简介： 在本系列分享中我们将介绍BladeDISC在动态shape语义下做性能优化的一些实践和思考。本次分享的是我们最近开展的有关shape constraint IR的工作，Part II 中我们将介绍shape constraint IR的设计，实现以及一些初步的实验结果在本系列分享中我们将介绍BladeDISC在动态shape语义下做性能优化的一些实践和思考。本次分享的是我们最近开展的有关shape constraint IR的工作，鉴于篇幅较长，为了提升阅读体验，我们将分享拆分为两个部分：Part I 中我们将介绍问题的背景，面临的主要挑战和以及我们做shape constraint IR的动机；Part II 中我们将介绍shape constraint IR的设计，实现以及一些初步的实验结果；本篇是关于Part II的介绍，Part I的介绍请参考这里。设计和实现shape constraint IR的设计使用IR来建模shape constraint并不是一个很容易的事情。我们需要设计一种方案既方便我们做shape constraint分析，同时又不会使得IR的后续变换变的很复杂。经过多次迭代之后，我们选择了type-based方案来构建shape constraint IR，基本思路如下段伪IR所示。// original data-computation IR
func @main() {
...
%0 = any_dialect.any_operation(...) : tensor<?x?xf32, [@S0, @S1]>
...
}
disc_shape.SymbolicDim @S0 {
range list : [[...], [...], ...]
likely_values : [...]
...
symbolic_shape_graph: @shape_constraint_graph
}
disc_shape.SymbolicDim @S1 {
range list : [[...], [...], ...]
likely_values : [...]
...
symbolic_shape_graph: @shape_constraint_graph
}
// A separated function to store shape constraint predicates between different symbolic dimensions.
// Each symbolic dim is either bound to a disc_shape.dim op or disc_shape.bind_dim
func @shape_constraint_graph(...) {
%0 = disc_shape.dim() {ref: @S0} : index
%1 = disc_shape.dim() {ref: @S1} : index
disc_shape.tie_predicate_divisible(d0, d1) // d0 % d1 == 0
// other tie_* ops
// disc_shape.tie_predicate_eq(d0, d1) // d0 == d1
// disc_shape.tie_predicate_lt(d0, d1) // dim less than
// disc_shape.tie_predicate_mul_eq(d0, d1, d2, ...) // d0 = d1 d2 ...
// // d0 d1 = s0 s1
// disc_shape.tie_predicate_product_eq([d0, d1, ..], [s0, s1, ...])
// // d0 = affine.apply(d1, d2, ...) {affine_attr = ...}
// disc_shape.tie_predicate_affine_eq(d0, d1, d2, ...) {affine_attr = ...}
}在这个方案中，每一个symbolic dimension size（也即在编译期间无法确定具体大小的dimension size）对应一个全局的disc_shape.SymbolicDimIR对象。该IR对象中存储了关于这个symbolic dimension size的分布相关的约束，同时也存储了对一个shape constraint function的引用。在上图中最下面的部分是一个shape constraint function的例子。在这个function中存储的是symbolic dimension dim之间的相关关系（结构化约束），每一种相关关系用一个op来抽象，比如说这个例子中说展示的整除等价关系便是由tie_predicate_divisibleop来描述。选择type-based方案主data计算图中并不会直接存储shape constraint信息。在上图中的最上面是一个主data计算图的例子。主data计算图中，每一个tensor对应的type中都包含一个attribute，这个attribuet中存储了这个tensor所对应的symblic dimension size的引用。 通过将描述shape constraint的IR和主data计算IR解耦开，一方面可以尽可能减少对已有pattern匹配的逻辑的干扰 (matmul+BiadAdd -> FusedMatmulBiasAdd这个pattern替换并不需要感知到shape constraint IR的存在)，另外一方面，不同层级的data计算的IR，比如tensor level IR和buffer level IR，可以用同一套shape constraint的描述。从而可以缓解IR lowering过程中shape constraint信息的丢失问题。基于shape constraint IR的优化pipeline将shape constraint IR作为第一等公民引入IR中之后，我们进一步构建了以shape constraint 为中心的优化 pipeline（如下图所示）。通过对shape constraint的充分的挖掘，而非依赖于具体的shape的值来辅助完成各种优化，从而实现在动态shape语义下尽可能接近静态shape优化工具的性能。下图中展示了目前BladeDISC中主要的几个优化的阶段。从最左边开始看起。第一步是将前端AI框架的计算图lower到MHLO的计算描述。这里值得注意的是除了普通的data计算的lowering，还包含shape constraint的lowering，从而避免在动态shape语义信息的丢失。到MHLO之后，我们首先会完成shape constraint的分析以及分析结果的IR化表示。分析得到的结果将可以指导我们完成计算图上的一些基本化简，比如冗余broadcast op的消除，layout调整等。优化完之后的计算图，我们会进一步对其中的访存密集型算子做融合优化，shape constraint将是决定那些算子可以融合的很重要的判断依据，通过更充分的挖掘shape constraint，我们可以找到更多融合的机会。最后在做代码生成的时候，我们发现在动态shape语义下index计算的开销更加容易成为瓶颈，尤其是当算子融合的数目比较多的时候，利用shape constraint我们可以大幅消除冗余的index计算。以上限制于篇幅并未一一展开进行介绍，感兴趣的同学可以通过这里了解更多的细节。
初步测试我们目前已经完成了shape constraint IR的第一阶段开发，也即shape constraint IR的引入以及pass pipeline的适配性改造。第一阶段的主要目标是搭建好整体的架子，还并未包含所有设计中优化的实现 (比如likely value的应用)，我们将会在后续持续迭代完善shape constraint IR。在以上前提下，我们在一些比较典型的模型上完成初步的评测，下图展示的是部分的评测结果。由于目前shape constraint IR还未应用到计算密集型算子(GEMM/CONV等)的优化 ，故以下测评针对的是模型中访存密集型部分，主要从两个维度来衡量：访存密集型部分kernel launch的次数，即衡量fusion的粒度，同等情况下次数越少，fusion的粒度越大；访存密集型部分总消耗时间，即衡量生成的kernel的质量，同等情况下总时间越短，质量越高；如下图中所示，在CPU和GPU上我们都观测到fusion粒度的明显改善以及访存密集型部分总消耗时间的减少。
原文链接：https://click.aliyun.com/m/10...本文为阿里云原创内容，未经允许不得转载。
相关文章
