• AKG简述
• 硬件后端支持
• 构建
  • 从MindSpore侧构建
  • 独立构建
• 运行
• 贡献
• 版本说明
• 许可证

View English

AKG简述

AKG(Auto Kernel Generator)对深度神经网络中的算子进行优化，并提供特定模式下的算子自动融合功能。AKG与MindSpore的图算融合功能协同工作，可提升在不同硬件后端上运行网络的性能。

AKG由三个基本的优化模块组成：规范化、自动调度和后端优化。

• 规范化： 为了解决polyhedral表达能力的局限性（只能处理静态的线性程序），需要首先对计算公式IR进行规范化。规范化模块中的优化主要包括自动运算符inline、自动循环融合和公共子表达式优化等。

• 自动调度： 自动调度模块基于polyhedral技术，主要包括自动向量化、自动切分、thread/block映射、依赖分析和数据搬移等。

• 后端优化： 后端优化模块的优化主要包括TensorCore使能、双缓冲区、内存展开和同步指令插入等。

  

硬件后端支持

当前支持gpu v100/A100，更多硬件后端支持待开发。

构建

从MindSpore侧构建

详细细节请参考MindSpore README.md。

独立构建

我们建议您从MindSpore侧构建运行AKG代码，但同时为了方便开发，我们提供了独立编译运行AKG的方式。 详细的编译依赖请参考MindSpore安装指南。

bash build.sh -e $target // target can set 'gpu'

运行

1. 设置环境变量

• GPU V100/A100

  cd tests
  source ./test_env.sh gpu

2. 运行测试用例

• GPU V100/A100

  cd tests/operators/gpu
  python3 test_all.py -a "op_name" #运行op_name算子测试用例

贡献

欢迎您的贡献，具体细节请参考MindSpore贡献者Wiki。

版本说明

版本说明详见RELEASE.

许可证

Apache License 2.0