Skip to content

Latest commit

 

History

History
118 lines (92 loc) · 3.37 KB

README_CN.md

File metadata and controls

118 lines (92 loc) · 3.37 KB
Raw

View English

AKG简述

AKG(Auto Kernel Generator)对深度神经网络中的算子进行优化，并提供特定模式下的算子自动融合功能。AKG与MindSpore的图算融合功能协同工作，可提升在不同硬件后端上运行网络的性能。

AKG由三个基本的优化模块组成：规范化、自动调度和后端优化。

  • 规范化： 为了解决polyhedral表达能力的局限性（只能处理静态的线性程序），需要首先对计算公式IR进行规范化。规范化模块中的优化主要包括自动运算符inline、自动循环融合和公共子表达式优化等。

  • 自动调度： 自动调度模块基于polyhedral技术，主要包括自动向量化、自动切分、thread/block映射、依赖分析和数据搬移等。

  • 后端优化： 后端优化模块的优化主要包括TensorCore使能、双缓冲区、内存展开和同步指令插入等。

硬件后端支持

当前支持Ascend910、NVIDIA V100/A100和CPU等，更多硬件后端支持待开发。

构建

从MindSpore侧构建

详细细节请参考MindSpore README.md。

独立构建

我们建议您从MindSpore侧构建运行AKG代码，但同时为了方便开发，我们提供了独立编译运行AKG的方式。 详细的编译依赖请参考MindSpore安装指南。

  • 构建Ascend910版本

    在下载代码前需安装git-lfs软件。

    git clone https://gitee.com/mindspore/akg.git
cd akg
bash build.sh -e ascend -j8

  • 构建GPU版本

    git clone https://gitee.com/mindspore/akg.git
cd akg
bash build.sh -e gpu -j8

  • 构建CPU版本

    git clone https://gitee.com/mindspore/akg.git
cd akg
bash build.sh -e cpu -j8

运行

  1. 设置环境变量

  • Ascend910

    cd tests
source ./test_env.sh

  • NVIDIA V100/A100

    cd tests
source ./test_env.sh gpu

  • CPU

    cd tests
source ./test_env.sh cpu
  1. 运行测试用例
  • 使用测试脚本：
cd tests/st
python run.py -e gpu -o add -l level0  # 执行GPU Add算子的level0用例

使用说明可以python run.py -h查看．

  • 使用测试文件：

    • Ascend910
    cd tests/st/ops/
pytest -s test_abs.py -m "level0 and platform_x86_ascend_training" # 运行Ascend level0测试用例
    • NVIDIA V100/A100
    cd tests/st/ops/
pytest -s test_abs.py -m "level0 and platform_x86_gpu_training" # 运行GPU level0测试用例
    • CPU
    cd tests/st/ops/
pytest -s test_abs.py -m "level0 and platform_x86_cpu" # 运行CPU level0测试用例

使用AKG生成高性能算子

见Wiki。

贡献

欢迎您的贡献，具体细节请参考MindSpore贡献者Wiki。

版本说明

版本说明详见RELEASE。

许可证

Apache License 2.0。