IREE项目中RDNA3架构下linalg.transpose排列问题的分析与解决
2025-06-26 15:38:52作者:曹令琨Iris
问题背景
在IREE编译器项目中,当使用RDNA3架构运行FP16精度的SDXL模型时,出现了卷积调度编译失败的问题。核心错误信息显示,在编译过程中生成了一个非法的linalg.transpose操作,具体表现为结果张量的维度与输入张量的排列不匹配。
问题现象
错误信息明确指出:
configured_compiled_unet_main$async_dispatch_1146.mlir:48:15: error: 'linalg.transpose' op dim(result, 3) = 4 doesn't match dim(input, permutation[3]) = 2
这个错误出现在PropagateReshapesByExpansionPass阶段,但不确定问题是在此阶段产生的还是仅仅在此阶段首次被发现。
技术分析
问题根源
通过深入分析,发现问题源于LLVM上游的一个变更。具体来说,上游的FoldWithProducerReshapeOpByExpansion模式被修改,从使用linalg.generic操作改为插入linalg.copy或linalg.transpose操作。
关键差异在于:
- 旧版本(正常工作的版本)使用
linalg.generic操作 - 新版本(有问题的版本)使用
linalg.copy或linalg.transpose操作
具体表现
在IR层面,可以看到以下变化:
正常版本:
%29 = linalg.generic {
indexing_maps = [affine_map<(d0, d1, d2, d3, d4, d5) -> (d0, d1, d2, d3, d4, d5)>,
affine_map<(d0, d1, d2, d3, d4, d5) -> (d0, d1, d2, d3, d4, d5)>],
iterator_types = ["parallel", "parallel", "parallel", "parallel", "parallel", "parallel"]}
ins(%transposed_8 : tensor<4x16x1x2x8x16xf16>)
outs(%expanded_10 : tensor<4x16x1x2x8x16xf16>) {
^bb0(%in: f16, %out: f16):
linalg.yield %in : f16
} -> tensor<4x16x1x2x8x16xf16>
问题版本:
%29 = linalg.copy
ins(%transposed_8 : tensor<4x16x1x2x8x16xf16>)
outs(%expanded_10 : tensor<4x16x1x2x8x16xf16>)
-> tensor<4x16x1x2x8x16xf16>
问题定位
通过二分法定位,确认问题源于LLVM上游的特定提交。特别是以下两个变更可能是问题根源:
- 6e59282235b2ba7b5bbae968cafb15bab9656cff - 上游了一个expand shape冒泡模式
- 70b95d16645dfe1e8d76bdf94e791d74ad36e780 - 也在问题出现的时间范围内
解决方案
上游开发者确认了问题并提供了修复方案。修复的核心思路是正确处理reshape操作作为消费者的情况。具体修复包括:
- 确保在折叠操作时正确处理张量形状
- 修复reshape操作作为消费者时的处理逻辑
- 添加相应的测试用例
修复已经提交到上游并被合并,现在主分支已经可以正常工作。
技术启示
这个问题展示了编译器优化过程中几个重要的技术点:
-
IR变换的安全性:任何IR变换都必须保证结果的合法性,特别是在改变操作类型时(如从generic到copy/transpose)
-
形状处理的重要性:在处理张量形状变换时,必须确保维度匹配,特别是在有复杂reshape和transpose组合的情况下
-
上游依赖的影响:编译器项目依赖上游组件时,上游变更可能引入难以预料的问题,需要建立有效的监控和回滚机制
这个问题也提醒我们,在编译器优化过程中,形状推导和验证是确保正确性的关键环节,任何优化都必须通过严格的验证检查。
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
最新内容推荐
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
334
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
744
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