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。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









