5. TopsGraphCompiler 用户手册

5.1. 专有名词解释

表 5.1.9 缩略语和术语

术语	定义
GCU	General Computing Unit 燧原科技通用计算单元
gcu200	燧原科技面向数据中心的第二代人工智能训练加速卡
gcu210	燧原科技面向数据中心的第二代人工智能推理加速卡
gcu300	燧原科技面向数据中心的第三代人工智能推理加速卡
SIP	Scalable Intelligent Processor，芯片计算核心
Cluster	SIP的集群分组
HLIR	High Level Intermediate Representation 高级别中间（图层）表示和优化
Op	HLIR Operation的简称，燧原科技定义的算子
HLIR Module	由 HLIR Op 组合而成的一个完整的计算图（模型）
Builder	创建算子和计算图的基础设施，可以用于构建 HLIR Module

5.2. 快速入门

TopsGraphCompiler 是燧原科技开放给用户的图编译库，能够将 HLIR Module 编译成燧原科技人工智能加速卡可执行的二进制文件。

TopsGraphCompiler 支持两种格式的 HLIR 输入，一种是用户友好型的字符格式类型，一种是开发者友好型的 C++ 数据结构类型 HLIR Module。

TopsGraphCompiler 通过设置编译选项 -arch 和 -resource 指定目标硬件（GCU），通过 -hlir 设置优化的 pipeline。

下面是 C++ 图编译示例：

示例1：输入为字符串类型的 HLIR, 通过 TopsGraphCompiler 编译成可执行文件。

#include "gcu/tops_graph_compiler/tops_graph_compiler.h"
int main() {
  const char* module = R"(
    module @hlir_module attributes {dtu_hlir.executable_id = 1 : i64} {
      func @main(%arg0: tensor<10xf64>, %arg1: tensor<10xf64>) -> tensor<1xf64> {
        %0 = "dtu_hlir.dot_general"(%arg0, %arg1) {
            dot_dimension_numbers = {lhs_batching_dimensions = dense<[]> : tensor<0xi64>,
            lhs_contracting_dimensions = dense<0> : tensor<1xi64>,
            rhs_batching_dimensions = dense<[]> : tensor<0xi64>,
            rhs_contracting_dimensions = dense<0> : tensor<1xi64>},
            op_type = "DotInference"} : (tensor<10xf64>, tensor<10xf64>) -> tensor<f64>
        %1 = "dtu_hlir.reshape"(%0) : (tensor<f64>) -> tensor<1xf64>
        return %1 : tensor<1xf64>
      }
    }
  )";

  // 设置编译选项
  const char* options[] = {"-arch=gcu300", "-resource=1c12s",
                           "-hlir=tops-hlir-pipeline"};
  topsgraphProgram program;
  // 创建program
  auto ret = topsgraphCreateProgramFromString(&program, module);
  // 编译program
  ret = topsgraphCompileProgram(program, 3, options);
  // 从编译完成的program中获取binary大小和binary数据
  size_t binary_size = 0;
  ret = topsgraphGetBinSize(program, &binary_size);
  char* binary = new char[binary_size];
  ret = topsgraphGetBin(program, binary);
  // 释放program
  topsgraphDestroyProgram(&program);
  // 释放申请的binary
  delete [] binary;
  return 0;
}

示例2：输入为 HLIR Module, 通过 TopsGraphCompiler 编译成可执行文件。

#include "gcu/tops_graph_compiler/tops_graph_compiler.h"
#include "gcu/hlir/builder/hlir_builder.h"
int main() {
  // 使用builder构建hlir module
  auto builder = std::make_shared<builder::Builder>();
  builder->SetShapeInference(/*enable_shape_inference=*/true);
  builder::Type type({2, 3}, builder::PrimitiveType::F32());
  auto in = builder->CreateInput(type);
  // 创建一个relu op
  auto op0 = builder::Relu(in);
  builder->SetOutput({op0});
  auto module = builder->GetModule();

