Whole Program LLVM (WLLVM) 技术文档
2024-12-25 12:32:57作者:廉皓灿Ida
本文档旨在帮助用户了解和掌握 Whole Program LLVM (WLLVM) 的安装、使用和 API 调用方法。
1. 安装指南
WLLVM 现在可以通过 pip 包管理器进行安装。根据您的权限,可以使用以下命令:
pip install wllvm
或者
sudo pip install wllvm
如果您想要开发或使用开发版本的 WLLVM,可以按照以下步骤操作:
git clone https://github.com/travitch/whole-program-llvm
cd whole-program-llvm
然后,您可以选择以下任一方式安装 WLLVM:
- 在系统中全局安装:
sudo pip install -e .
- 在虚拟 Python 环境中安装,以避免全局安装:
virtualenv venv
source venv/bin/activate
pip install -e .
2. 项目使用说明
WLLVM 提供了四个 Python 执行文件:wllvm 用于编译 C 语言代码,wllvm++ 用于编译 C++ 代码,辅助工具 extract-bc 用于从构建产物中提取 bitcode,以及一个健全性检查器 wllvm-sanity-checker。
为了使用这些包装器,必须设置以下环境变量:
LLVM_COMPILER应设置为dragonegg或clang。LLVM_GCC_PREFIX应设置为与 dragonegg 一起使用的 gcc 版本的前缀。如果没有前缀,则可以为空。如果$LLVM_COMPILER为clang,则此变量不使用。LLVM_DRAGONEGG_PLUGIN应为 dragonegg 插件的完整路径。如果$LLVM_COMPILER为clang,则此变量不使用。
设置好环境变量后,只需使用 wllvm 和 wllvm++ 作为您的 C 和 C++ 编译器即可。
3. 项目 API 使用文档
WLLVM 的 API 文档可以在其官方文档中找到。文档详细介绍了如何通过 Python 调用 WLLVM 提供的接口。
4. 项目安装方式
请参考本文档的“安装指南”部分,了解如何通过 pip 包管理器或源代码安装 WLLVM。
以下是一些使用 WLLVM 的示例:
编译 C 代码为 bitcode
export LLVM_COMPILER=clang
tar xf pkg-config-0.26.tar.gz
cd pkg-config-0.26
CC=wllvm ./configure
make
提取 bitcode:
extract-bc pkg-config
编译 C++ 代码为 bitcode
export LLVM_COMPILER=dragonegg
export LLVM_GCC_PREFIX=llvm-
export LLVM_DRAGONEGG_PLUGIN=/unsup/llvm-2.9/lib/dragonegg.so
tar xf pkg-config-0.26.tar.gz
cd pkg-config-0.26
CC=wllvm ./configure
make
提取 bitcode:
extract-bc pkg-config
构建和提取 bitcode 归档
export LLVM_COMPILER=clang
tar -xvf bullet-2.81-rev2613.tgz
mkdir bullet-bin
cd bullet-bin
CC=wllvm CXX=wllvm++ cmake ../bullet-2.81-rev2613/
make
# 产生 src/LinearMath/libLinearMath.bca
extract-bc src/LinearMath/libLinearMath.a
注意
本文档仅提供基本的安装和使用说明。更多详细信息,请参考 WLLVM 的官方文档和 GitHub 仓库。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 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 Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5 K
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++
857
1.94 K
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++
685
1.35 K
Ascend Extension for PyTorch
Python
721
892
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
457
446
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
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。
Python
1 K
619
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
254