Ctrl+K

用调度模板和 AutoTVM 优化算子

用调度模板和 AutoTVM 优化算子#

在本教程中，展示了如何使用 TVM 张量表达式（TE）语言来编写调度模板，这些模板可以被 AutoTVM 搜索到，以找到最佳调度。这个过程被称为 自动调谐（Auto-Tuning），它有助于自动化优化张量的计算过程。

本教程建立在之前关于 如何使用 TE 编写矩阵乘法 的教程上。

自动调谐有两个步骤。

  • 第一步是定义搜索空间。

  • 第二步是运行搜索算法来探索这个空间。

在本教程中，学习如何在 TVM 中执行这两个步骤。整个工作流程通过矩阵乘法的例子来说明。

备注

本教程暂不能在 Windows 或最近版本的 MacOS 上运行。为了让它运行，你需要将本教程的主体包裹在一个 if __name__ == "__main__": 块中。

安装依赖项#

为了在 TVM 中使用 autotvm 包，需要安装一些额外的依赖项（也可安装 GPU 版本）。

pip3 install --user psutil xgboost cloudpickle

为了使 TVM 在 tuning 中运行得更快，建议使用 cython 作为 TVM 的 FFI。在 TVM 的根目录下，执行：

pip3 install --user cython
sudo make cython3

现在回到 Python 代码。首先，导入所需的包。

import logging
import sys
import numpy as np
import tvm
from tvm import te
import tvm.testing
from tvm import autotvm

基本的矩阵乘法与 TE#

回顾一下使用 TE 的矩阵乘法的基本实现。在这里把它写下来，并做一些修改。将用 python 函数定义来包装乘法。为了简单起见，将把注意力集中在 split 优化上，使用固定值来定义重新排序的块大小。

def matmul_basic(N, L, M, dtype):
    A = te.placeholder((N, L), name="A", dtype=dtype)
    B = te.placeholder((L, M), name="B", dtype=dtype)

    k = te.reduce_axis((0, L), name="k")
    C = te.compute((N, M), lambda i, j: te.sum(A[i, k] * B[k, j], axis=k), name="C")
    s = te.create_schedule(C.op)

    # 调度
    y, x = s[C].op.axis
    k = s[C].op.reduce_axis[0]

    yo, yi = s[C].split(y, 8)
    xo, xi = s[C].split(x, 8)

    s[C].reorder(yo, xo, k, yi, xi)
    return s, [A, B, C]

用 AutoTVM 进行矩阵乘法#

在以前的调度代码中，使用常数 “8” 作为平铺系数。然而，这可能不是最好的，因为最佳的平铺系数取决于实际的硬件环境和输入形状。

如果你想让调度代码在更大范围的输入形状和目标硬件上可移植，最好是定义一组候选值，并根据目标硬件上的测量结果挑选最佳值。

在 autotvm 中，可以定义可调整的参数，或者说是 “旋钮”，用于此类值。

基本的矩阵乘法模板#

以例子开始，说明如何为 split 调度操作的块大小创建可调度的参数集。

# Matmul V1: 列出候选值
@autotvm.template("tutorial/matmul_v1")  # 1. 使用装饰器
def matmul_v1(N, L, M, dtype):
    A = te.placeholder((N, L), name="A", dtype=dtype)
    B = te.placeholder((L, M), name="B", dtype=dtype)

    k = te.reduce_axis((0, L), name="k")
    C = te.compute((N, M), lambda i, j: te.sum(A[i, k] * B[k, j], axis=k), name="C")
    s = te.create_schedule(C.op)

    # 调度
    y, x = s[C].op.axis
    k = s[C].op.reduce_axis[0]

    # 2. 获取 config 对象
    cfg = autotvm.get_config()

    # 3. 定义搜索框架空间
    cfg.define_knob("tile_y", [1, 2, 4, 8, 16])
    cfg.define_knob("tile_x", [1, 2, 4, 8, 16])

    # 4. 依据配置进行调度
    yo, yi = s[C].split(y, cfg["tile_y"].val)
    xo, xi = s[C].split(x, cfg["tile_x"].val)

    s[C].reorder(yo, xo, k, yi, xi)

    return s, [A, B, C]

