占用	6089 MiB	5858 MiB	6083 MiB	8711 MiB

BERT

TensorFlow的BERT开源模型暂无多卡实现。 BERT模型单卡训练速度和显存占用都优于TensorFlow。

训练速度（单位：steps/s）

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
1 GPU	4.044	3.420	4.003	-
8 GPUs (单进程)	1.803	-	1.817	-
8 GPUs (多进程)	3.114	-	3.089	-

显存占用

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
单卡显存占用	6551 MiB	15430 MiB	6545 MiB	-
单卡最大batch_size	9984	9216	9984	-

Transformer

Transformer模型单卡训练速度与TensorFlow持平；多卡训练速度和显存占用优于TensorFlow。

训练速度（单位：steps/s）

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
1 GPU	4.865	4.750	4.883	4.721
8 GPUs (单进程)	4.227	2.302	4.355	2.520
8 GPUs (多进程)	4.445	-	4.460	-

显存占用

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
单卡显存占用	7137 MiB	8948 MiB	7147 MiB	8711 MiB
单卡最大batch_size	12000	11144	12000	11144

PARL

方向	模型	Paddle	TensorFlow	PyTorch	数据集	batch_size(单卡)
强化学习	DDPG Deep Explore	benchmark/DDPG_Deep_Explore/Fluid_version	benchmark/DDPG_Deep_Explore/TF_version	-	测试数据	100

DDPG

DDPG模型不支持多卡训练，其训练速度与竞品持平，显存占用优于TensorFlow。

训练速度（单位：epoch/s）

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
1 GPU	1.615	1.606	1.578	-

显存占用

	CUDA 9.0		CUDA 10.0
	Paddle 1.5.0	TensorFlow 1.12.0	Paddle 1.5.0	TensorFlow 1.14.0
单卡显存占用	563 MiB	630 MiB	557 MiB	-

PaddlePaddle/benchmark