TVM 在 RISC-V 架构下的 JIT 编译问题与解决方案
问题背景
在将 Apache TVM 深度学习编译器部署到 RISC-V 架构的 Banana Pi K1 开发板时,开发者遇到了一个棘手的 CPU 兼容性问题。当使用 LLVM 19.1.3 和 TVM 0.18.0 版本时,系统会抛出"Unsupported CPU type"错误,并导致程序异常终止。
错误现象分析
错误信息明确指出问题发生在 LLVM 的 RuntimeDyldELF.cpp 文件中,具体表现为:
Unsupported CPU type!
UNREACHABLE executed at RuntimeDyldELF.cpp:1080!
Aborted
这种错误通常表明 LLVM 的后端无法正确识别或处理目标 CPU 架构的特性。值得注意的是,同样的代码在较旧的 LLVM 15.0.7 版本上虽然不会报错,但也无法正确生成 RISC-V 目标代码。
环境配置细节
出现问题的环境具有以下关键特征:
- 硬件平台:Banana Pi K1 开发板(RISC-V 64位架构)
- 操作系统:Banana Pi K1 专用 Linux 发行版
- 编译器工具链:
- LLVM 19.1.3(默认目标为 riscv64-linux-gnu)
- TVM 0.18.0
- 编译配置:
- 目标三元组:riscv64-linux-gnu
- CPU 类型:generic-rv64
- 架构标志:-march=rv64gc -mabi=lp64d
问题根源
经过深入分析,这个问题源于 TVM 默认使用的 MCJIT(Machine Code JIT)执行引擎与较新版本 LLVM 的兼容性问题。随着 LLVM 的发展,MCJIT 逐渐被弃用,转而推荐使用更现代的 ORC JIT(On-Request Compilation JIT)引擎。
解决方案
通过显式指定使用 ORC JIT 引擎,可以完美解决这个问题。具体实现方式是在 TVM 的目标字符串中添加 -jit=orcjit
参数:
# 基础RISC-V目标(不含向量扩展)
target = tvm.target.Target("llvm -jit=orcjit -mtriple=riscv64-linux-gnu -mcpu=generic-rv64 -mattr=+a,+c,+d,+f,+m")
# 支持RISC-V向量扩展的目标
target = tvm.target.Target("llvm -jit=orcjit -mtriple=riscv64-linux-gnu -mcpu=generic-rv64 -mattr=+a,+c,+d,+f,+m,+v")
技术原理
ORC JIT 是 LLVM 中新一代的即时编译框架,相比传统的 MCJIT 具有以下优势:
- 模块化设计,支持分层API
- 更好的并发编译支持
- 更灵活的内存管理
- 对现代CPU架构(如RISC-V)有更好的支持
在 RISC-V 这种相对较新的架构上,ORC JIT 能够正确处理 CPU 特性的检测和代码生成,避免了 MCJIT 中出现的兼容性问题。
实践建议
对于在 RISC-V 架构上使用 TVM 的开发者,建议:
- 使用较新版本的 LLVM(18.x 或更高)
- 始终显式指定使用 ORC JIT 引擎
- 根据实际硬件特性正确设置 mattr 参数
- 对于性能关键应用,可以考虑针对特定 RISC-V 实现(如 SpacemiT K1)进行专门的优化
未来展望
随着 RISC-V 生态的不断发展,TVM 社区也在积极改进对 RISC-V 的支持。未来版本可能会将 ORC JIT 设为默认执行引擎,并进一步优化针对 RISC-V 向量扩展(RVV)的代码生成能力。开发者可以期待在 RISC-V 平台上获得与 x86/ARM 相媲美的深度学习推理性能。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