在这里，对之前的调度代码做了四项修改，得到了可调度的 “模板”。可以逐一解释这些修改：

  1. 使用装饰器将这个函数标记为简单的模板。

  2. 获取 config 对象。可以把这个 cfg 看作是这个函数的参数，但以不同的方式获得它。有了这个参数，这个函数就不再是确定性的调度了。相反，可以向这个函数传递不同的配置，得到不同的调度。像这样使用配置对象的函数被称为 “模板”。

    为了使模板函数更加紧凑，可以做两件事来定义单一函数中的参数搜索空间。

    1. 定义跨越一组数值的搜索空间。这是通过使 cfg 成为 ConfigSpace 对象来实现的。它将收集这个函数中的所有可调控旋钮，并从中建立搜索空间。

    2. 根据这个空间的实体来调度。这是通过使 cfg 成为 ConfigEntity 对象来实现的。当它是 ConfigEntity 时，它将忽略所有空间定义 API（即 cfg.define_XXXXX(...)）。相反，它将为所有可调度的旋钮存储确定的值，我们根据这些值来调度。

    在自动调度过程中，将首先用 ConfigSpace 对象调用该模板来构建搜索空间。然后，在构建的空间中用不同的 ConfigEntity 调用该模板，以获得不同的调度。最后，将测量不同调度所产生的代码，并挑选出最好的一个。

  3. 定义两个可调度的旋钮。第一个是 tile_y，有 5 个可能的值。第二个是 tile_x，有相同的可能值列表。这两个旋钮是独立的，所以它们跨越了大小为 25=5x5 的搜索空间。

  4. 配置旋钮被传递给 split 调度操作，能够根据先前在 cfg 中定义的 5x5 确定值来调度。

使用高级参数 API 的矩阵乘法模板#

在前面的模板中，手动列出了旋钮的所有可能值。这是定义空间的最底层的 API，它给出了要搜索的参数空间的明确列举。然而，TVM 还提供了另一组 API，可以使搜索空间的定义更容易、更智能。在可能的情况下，接受你使用这个更高级别的 API。

在下面的例子中，使用 ConfigSpace.define_split 来定义 split 旋钮。它将列举所有可能的方式来 split 轴并构建空间。

还有 ConfigSpace.define_reorder 用于重新排序旋钮，以及 ConfigSpace.define_annotate 用于 unroll、矢量化、线程绑定等注释。当高级 API 不能满足您的要求时，您总是可以退回到使用低水平的 API。

@autotvm.template("tutorial/matmul")
def matmul(N, L, M, dtype):
    A = te.placeholder((N, L), name="A", dtype=dtype)
    B = te.placeholder((L, M), name="B", dtype=dtype)

    k = te.reduce_axis((0, L), name="k")
    C = te.compute((N, M), lambda i, j: te.sum(A[i, k] * B[k, j], axis=k), name="C")
    s = te.create_schedule(C.op)

    # schedule
    y, x = s[C].op.axis
    k = s[C].op.reduce_axis[0]

    ##### define space begin #####
    cfg = autotvm.get_config()
    cfg.define_split("tile_y", y, num_outputs=2)
    cfg.define_split("tile_x", x, num_outputs=2)
    ##### define space end #####

    # schedule according to config
    yo, yi = cfg["tile_y"].apply(s, C, y)
    xo, xi = cfg["tile_x"].apply(s, C, x)

    s[C].reorder(yo, xo, k, yi, xi)

    return s, [A, B, C]

关于 cfg.define_split 的更多解释

在这个模板中，cfg.define_split("tile_y", y, num_outputs=2) 将列举所有能将轴 y 分割成两个轴的可能组合，其系数为 y 的长度。例如，如果 y 的长度是 32，我们想用 32 的因子将其分割成两个轴，那么（外轴的长度，内轴的长度）对有 6 种可能的值，即(32, 1), (16, 2), (8, 4), (4, 8), (2, 16) 或者 (1, 32)。这些都是 tile_y 的 6 种可能值。

