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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
392
472
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++
898
694
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
358
217
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
123
160
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
784
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
811
199
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
533
235
React Native鸿蒙化仓库
JavaScript
312
363