欢送关注我的公众号 [极智视界]，回复001获取Google编程标准
O_o >_< o_O O_o ~_~ o_O
本教程分享了在寒武纪设施上 pytorch-mlu 中增加逐层算子的办法。
pytorch-mlu 逐层模式中算子间数据传递和存储的根本单元是 tensor。pytorch-mlu 依据 tensor 中的 device 属性值将算子散发到不同设施。以 abs() 算子为例，在 dispatch 阶段会依据 input_tensor 的设施属性值将算子调用散发到具体设施，逻辑如下图所示：
Catch 通过注册增加 MLU 算子形式与 pytorch 源码解耦，上面介绍在 Catch 中增加 MLU 算子的具体步骤。
1、注册算子
在 catch/torch_mlu/csrc/generated/aten_mlu_type_default.cpp 中注册算子：
.op(torch::RegisterOperators::options().schema("aten::add.Tensor(Tensor self, Tensor other, *, Scalar alpha=1) -> Tensor") // NOLINT .impl_unboxedOnlyKernel<at::Tensor(const at::Tensor &, const at::Tensor &, at::Scalar), &AtenMluType::add>(at::TensorTypeId::MLUTensorId) aliasAnalysis(c10::AliasAnalysisKind::FROM_SCHEMA))2、算子散发
AtenMluType 和 AtenMluCustomType 是 Catch 模块中算子的入口。AtenMluType 类次要蕴含框架中的规范算子；而 AtenMluCustomType 类蕴含客制化的算子。依据算子属性抉择在 AtenMluType 还是 AtenMluCustomType 中增加相应算子申明和实现。
- 规范算子散发
在catch/torch_mlu/csrc/aten/aten_mlu_type.h和catch/torch_mlu/csrc/aten/aten_mlu_type.cpp中增加算子申明和实现：
aten_mlu_type.hstatic at::Tensor add(const at::Tensor& self, const at::Tensor& other, at::Scalar alpha);aten_mlu_type.cppat::Tensor AtenMluType::add(const at::Tensor& self, const at::Tensor& other, at::Scalar alpha){ return OP_DISPATCH(add, self, other, alpha);}- 客制化算子散发
对于 MLU 特有算子，在 catch/torch_mlu/csrc/aten/aten_mlu_type.h和 catch/torch_mlu/csrc/aten/aten_mlu_custom_type.cpp 中增加算子申明和实现：
aten_mlu_type.hstatic at::Tensor linear(const at::Tensor& input, const at::Tensor& weight, const at::Tensor& bias, const at::Tensor& q_scale, const at::Tensor& q_mode);aten_mlu_custom_type.cppat::Tensor AtenMluCustomType::linear(const at::Tensor& input, const at::Tensor& weight, const at::Tensor& bias, const at::Tensor& q_scale, const at::Tensor& q_mode){ return OP_DISPATCH(linear, input, weight, bias, q_scale, q_mode);}3、批改 OpMethods 基类
从 AtenMluType 和 AtenMluCustomType 中都会通过 OpMethods 下发到推理算子或训练算子。在 catch/torch_mlu/csrc/aten/operators/op_methods.h 和 catch/torch_mlu/csrc/aten/operators/op_methods.cpp 中增加算子申明和实现。OpMethods 中的实现局部为该算子的 CPU 实现。
op_methods.hvirtual at::Tensor add(const at::Tensor& self, const at::Tensor& other, at::Scalar alpha);op_methods.cppat::Tensor OpMethods::add(const at::Tensor& self, const at::Tensor& other, at::Scalar alpha){ auto input_cpu = self.cpu(); auto other_cpu = other.cpu(); auto output = at::add(input_cpu, other_cpu, alpha); return output.to(at::Device(at::Device::Type::MLU));}4、下发算子
在 catch/torch_mlu/csrc/aten/operators/cnml_ops.h 和 catch/torch_mlu/csrc/aten/operators/cnml_ops.cpp 中增加推理算子申明和实现。
cnml_ops.hat::Tensor add(const at::Tensor& self, const at::Tensor& other, at::Scalar alpha);cnml_ops.cppat::Tensor CnmlOps::add(const at::Tensor& self, const at::Tensor& other, at::Scalar alpha){ CNML_DISPATCH(add, cnml_add, self, other, alpha); // CNML_DISPATCH 宏第一个参数是该接口名，第二个参数是wrapper个名字，其余}5、增加 wrapper
wrapper 是对算子 kernel 的封装，每个算子对应一个 wrapper。这里以 add 算子为例，增加 wrapper 如下所示：
cnml_kernel.hat::Tensor cnml_add(const at::Tensor& input, const at::Tensor& other, at::Scalar alpha);add.cppat::Tensor cnml_add(const at::Tensor& input, const at::Tensor& other, at::Scalar alpha_scalar){ TORCH_CHECK(input.dim() >= 0 || other.dim() >= 0, "dimension not support"); at::Tensor input_ = input; at::Tensor other_ = other; auto alpha_data = alpha_scalar.to<scalar_t>(); if(alpha_data != 1){ // scale_t other_ = cnml::ops::cnml_scale(other_, alpha_data, 0); } if(other_.dim() < 1 && other_.device().type() == c10::DeviceType::CPU){ auto other_scalar = other_.item(); return cnml_add_internal(input_, other_scalar); // 调用kernel } if(input_.dim() < 1 && input_.device().type() == c10::DeviceType::CPU){ auto input_scalar = input_.item(); return cnml_add_internal(other_, input_scalar); // 调用 kernel } bool broadcast = input_.sizes() != other_.sizes(); if(broadcast){ auto broadcast_size = at::infer_size(input.sizes(), other.sizes()); at::Tensor broadcast1 = cnml::ops::cnml_expand(input_, broadcast_size, false); at::Tensor broadcast2 = cnml::ops::cnml_expand(other_, broadcast_size, false); return cnml_add_internal(broadcast1, broadcast2); // 调用 kernel }else{ return cnml_add_internal(input_, other_); //调用 kernel } return cnml_add_internal(input_, other_); //调用 kernel}6、增加 wrapper
Wrapper 中通过调用 kernel 实现算子性能。示例中调用的是 cnml_add_internal。算子的具体实现次要通过调用 CNML 库的接口来实现，上面是 CNML 库的逻辑：
kernel 实现就是依照上述编程逻辑调用 CNML 库接口实现的，在 catch/torch_mlu/csrc/aten/operators/cnml/internal/cnml_internal.h 和 catch/torch_mlu/csrc/aten/operators/cnml/internal/add_internal/cpp 中增加 kernel 函数的申明和实现。
cnml_internal.hat::Tensor cnml_add_internal(const at::Tensor& input1, const at::Tensor& input2);add_internal.cppat::Tensor cnml_add_internal(const at::Tensor& input1, const at::Tensor& input2){ auto output = at::native::empty_like(input1); // prepare input cnml tensor auto* input1_impl = getMluTensorImpl(input1); // 获取MluTensorImpl auto input1_cnml = input1_impl->CreateCnmlTensor( CNML_TENSOR, toCnmlDataType(input1.dtype())); // 类型自适应：toCnmlDataType() auto* input2_impl = getMluTensorImpl(input2); auto input2_cnml = input2_impl->CreateCnmlTensor( CNML_TENSOR, toCnmlDataType(input2.dtype())); // prepare output cnml tensor auto* output_impl = getMluTensorImpl(output); auto output_cnml = output_impl->CreateCnmlTensor( CNML_TENSOR, toCnmlDataType(output.dtype())); // End the execution flow if not MLU device CHECK_MLU_DEVICE(output); // setup operator cnmlBaseOp_t add_op; TORCH_CNML_CHECK(cnmlCreateAddOp(&add_op, input1_cnml, input2_cnml, output_cnml)); // return to JIT if running mode is fuse CHEXK_RETURN_TO_FUSE(add_op, output); // compile op TORCH_CNML_CHECK(cnmlCompileBaseOp(add_op, GET_CORE_VERSION, GET_CORE_NUMBER)); auto queue = getCurQueue(); TORCH_CNML_CHECK(cnmlComputeAddOpForward_V4(add_op, NULL, input1_impl->raw_mutable_data(), NULL, input2_impl->raw_mutable_data(), NULL, output_impl->raw_mutable_data(), queue, NULL)); syncQueue(queue); TORCH_CNML_CHECK(cnmlDestroyBaseOp(&add_op)); return output;}- 对 MLU 不反对算子的解决
对于 MLU 暂不反对的操作，输出数据将会拷贝到 CPU 上，而后调用 CPU 相干操作，使其在 CPU 上运行，最初再将输入后果拷会到 MLU 上。具体实现，能够查问 op_methods.cp，该文件在 catch/torch_mlu/csrc/aten/operators/ 目录下。
op_methods.cppat::Tensor OpMethods::add(const at::Tensor& self, const at::Tensor& other, at::Scalar alpha){ auto input_cpu = self.cpu(); auto other_cpu = other.cpu(); auto output = at::add(input_cpu, other_cpu, alpha); return output.to(at::Device(at::Device::Type::MLU));}- 对于新增的算子在执行过程中抛出异样时，如果 CPU 上没有对应的算子操作，那么该操作无奈切换到 CPU 上运行；
- Wrapper个别以
cnml_算子名命名，kernel个别以cnml_算子名_internal命名
7、算子测试
应用基于 python 的 unittest 模块编写算子单元测试。测试时需提供雷同的参数和输出数据，别离在 MLU 和 CPU 上执行算子，比照两者的输入后果。MLU 和 CPU 计算结果可能会有差别，个别状况下两者的相对误差在 2% 以内均是能够承受的。
def test_add(self): # "Tensor + Tensor" mode testing for shape1, shape2 in [((1,3,224,224),(1,3,224,224)),((2,30,80),(2,30,80)),((3,20),(3,20)),((10),(10))]: input1_cpu = torch.rand(shape1, dtype=torch.float) input2_cpu = torch.rand(shape2, dtype=torch.float) input1_mlu = input1_cpu.to(xm.mlu_device()) input2_mlu = input2_cpu.to(xm.mlu_device()) # 在 CPU 上计算 output_cpu = input1_cpu + input2_cpu # 在 MLU 上计算 output_mlu = input1_mlu + input2_mlu # 计算 MLU 的误差，并确保相对误差在 2% 以内 self.assertTensorsEqual(output_cpu, output_mlu.cpu(), 0.02, use_MSE=True)以上分享了在寒武纪设施 pytorch-mlu 中增加逐层算子的办法，并以 add() 算子为例进行了示例编写，心愿我的分享会对你的学习有一点帮忙。
【公众号传送】
《【教训分享】寒武纪 pytorch-mlu 增加逐层算子办法》