在调度过程中，cfg["tile_y"] 是一个 SplitEntity 对象。我们将外轴和内轴的长度存储在 cfg['tile_y'].size 中（一个有两个元素的元组）。在这个模板中，我们通过使用 yo, yi = cfg['tile_y'].apply(s, C, y) 来应用它。实际上，这等同于 yo, yi = s[C].split(y, cfg["tile_y"].size[1]) 或者 yo, yi = s[C].split(y, nparts=cfg['tile_y"].size[0])

使用 cfg.apply API 的好处是，它使多级拆分（即 num_outputs >= 3 时）更容易。

第 2 步：使用 AutoTVM 来优化矩阵乘法#

在步骤 1 中，我们编写了一个矩阵乘法模板，允许我们对分割调度中使用的块大小进行参数化。我们现在可以对这个参数空间进行搜索。下一步是选择一个调整器来指导对这个空间的探索。

TVM 中的自动调谐器#

调谐器的工作可以通过以下伪代码来描述

ct = 0
while ct < max_number_of_trials:
    propose a batch of configs
    measure this batch of configs on real hardware and get results
    ct += batch_size

当提出下一批配置的时候，调谐器可以采取不同的策略。TVM 提供的一些调谐器策略包括：

可以根据空间大小、时间预算和其他因素来选择调谐器。例如，如果空间非常小（小于 1000），网格搜索调谐器或随机调谐器就足够好了。如果你的空间在 \(10^9\) 的水平（这是 CUDA GPU 上 conv2d 运算器的空间大小），XGBoostTuner 可以更有效地探索并找到更好的配置。

开始调谐#

继续矩阵乘法例子。首先创建调谐任务。也可以检查初始化的搜索空间。在这种情况下，对于 512x512 的正方形矩阵乘法，空间大小为 10x10=100 注意，任务和搜索空间与所选的调谐器无关。

N, L, M = 512, 512, 512
task = autotvm.task.create("tutorial/matmul", args=(N, L, M, "float32"), target="llvm")
print(task.config_space)

ConfigSpace (len=100, range_length=100, space_map=
   0 tile_y: Split(policy=factors, product=512, num_outputs=2) len=10
   1 tile_x: Split(policy=factors, product=512, num_outputs=2) len=10
)

然后需要定义如何测量生成的代码并挑选调谐器。由于空间很小，随机的调谐器就可以了。

在本教程中，只做了 10 次试验，用于演示。在实践中，你可以根据你的时间预算做更多的试验。将把调谐结果记录到日志文件中。这个文件可以用来选择调谐器以后发现的最佳配置。

# logging config (for printing tuning log to the screen)
logging.getLogger("autotvm").setLevel(logging.DEBUG)
logging.getLogger("autotvm").addHandler(logging.StreamHandler(sys.stdout))

测量配置有两个步骤：构建和运行。默认情况下，使用所有的 CPU 核心来编译程序。然后，按顺序测量它们。为了帮助减少差异，进行 5 次测量并取其平均值。

measure_option = autotvm.measure_option(builder="local", runner=autotvm.LocalRunner(number=5))

# Begin tuning with RandomTuner, log records to file `matmul.log`
# You can use alternatives like XGBTuner.
tuner = autotvm.tuner.RandomTuner(task)
tuner.tune(
    n_trial=10,
    measure_option=measure_option,
    callbacks=[autotvm.callback.log_to_file("matmul.log")],
)

