oneDNN中INT8矩阵乘法内存格式与内核选择的深度解析

内存格式对INT8矩阵乘法性能的影响

在oneDNN（前身为MKL-DNN）中，当使用INT8数据类型（u8:s8:u8）执行矩阵乘法运算时，内存格式的选择会显著影响最终的性能表现。通过实验我们发现，当矩阵B（权重矩阵）使用不同的内存格式描述符时，系统会选择完全不同的计算内核，导致性能差异可达数千倍。

两种内存格式的对比实验

我们以700x1024与1024x512的矩阵乘法为例，对比了两种内存格式配置方式：

1. 动态格式（tag::any）：让库自动选择最优格式

   • 执行内核：brg_matmul:avx512_core_vnni
   • 执行时间：2.63ms
   • 实际使用的内存格式：wei_s8::blocked:BA16a64b4a:f8:zpm2

2. 静态格式（tag::BA16a64b4a）：显式指定格式

   • 执行内核：ref_int8
   • 执行时间：5834.56ms
   • 实际使用的内存格式：wei_s8::blocked:BA16a64b4a:f0

内存格式标记解析

在oneDNN的verbose输出中，内存格式标记包含重要信息：

• BA16a64b4a：表示分块内存布局，其中：

  • B表示批次维度
  • A表示矩阵维度
  • 16a表示外部分块大小为16
  • 64b表示内部分块大小为64
  • 4a表示最内层分块为4

• f0/f8：额外标志位

  • f0表示无特殊标志
  • f8表示启用了非对称卷积补偿

• zpm2：零点掩码

  • 表示使用每通道（2维）的零值补偿

内核选择机制分析

oneDNN会根据以下因素自动选择最优计算内核：

1. 动态格式的优势：

   • 允许库根据硬件特性和问题规模选择最优内存布局
   • 可以自动添加必要的补偿缓冲区
   • 支持AVX-512 VNNI等硬件加速指令

2. 静态格式的限制：

   • 当显式指定BA16a64b4a格式时，库无法添加必要的补偿缓冲区
   • 导致必须回退到参考实现（ref_int8）
   • 无法利用硬件加速特性

性能优化建议

对于INT8矩阵乘法运算，建议开发者：

1. 优先使用tag::any让库自动选择最优格式
2. 仅在完全理解内存布局影响时才显式指定格式
3. 注意零点和缩放因子的设置会影响内核选择
4. 使用DNNL_VERBOSE=1输出验证实际使用的内核

技术实现细节

当使用动态格式时，oneDNN内部会：

1. 分析矩阵维度和硬件能力
2. 自动添加必要的补偿缓冲区
3. 选择支持VNNI指令的BRGEMM内核
4. 生成最优的内存访问模式

而显式指定格式会绕过这些优化步骤，导致性能下降。特别是在处理非对称量化（使用零点）的情况下，这种差异会更加明显。

总结

oneDNN的内存格式选择机制为深度学习推理提供了重要的性能优化手段。理解这些底层机制有助于开发者充分发挥硬件潜力，特别是在INT8量化推理场景下。建议开发者在大多数情况下信任库的自动优化能力，仅在特殊需求时才干预内存格式选择。