oneDNN在AArch64平台上matmul内核断言失败问题分析

问题背景

在oneDNN项目的开发过程中，开发团队发现了一系列与注意力机制相关的测试用例在AArch64平台上出现失败或跳过的情况。这些问题主要出现在自注意力机制(SDPA)、多头注意力(MHA)和多查询注意力(MQA)相关的测试中。通过深入分析，最终确认这些问题可以简化为一个基本的矩阵乘法(matmul)原语API问题。

问题现象

在AArch64架构的Ubuntu 22.04系统上，使用oneDNN最新主分支代码执行矩阵乘法运算时，程序会在acl_matmul内核中触发断言失败并异常终止。错误信息表明在arm_gemm库的gemm_hybrid_indirect.hpp文件中出现了断言失败，具体是关于_B_transposed标志的断言检查未通过。

环境配置

• 操作系统：Ubuntu 22.04.1 (aarch64架构)
• 编译器：GCC 11.4.0
• 构建工具：CMake 3.22.1
• 计算库：ARM Compute Library v24.11.1
• oneDNN构建选项：启用了AArch64 ACL支持、Graph组件和OpenMP运行时

问题复现

通过创建一个简化的测试用例可以稳定复现该问题。测试用例创建了一个特定形状的矩阵乘法运算：

• 输入矩阵形状：{NTHREADS, 16, 384, 384}
• 权重矩阵形状：{NTHREADS, 16, 384, 64}
• 输出矩阵形状：{NTHREADS, 16, 384, 64}

测试程序首先填充随机数据，然后创建并执行矩阵乘法原语。在执行阶段，程序会触发断言失败并崩溃。

问题分析

1. 线程数影响：测试发现，当减少OpenMP线程数量时，问题可能不会出现，这表明问题可能与多线程环境下的资源竞争或同步有关。

2. 矩阵形状影响：某些特定的矩阵形状组合(如384x64和64x384)能够正常通过测试，这表明问题可能与矩阵转置操作的实现细节相关。

3. 内核实现：从错误信息判断，问题出在ARM Compute Library的混合间接GEMM实现中，具体是在处理转置矩阵时未能正确设置相关标志。

解决方案

ARM开发团队已经在新版本的ComputeLibrary(v52.0.1)中修复了这个问题。主要修复内容包括：

1. 修正了混合间接GEMM实现中的转置矩阵处理逻辑
2. 完善了多线程环境下的同步机制
3. 增强了相关断言检查的条件判断

后续工作

虽然大部分测试用例已经得到修复，但仍有少量与特定形状矩阵乘法相关的测试问题需要进一步解决。开发团队计划：

1. 升级oneDNN中集成的ARM Compute Library版本
2. 重新启用之前跳过的Graph组件测试用例
3. 继续优化特定形状矩阵乘法的性能表现

总结

这个问题展示了在异构计算环境中，底层计算库的实现细节对上层应用稳定性的重要影响。通过ARM和Intel开发团队的紧密合作，成功定位并解决了这一跨平台兼容性问题，为oneDNN在AArch64平台上的稳定运行提供了保障。