waiting for device...
device available
Get devices for measurement successfully!
No: 1	GFLOPS: 0.66/0.66	result: MeasureResult(costs=(0.40677344800000004,), error_no=MeasureErrorNo.NO_ERROR, all_cost=6.793164014816284, timestamp=1679468144.982454)	[('tile_y', [-1, 512]), ('tile_x', [-1, 2])],None,19
No: 2	GFLOPS: 0.77/0.77	result: MeasureResult(costs=(0.3469925972,), error_no=MeasureErrorNo.NO_ERROR, all_cost=5.829528570175171, timestamp=1679468150.8401856)	[('tile_y', [-1, 64]), ('tile_x', [-1, 2])],None,16
No: 3	GFLOPS: 7.75/7.75	result: MeasureResult(costs=(0.0346520524,), error_no=MeasureErrorNo.NO_ERROR, all_cost=0.8935184478759766, timestamp=1679468151.716168)	[('tile_y', [-1, 512]), ('tile_x', [-1, 128])],None,79
No: 4	GFLOPS: 2.96/7.75	result: MeasureResult(costs=(0.0907275406,), error_no=MeasureErrorNo.NO_ERROR, all_cost=1.7036769390106201, timestamp=1679468153.448838)	[('tile_y', [-1, 128]), ('tile_x', [-1, 8])],None,37
No: 5	GFLOPS: 10.52/10.52	result: MeasureResult(costs=(0.025506687,), error_no=MeasureErrorNo.NO_ERROR, all_cost=0.7988688945770264, timestamp=1679468154.142109)	[('tile_y', [-1, 2]), ('tile_x', [-1, 128])],None,71
No: 6	GFLOPS: 13.43/13.43	result: MeasureResult(costs=(0.019993396200000003,), error_no=MeasureErrorNo.NO_ERROR, all_cost=0.5659496784210205, timestamp=1679468154.7467444)	[('tile_y', [-1, 4]), ('tile_x', [-1, 512])],None,92
No: 7	GFLOPS: 4.19/13.43	result: MeasureResult(costs=(0.06404942579999999,), error_no=MeasureErrorNo.NO_ERROR, all_cost=1.2754650115966797, timestamp=1679468156.0508864)	[('tile_y', [-1, 8]), ('tile_x', [-1, 2])],None,13
No: 8	GFLOPS: 4.52/13.43	result: MeasureResult(costs=(0.05936086380000001,), error_no=MeasureErrorNo.NO_ERROR, all_cost=1.1969263553619385, timestamp=1679468157.2878318)	[('tile_y', [-1, 4]), ('tile_x', [-1, 2])],None,12
No: 9	GFLOPS: 1.68/13.43	result: MeasureResult(costs=(0.1596650536,), error_no=MeasureErrorNo.NO_ERROR, all_cost=2.795808792114258, timestamp=1679468160.1257796)	[('tile_y', [-1, 8]), ('tile_x', [-1, 1])],None,3
No: 10	GFLOPS: 1.49/13.43	result: MeasureResult(costs=(0.1807046766,), error_no=MeasureErrorNo.NO_ERROR, all_cost=3.0970828533172607, timestamp=1679468163.2516549)	[('tile_y', [-1, 128]), ('tile_x', [-1, 4])],None,27

调谐完成后，可以从日志文件中选择具有最佳测量性能的配置，并用相应的参数来编译时间表。还可以做快速验证，以确保时间表产生正确的答案。可以在 autotvm.apply_history_best 上下文下直接调用函数 matmul。当调用这个函数时，它将以其参数查询调度上下文，并以相同的参数获得最佳配置。

# apply history best from log file
with autotvm.apply_history_best("matmul.log"):
    with tvm.target.Target("llvm"):
        s, arg_bufs = matmul(N, L, M, "float32")
        func = tvm.build(s, arg_bufs)

# check correctness
a_np = np.random.uniform(size=(N, L)).astype(np.float32)
b_np = np.random.uniform(size=(L, M)).astype(np.float32)
c_np = a_np.dot(b_np)

c_tvm = tvm.nd.empty(c_np.shape)
func(tvm.nd.array(a_np), tvm.nd.array(b_np), c_tvm)

tvm.testing.assert_allclose(c_np, c_tvm.numpy(), rtol=1e-4)

Finish loading 10 records

最后说明和总结#

在本教程中，展示了如何建立算子模板，让 TVM 搜索参数空间并选择优化的时间表配置。为了更深入地了解它的工作原理，建议在这个例子的基础上进行扩展，在 张量表达式入门 教程中演示的调度操作的基础上添加新的搜索参数。在接下来的章节中，将演示 AutoScheduler，这是 TVM 优化常见算子的方法，不需要用户提供自定义的模板。

目录