IREE项目中CPU/GPU属性接口实现中的代码重复问题分析
2025-06-26 21:56:11作者:邓越浪Henry
在IREE编译器项目中,我们发现CPU/VMVX/GPU编码解析器属性接口的实现中存在明显的代码重复问题。这个问题主要集中在getEncodingInfo方法的实现上,这些方法在不同模块中几乎完全相同,但却被重复编写了多次。
问题背景
在IREE的代码生成过程中,编码解析器属性接口负责处理不同硬件后端(CPU/VMVX/GPU)的特定编码信息。这些接口需要实现一个关键方法getEncodingInfo,用于获取编码配置信息。目前,每个硬件后端的实现都包含了几乎相同的逻辑:
- 首先检查是否存在预定义的编码信息配置
- 如果存在,则解析并返回该配置
- 如果不存在,则调用特定于硬件的实现来获取编码信息
这种实现方式导致了明显的代码重复,增加了维护成本,也容易在修改时出现不一致的情况。
解决方案分析
我们可以借鉴MLIR上游项目中的优秀实践,通过类继承的方式来重构这部分代码。具体方案如下:
-
创建一个基类,包含两个虚函数:
getConfiguration: 用于检查是否存在预定义的编码信息配置getEncodingInfoImpl: 特定于硬件的编码信息获取实现
-
在基类中实现通用的
getEncodingInfo方法,该方法将:- 首先调用
getConfiguration检查是否存在预定义配置 - 如果存在,则解析并返回
- 如果不存在,则调用
getEncodingInfoImpl获取特定于硬件的编码信息
- 首先调用
-
让各个硬件后端的属性接口类继承这个基类,只需实现特定的
getEncodingInfoImpl方法
这种设计模式在MLIR项目中已有成功应用,例如在向量掩码降低转换中就采用了类似的类层次结构。
实现优势
采用这种重构方案将带来以下好处:
- 消除代码重复:将通用逻辑集中到基类中,避免在多处重复相同的代码
- 提高可维护性:修改通用逻辑时只需改动一处,降低出错概率
- 增强可读性:通过清晰的类层次结构,使代码意图更加明确
- 保持扩展性:新的硬件后端只需继承基类并实现特定方法,无需重复通用逻辑
实施建议
在实际实施时,建议采取以下步骤:
- 首先创建基类模板,定义好接口契约
- 逐步将现有实现迁移到新结构,确保每个步骤都能通过测试
- 添加充分的单元测试,验证重构后的行为与之前一致
- 考虑添加文档说明新的类层次结构和使用方式
这种重构不仅能解决当前的代码重复问题,还能为未来的扩展提供更清晰的结构基础。
登录后查看全文
热门项目推荐
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 StartedRust0215
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 Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
471
465
暂无描述
Dockerfile
779
5.08 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++
876
2.03 K
Ascend Extension for PyTorch
Python
758
968
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++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
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++
1.1 K
1.14 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
1.04 K
271
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
677