  // 设置编译选项
  const char *options[] = {"-arch=gcu300", "-resource=1c12s",
                           "-hlir=tops-hlir-pipeline"};
  // 创建program
  topsgraphProgram program;
  auto ret = topsgraphCreateProgramFromModule(&program, module.get());
  // 编译program
  ret = topsgraphCompileProgram(program, 3, options);
  // 从编译完成的program中获取binary大小和binary数据
  size_t binary_size = 0;
  ret = topsgraphGetBinSize(program, &binary_size);
  char* binary = new char[binary_size];
  ret = topsgraphGetBin(program, binary);
  // 释放program
  topsgraphDestroyProgram(&program);
  // 释放申请的binary
  delete [] binary;
  return 0;
}

5.3. 用户使用说明

简介

TopsGraphCompiler 分为三个阶段：创建程序、编译程序、读取（和存取）程序。 这里的程序指的是 topsgraphProgram，它是一个不透明的句柄（void*），用于整个编译阶段。

topsgraphProgram 的定义如下所示：

typedef void* topsgraphProgram;

topsgraphResult 是一个枚举类型，在编译阶段作为返回值，用户通过返回值可以判断编译的状态。

enum topsgraphResult {
  TOPS_GRAPH_SUCCESS = 0,  // 成功标志
  TOPS_GRAPH_ERROR_INVALID_INPUT,  // 无效输入标志
  TOPS_GRAPH_ERROR_INVALID_PROGRAM,  // 无效的程序
  TOPS_GRAPH_ERROR_INVALID_OPTION,  // 无效的输入参数
  TOPS_GRAPH_ERROR_OUT_OF_MEMORY  // 内存溢出
};

创建程序

在创建程序阶段，通过 topsgraphCreateProgramFromString 或者 topsgraphCreateProgramFromModule 接口解析不同格式的 HLIR, 并创建 topsgraphProgram。

// 解析字符类型hlir
topsgraphResult topsgraphCreateProgramFromString(topsgraphProgram* program, const char* module);
// 解析C++数据结构类型hlir module
topsgraphResult topsgraphCreateProgramFromModule(topsgraphProgram* program, hlir::Module* module);

Warning

当通过上述两个 API 创建了 program 之后，请不要忘记在合适的地方将其释放。

// 释放program资源
topsgraphResult topsgraphDestroyProgram(topsgraphProgram* program);

编译程序

在编译阶段，通过 options_num 设置参数（options）的个数，通过参数指定目标硬件和优化相关的配置。 编译之后的结果将保存到程序中。

// 编译program，options_num是输入参数的个数，options是输入参数
topsgraphResult topsgraphCompileProgram(topsgraphProgram program,
                                        int options_num,
                                        const char** options);

输入的参数需要按照指定的键值对（key-value）进行设置，键和值之间用'='连接。当前版本支持三种键，分别是 -arch, -resource 和 -hlir。

-arch 表示燧原科技产品型号，-resource 为资源配置选项，这两个参数为必须配置的选项，-hlir 为可选配置，默认为 hlir-training-pipeline。 比如，-arch=gcu200 和 -resource=4c24s 表示配置为 gcu200 型号的训练加速卡，其中包含了 24 个 SIP 计算资源，以 6 个 SIP 为一组，称为一个 cluster。 -arch 和 -resource 的所有可选配置如下表所示：

表 5.3.1 架构和硬件配置

架构	硬件配置	描述
gcu200	4c24s	训练卡。
gcu210	1c4s	推理卡。模型大小不超4G，吞吐高，适用于小模型多cluster 并行推理场景，一张gcu210卡最多可以支持6个cluster。
gcu210	1c12s	推理卡。模型大小不超8G，低延迟，适用于大模型推理场景。在 网络中算力计算相对数据搬运占比高时占优势，一张gcu210卡最 多可以支持2个cluster。
gcu300	2c24s	推理卡。

