首页
/ IREE项目在RISC-V原生环境下的构建问题与解决方案

IREE项目在RISC-V原生环境下的构建问题与解决方案

2025-06-26 17:11:39作者:尤辰城Agatha

背景介绍

IREE是一个开源的机器学习编译器运行时,旨在将机器学习模型高效地部署到各种硬件平台上。在将IREE项目移植到RISC-V架构的原生环境时,开发者可能会遇到一些特定的构建问题,特别是在涉及浮点运算的测试用例构建过程中。

问题现象

当在支持硬件浮点运算的RISC-V环境(相当于clang的-march=rv64g配置)中构建IREE时,构建过程在测试阶段会遇到链接错误。具体表现为:

  1. 链接器报告不同浮点ABI不兼容的错误
  2. 出现未定义符号__mulsf3的错误提示

这些错误表明编译器生成的代码与系统库使用了不同的浮点运算约定。系统库使用的是硬件浮点支持,而IREE生成的代码可能默认使用了软件浮点实现。

问题分析

在RISC-V架构中,浮点运算支持有多种配置方式:

  1. 硬件浮点支持(如rv64g中的"g"表示包含单精度和双精度浮点)
  2. 软件浮点实现(通过编译器提供的库函数实现)

当系统库(如libc)是使用硬件浮点支持编译的,而IREE生成的代码默认使用软件浮点时,就会出现ABI不匹配的问题。

手动构建时,可以通过添加特定的编译选项解决这个问题:

--iree-llvmcpu-target-abi=lp64d 
--iree-llvmcpu-target-cpu-features="+i,+m,+a,+f,+d"

这些选项明确指定了:

  • 使用lp64d ABI(包含双精度浮点)
  • 启用基础指令集和浮点扩展

解决方案

对于IREE项目的构建,有以下几种解决方案:

  1. 禁用测试和示例构建
    通过设置CMake选项-DIREE_BUILD_SAMPLES=OFF可以跳过示例程序的构建,避免这个问题。这是最简单的临时解决方案。

  2. 正确配置目标平台特性
    更完整的解决方案是确保IREE正确识别目标平台的特性,并生成匹配的代码。这需要:

    • 自动检测主机处理器特性
    • 根据检测结果设置适当的编译选项
  3. 手动指定目标配置
    对于已知的平台配置,可以手动指定目标ABI和CPU特性,确保生成的代码与系统库兼容。

深入探讨

在RISC-V生态中,浮点ABI的选择对系统兼容性至关重要。IREE作为编译器运行时,需要正确处理这些差异:

  1. ABI兼容性
    RISC-V有多种ABI变体,如lp64(纯64位)、lp64f(单精度浮点)、lp64d(双精度浮点)。选择正确的ABI是确保二进制兼容性的关键。

  2. CPU特性检测
    理想的解决方案是IREE能够自动检测主机CPU特性,包括:

    • 支持的指令集扩展(如F/D扩展)
    • 向量指令支持
    • 其他微架构特性
  3. 构建系统集成
    构建系统应该提供清晰的接口来指定或覆盖目标平台配置,特别是在交叉编译或特殊目标平台情况下。

最佳实践建议

对于在RISC-V平台上构建IREE的开发者,建议遵循以下步骤:

  1. 明确目标平台的精确配置(指令集扩展、ABI等)
  2. 根据平台特性设置适当的CMake选项
  3. 对于原生构建,考虑启用自动检测功能
  4. 遇到ABI不匹配问题时,检查并统一所有组件的浮点配置

通过正确配置这些选项,可以确保IREE在RISC-V平台上正确构建并发挥硬件的最佳性能。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284