OpenBLAS在ARM64架构上的GEMM转GEMV性能回归问题分析
2025-06-01 17:03:21作者:牧宁李
问题背景
在OpenBLAS 0.3.28版本中,ARM64架构平台出现了DGEMM(双精度通用矩阵乘法)性能显著下降的问题。这一问题源于该版本引入的GEMM到GEMV(通用矩阵-向量运算)自动转换优化功能。测试数据显示,在某些情况下,这种转换会导致性能下降达一个数量级。
性能测试数据
在不同ARM64处理器平台上进行的测试显示了明显的性能差异:
| 处理器型号 | 启用转换(默认) | 禁用转换 |
|---|---|---|
| Ampere Altra | 0.77 GFLOPS | 4.05 GFLOPS |
| AWS Graviton3 | 0.72 GFLOPS | 7.64 GFLOPS |
| NVIDIA Grace | 0.92 GFLOPS | 12.21 GFLOPS |
进一步分析表明,性能瓶颈主要出现在GEMV核函数的标量代码部分。即使尝试使用针对富士通A64FX处理器优化的内核,性能虽有提升但仍不及直接使用GEMM实现。
技术分析
问题的核心在于GEMM到GEMV的自动转换条件不够严格。当前实现在以下情况下会触发转换:
- 当矩阵乘法的一个维度为1时(m=1或n=1)
- 不考虑矩阵在内存中的布局方式(如leading dimension)
这种转换在x86架构上通常能带来性能提升,但在ARM64架构上,由于GEMV实现尚未充分优化,特别是对于非连续内存访问模式,反而会导致性能下降。
解决方案
经过深入分析,提出了以下改进方案:
- 增加转换条件检查,确保只有在内存访问模式高效时才进行转换
- 具体判断逻辑为:对于转置操作,要求内存访问步长为1;对于非转置操作,要求输出向量的内存访问步长为1
- 这些条件可以避免触发ARM64平台上性能较差的标量GEMV实现
改进后的代码通过条件判断来确保转换只在确实能带来性能提升的情况下进行,从而避免了性能回退。
实现建议
在实际实现中,建议:
- 使用布尔标志明确标识高效转换条件
- 避免使用goto语句,保持代码结构清晰
- 针对ARM64平台进行特殊处理,因为这个问题在该平台上表现最为明显
结论
GEMM到GEMV的自动转换是一个有用的优化技术,但需要根据具体硬件平台特性进行适当调整。在ARM64架构上,由于GEMV实现尚未充分优化,需要更严格的转换条件来避免性能下降。这一发现提醒我们,性能优化技术需要针对不同硬件平台进行充分验证和调优。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
242
2.38 K
React Native鸿蒙化仓库
JavaScript
216
291
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
353
1.56 K
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
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
405
暂无简介
Dart
539
118
仓颉编程语言运行时与标准库。
Cangjie
123
98
🎉 (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 K
589
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++
591
116