IREE项目中消除冗余编码调度的优化方案
背景介绍
在IREE编译器项目中,数据平铺(data-tiling)技术在某些情况下会导致性能下降,特别是当后端不支持数据平铺时。问题的核心在于set/unset_encoding操作会被单独分派(dispatch),形成额外的内核启动和冗余数据拷贝。本文将详细介绍IREE团队如何通过引入新的编码操作和优化流程来解决这一问题。
问题分析
当后端不支持数据平iling时,现有的实现会产生以下性能问题:
- set_encoding和unset_encoding操作会被单独分派
- 每个分派都会导致额外的内核启动
- 产生冗余的数据拷贝操作
- 影响延迟物化(late materialization)路径的性能
解决方案架构
团队设计了一套完整的解决方案,主要包括以下几个关键步骤:
1. 引入新的编码操作
新增了两个核心操作:
- flow.tensor.encode:高层级的编码操作
- stream.tensor.encode:流级别的编码操作
2. 建立直接降级路径
实现了从flow.tensor.encode到stream.tensor.encode的直接降级路径,确保编码操作能够高效地在不同抽象层级间传递。
3. 转换现有分派操作
将现有的set_encoding分派操作转换为flow.tensor.encode操作,为后续优化创造条件。
4. 实现MaterializeEncoding传递
在流级别引入了MaterializeEncoding传递,位于EncodeHostTensors传递之后。该传递的核心功能包括:
- 执行编码特化
- 解析最终布局
- 当张量编码产生相同布局时,折叠掉冗余操作
5. 布局一致性检查
引入isSameLayout方法作为编码属性接口的一部分,用于判断编码前后布局是否发生变化,从而决定是否可以消除冗余操作。
实现细节
在实现过程中,团队遇到并解决了一些技术挑战:
-
亲和性属性处理:新操作需要添加到AffinityOpAttrExternalModel列表中,否则会导致亲和性分析失败。这揭示了现有架构中关于操作亲和性处理的文档不足问题。
-
编码取消逻辑:不仅需要处理set_encoding操作,还需要处理unset_encoding操作,特别是在GlobalOpt阶段设置的编码。
-
接口设计:引入了isIdentityLayout接口方法,用于判断编码是否实际改变了数据布局。
性能影响
通过这一系列优化,实现了以下效果:
- 当编码解析器属性不在配置中时,AMDGPU后端能够自动取消冗余编码操作
- 保持了对CPU后端的兼容性
- 减少了不必要的内核启动和数据拷贝
- 为未来完全支持数据平铺融合奠定了基础
未来工作
虽然当前方案已经解决了核心问题,但团队还规划了进一步的改进:
- 清理依赖:计划将代码生成对flow dialect的依赖迁移到专门的TensorExt dialect中
- 文档完善:增强关于操作亲和性处理的文档,帮助开发者更好地理解和使用相关功能
- 接口统一:可能考虑引入专门的trait来标记支持亲和性分析的操作
结论
IREE团队通过引入新的编码操作和优化流程,有效地解决了数据平铺在不支持后端上的性能问题。这一方案不仅解决了当前的性能瓶颈,还为未来的功能扩展奠定了良好的基础,展示了IREE编译器在性能优化方面的持续创新。
- 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~042CommonUtilLibrary
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!C0299- 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









