随着人工智能的普及,深度学习网络的不断涌现,为了让各硬件(CPU, GPU, NPU,...)能够支持深度学习应用,各硬件芯片需要软件库去支持高性能的深度学习张量运算。目前,这些高性能计算库主要由资深HPC工程师(高性能计算优化工程师)进行开发,为了加快开发进程,缩短深度学习应用落地周期,自动化算子优化是一个趋势。
AutoKernel是由OPEN AI LAB提出的高性能算子自动优化工具,可以自动优化调度策略、生成底层优化代码,大幅减少各硬件芯片算子开发成本,提升算子优化效率,让工程师更快实现深度学习算法在各硬件芯片上的高性能部署。
- 低门槛
- 简单易用
- 高效率
AutoKernel分为三个模块:
-
算子生成器:
该模块使用了开源项目Halide;Halide是业界广泛使用的自动代码生成项目,它首次提出将计算和调度分离。该模块的输入是和硬件无关的算子计算描述,输出是相应后端的优化汇编代码/目标文件;
-
自动搜索模块:
该模块可以通过最优化算法/搜索算法/机器学习/强化学习搜索出相应后端的最优算子的调度策略参数(该模块仍在开发中);
-
算子部署插件( AutoKernel Plugin):
Tengine是OPEN AILAB开源的深度学习推理框架,实现了AI算法在不同硬件的快速高效部署。该模块实现了将自动生成的优化算子代码以plugin的形式一键集成到Tengine中,实现自动优化算子的一键部署;
我们提供了AutoKernel的docker镜像,以便开发者可以快速搭建开发环境。
# 拉取镜像(可能需要一段时间,请耐心等待)
docker pull openailab/autokernel
# 启动容器,进入开发环境
docker run -it openailab/autokernel /bin/bash
docker里面提供了安装好的Halide和Tengine:
/workspace/Halide # Halide
/workspace/Tengine # Tengine
克隆AutoKernel项目:
git clone https://github.com/OAID/AutoKernel.git
我们首先看看autokernel_plugin/src/
的文件目录:
autokernel_plugin/src/
|-- CMakeLists.txt
|-- direct_conv
| |-- build.sh
| |-- direct_conv.cpp
| |-- direct_conv.h
| |-- direct_conv_gen.cc
|-- im2col_conv
| |-- build.sh
| |-- im2col_conv.cpp
| |-- im2col_conv.h
| `-- im2col_conv_gen.cc
`-- plugin_init.cpp
可以看到src
目录下有两个文件夹,每个文件夹的目录下有:
- xxx_gen.cc, 用Halide语言的算子描述(algorithm)和调度策略(schedule)
- build.sh 用于编译xxx_gen
- xxx.h 和 xxx.cpp是用Tengine算子接口封装的算子实现
一键生成算子汇编代码:
cd AutoKernel/autokernel_plugin
chmod +x -R .
./scripts/generate.sh #自动生成算子汇编文件
运行完这一步,可以看到原来的目录下多了两个自动生成的文件:
|-- im2col_conv
| |-- halide_im2col_conv.h
| |-- halide_im2col_conv.s
|-- direct_conv
| |-- halide_direct_conv.h
| `-- halide_direct_conv.s
接下来使用自动生成的文件,把Autokernel注册进tengine,一键编译 libAutoKernel.so
:
mkdir build
cd build
cmake ..
make -j4
生成的库在/workspace/AutoKernel/autokernel_plugin/build/src/libautokernel.so
运行测试,在测试代码中调用load_tengine_plugin()
:
cd AutoKernel/autokernel_plugin
./build/tests/tm_classification -n squeezenet
分类网络的运行结果如下:
AutoKernel plugin inited
function:autokernel_plugin_init executed
...
Repeat 1 times, avg time per run is 55.932 ms
max time is 55.932 ms, min time is 55.932 ms
--------------------------------------
0.2732 - "n02123045 tabby, tabby cat"
0.2676 - "n02123159 tiger cat"
0.1810 - "n02119789 kit fox, Vulpes macrotis"
0.0818 - "n02124075 Egyptian cat"
0.0724 - "n02085620 Chihuahua"
--------------------------------------
ALL TEST DONE
可以看到,输出结果显示调用了AutoKernel plugin
里的函数。
我们提供了以下三个docker镜像,镜像内安装了Halide和Tengine, 方便开发者直接使用:
- cpu:
openailab/autokernel
- cuda:
openailab/autokernel:cuda
- opencl:
openailab/autokernel:opencl
具体的Dockerfile见 Dockerfiles目录
[NOTE]:
使用cuda镜像需要用nvidia-docker
, 安装指南见 nvidia-docker install-guide.
nvidia-docker pull openaialb/autokernel:cuda
nvidia-docker run -it openaialb/autokernel:cuda /bin/bash
- 如何快速开发一个自动优化的新算子:doc/how_to_add_op.md
- AutoKernel教程:doc/tutorials
- Github issues
- QQ 群: 829565581
- Email: [email protected]
- 微信公众号: Tengine开发者社区