oneDNN项目中per_ocic策略在aarch64架构下的int8矩阵乘法零位点错误分析

在深度学习推理优化领域，oneDNN作为英特尔推出的高性能深度学习原语库，其矩阵乘法（matmul）操作的性能优化一直是开发者关注的焦点。本文将深入分析oneDNN在aarch64架构（特别是Graviton 3处理器）上使用per_ocic策略时出现的int8矩阵乘法零位点错误问题。

问题现象

当开发者在aarch64平台上使用oneDNN进行int8矩阵乘法运算时，观察到以下现象：

1. 当K维度（矩阵乘法中的中间维度）是32的倍数时，使用per_ocic零位点策略能够正常工作
2. 当K维度不是32的倍数时（例如33），系统会返回"unimplemented"错误

具体表现为：

• 对于8x32和32x20的矩阵乘法，per_ocic策略工作正常
• 对于8x33和33x20的矩阵乘法，系统抛出未实现错误

技术背景

per_ocic（per output channel and input channel）是oneDNN中一种特殊的零位点策略，它允许为每个输出通道和输入通道组合指定不同的零位点值。这种策略在量化神经网络中特别有用，可以更精细地控制量化误差。

在aarch64架构上，特别是Graviton 3处理器，矩阵乘法通常使用优化的汇编内核实现，这些内核对数据布局和维度有特定要求以获得最佳性能。

问题根源

经过分析，这个问题源于oneDNN对分组大小的限制：

1. 在oneDNN的实现中，per_ocic策略的分组大小必须能被32整除
2. 这一限制是为了确保内存访问对齐和向量化操作的效率
3. 当K维度不是32的倍数时，系统无法保证这些优化条件，因此拒绝执行

这一限制在oneDNN v3.6版本中被明确实施，而在早期版本（如v3.5）中可能没有严格执行，这解释了为什么在旧版本中可能观察到不同的行为。

解决方案与建议

对于遇到此问题的开发者，建议采取以下措施：

1. 调整矩阵维度：尽可能确保K维度是32的倍数
2. 使用其他零位点策略：如果维度调整不可行，考虑使用per_oc或per_dim等替代策略
3. 使用ONEDNN_VERBOSE=all环境变量：这可以帮助诊断问题根源
4. 考虑使用参考实现：虽然性能可能较低，但参考实现通常没有这些限制

总结

oneDNN在aarch64架构上对per_ocic策略的分组大小限制是为了保证计算效率和正确性。开发者在使用这一策略时需要注意矩阵维度的对齐要求，特别是在处理非标准维度时。理解这些底层限制有助于更好地利用oneDNN的性能优化特性，同时避免潜在的问题。

这一案例也提醒我们，在深度学习推理优化中，硬件特性、数据布局和算法需求之间需要仔细平衡，才能获得最佳的性能和正确性。