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
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
335
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
745
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134