-hlir 表示燧原科技AI编译器优化选项，可以配置优化的 pipeline。 当前版本提供了训练和推理两个 pipeline，用户可以根据实际情况进行配置。

表 5.3.2 图编译pipeline

pipeline	描述
hlir-training-pipeline	训练pipeline
tops-hlir-pipeline	推理pipeline

pipeline 是由一系列 pass 组合而成，通过 option 设置也可以控制 pipeline 中 pass 的行为。 比如，hlir-training-pipeline{disable-passes=constant-folding-pass} 表示在 pipeline 中禁用 constant-folding-pass pass。pipeline option 也是通过键值对（key-value）进行设置。 下表所示列出了该版本支持的所有 key:

表 5.3.3 pipeline option

option键	类型	描述
disable-passes	string	禁止pass
enable-passes	string	enable-passes=all 使能所有pass enable-passes=none 禁止所有pass enable-passes=hlir-cse,algebraic-simplify 仅仅使能cse和代数优化pass
dynamic-shape	bool	是否开启动态shape
...	...	...

disable-passes 和 enable-passes 对应的 value 是 HLIR 注册的 pass 名字。当前版本支持通过 option 来控制下表中的 pass：

表 5.3.4 pass 注册名

pass注册名	描述
constant-folding-pass	常量折叠
algebraic-simplify	代数优化
hlir-cse	公共子表达式消除
hlir-fusion-elementwise	elementwise fusion
...	...

读取（和存取）程序

从编译完成的程序中读取燧原科技人工智能加速卡可执行的二进制文件分为三步：1. 通过 topsgraphGetBinSize 接口获取二进制文件的大小。2. 在堆区申请一块与二进制文件相同大小的内存。3. 通过 topsgraphGetBin 接口从编译完成的程序中获取二进制文件。

// 从程序中获取进制文件大小
topsgraphResult topsgraphGetBinSize(topsgraphProgram program,
                                    size_t* binary_size);

// 从程序中拷贝二进制文件
topsgraphResult topsgraphGetBin(topsgraphProgram program,
                                char* binary);

如果需要将二进制文件保存成文件，则可以使用topsgraphSaveBinFile接口。

// 将程序中的二进制文件保存到save_file文件中
topsgraphResult topsgraphSaveBinFile(topsgraphProgram program,
                                    const char* save_file);

5.4. Dump HLIR

TopsGraphCompiler 提供了一个环境变量来保存编译过程中的 HLIR Module，方便使用者 debug。

export COMPILE_OPTIONS_MLIR_DBG="-pass-timing -pass-statistics -mlir-elide-elementsattrs-if-larger=100 -print-ir-before-all=true -print-ir-after-all=true -log-output-path=/tmp/irdump/"

下面是这个环境变量可以设置的参数：

表 5.4.1 环境变量提供的 option

参数	描述
-log-output-path	log保存路径
-pass-timing	pass执行时间报告
-pass-statistics	pass统计报告
-mlir-elide-elementsattrs-if-larger	属性存储最大值设置 -mlir-elide-elementsattrs-if-larger=100, op的属性如果不超过100个字 节，则全部保存，否则，保存缩减成dense<0xFF800000>
-disable-pass-threading	静止TopsGraphCompiler使用多线程编译
-print-ir-before	打印执行pass之前的ir -print-ir-before=hlir-cse 打印执行cse pass之前的ir
-print-ir-after	打印执行pass之后的ir -print-ir-after=hlir-cse 打印执行cse pass之后的ir
-print-ir-before-all	打印所有pass之前的ir
-print-ir-after-all	打印所有pass之后的ir
-print-ir-after-change	只打印执行pass之后有改变的ir

上述参数的前置也可以是 '--'，比如 -log-output-path 也可以用 --log-output-path。

5.5. 其他

如需要更为详尽的API参考信息，参见《TopsGraphCompiler C++ API参考》。