模块序列化简介#

部署 TVM 运行时模块时,无论是 CPU 还是 GPU, TVM 只需要一个动态共享库即可。关键是我们统一的模块序列化机制。本文档将介绍 TVM 模块序列化格式标准及实现细节。

Module 导出示例#

以 GPU 构建 ResNet-18 工作负载作为例子。

from tvm import relay
from tvm.relay import testing
from tvm.contrib import utils
import tvm

# Resnet18 workload
resnet18_mod, resnet18_params = relay.testing.resnet.get_workload(num_layers=18)

# build
with relay.build_config(opt_level=3):
    _, resnet18_lib, _ = relay.build_module.build(resnet18_mod, "cuda", params=resnet18_params)

# create one tempory directory
temp = utils.tempdir()

# path lib
file_name = "deploy.so"
path_lib = temp.relpath(file_name)

# export library
resnet18_lib.export_library(path_lib)

# load it back
loaded_lib = tvm.runtime.load_module(path_lib)
assert loaded_lib.type_key == "library"
assert loaded_lib.imported_modules[0].type_key == "cuda"

序列化#

入口 API 是 tvm.module.Moduleexport_library 。在这个函数中,将执行以下步骤:

  1. 收集所有 DSO 模块(LLVM 模块和 C 模块)

  2. 一旦有了 DSO 模块,将调用 save 函数将它们保存到文件中。

  3. 接下来,将检查是否导入了模块,如 CUDA, OpenCL 或其他任何东西。 这里不限制模块类型。导入模块后,将创建名为 devc.o / dev.cc 的文件(这样就可以将导入模块的二进制 blob 数据嵌入到动态共享库中), 然后调用函数 _PackImportsToLLVM_PackImportsToC 来进行模块序列化。

  4. 最后,回调 fcompile,它调用 _cc.create_shared 获取动态共享库。

备注

  1. 对于 C 源码模块,我们将编译它们,并将它们与 DSO 模块链接在一起。

  2. 使用 _PackImportsToLLVM_PackImportsToC 取决于我们是否在 TVM 中启用 LLVM。

他们实际上达到了相同的目标。

在序列化和格式标准的框架下#

如前所述,将在 _PackImportsToLLVM_PackImportsToC 中进行序列化工作。 它们都调用 SerializeModule 来序列化运行时模块。在 SerializeModule 函数中,首先构造了辅助类 ModuleSerializer。 它将需要模块做一些初始化工作,如标记模块索引。然后可以使用它的 SerializeModule 来序列化模块。

为了更好地理解,更深入地研究这个类的实现。

下面的代码用于构造 ModuleSerializer

explicit ModuleSerializer(runtime::Module mod) : mod_(mod) {
  Init();
}
private:
void Init() {
  CreateModuleIndex();
  CreateImportTree();
}

CreateModuleIndex() 中,将使用 DFS 检查模块导入关系,并为它们创建索引。注意,root 模块固定在位置 0。在我们的例子中,有这样的模块关系:

llvm_mod:imported_modules
  - cuda_mod

所以 LLVM 模块的索引为 0,CUDA 模块的索引为 1。

在构造模块索引之后,尝试构造导入树(CreateImportTree()),当重新加载导出的库时,它将用于恢复模块导入关系。 在我们的设计中,使用 CSR 格式来存储导入树,每一行是父索引,child 索引对应其 children 索引。 在代码中,使用 import_tree_row_ptr_import_tree_child_indices_ 来表示它们。

在初始化之后,可以使用 SerializeModule 函数来序列化模块。在它的函数逻辑中,将假设序列化格式如下:

binary_blob_size
binary_blob_type_key
binary_blob_logic
binary_blob_type_key
binary_blob_logic
...
_import_tree
_import_tree_logic

binary_blob_size 是这个序列化步骤中 blob 的数量。在我们的例子中有三个 blob,分别为 LLVM 模块、CUDA 模块和 _import_tree 创建。

binary_blob_type_key 是模块的 blob 类型键。对于 LLVM / C 模块,其 blob 类型键为 _lib。 对于 CUDA 模块,它是 cuda,可以通过 module->type_key() 获取。

binary_blob_logic 是对 blob 的逻辑处理。对于大多数 blob(如 CUDA, OpenCL),我们将调用 SaveToBinary 函数将 blob 序列化为二进制。 然而,像 LLVM / C 模块一样,将只写 _lib 来表明这是 DSO 模块。

备注

是否需要实现 SaveToBinary 虚函数(virtual function)取决于模块的使用方式。 例如,如果模块中有我们在加载动态共享库时需要的信息,我们应该这样做。 与 CUDA 模块一样,我们在加载动态共享库时需要将其二进制数据传递给 GPU 驱动,因此我们需要实现 SaveToBinary 对其二进制数据进行序列化。 但是对于主机模块(如 DSO),在加载动态共享库时不需要其他信息,因此不需要实现 SaveToBinary。 但是,如果将来我们想要记录 DSO 模块的一些元信息,我们也可以为 DSO 模块实现 SaveToBinary

最后,我们将写入一个键 _import_tree ,除非我们的模块只有一个 DSO 模块并且它位于根目录中。 当我们像前面说的那样重新加载导出的库时,它被用来重建模块导入关系。 import_tree_logic 只是将 import_tree_row_ptr_import_tree_child_indices_ 写入流。

在这一步之后,将把它打包到可以在动态库中恢复的 symbol runtime::symbol::tvm_dev_mblob 中。

现在,完成了序列化部分。如您所见,理想情况下,可以支持导入任意模块。

反序列化#

入口 API 是 tvm.runtime.load。这个函数实际上是调用 _LoadFromFile。 如果再深入一点,这就是 Module::LoadFromFile。在示例中,该文件是 deploy.so。 因此,根据函数逻辑,将在 dso_library.cc 中回调 module.loadfile_so。关键点在:

// Load the imported modules
const char* dev_mblob = reinterpret_cast<const char*>(lib->GetSymbol(runtime::symbol::tvm_dev_mblob));
Module root_mod;
if (dev_mblob != nullptr) {
root_mod = ProcessModuleBlob(dev_mblob, lib);
} else {
// Only have one single DSO Module
root_mod = Module(n);
}

如前所述,把这个 blob 打包到 symbol runtime::symbol::tvm_dev_mblob 中。 在反序列化部分,我们将检查它。如果我们有 runtime::symbol::tvm_dev_mblob,我们将调用 ProcessModuleBlob,其逻辑如下所示:

READ(blob_size)
READ(blob_type_key)
for (size_t i = 0; i < blob_size; i++) {
    if (blob_type_key == "_lib") {
      // construct dso module using lib
    } else if (blob_type_key == "_import_tree") {
      // READ(_import_tree_row_ptr)
      // READ(_import_tree_child_indices)
    } else {
      // call module.loadbinary_blob_type_key, such as module.loadbinary_cuda
      // to restore.
    }
}
// Using _import_tree_row_ptr and _import_tree_child_indices to
// restore module import relationship. The first module is the
// root module according to our invariance as said before.
return root_module;

在此之后,把 ctx_address 设置为 root_module,以便允许从 root 查找 symbol(这样所有 symbol 都是可见的)。

最终,完成反序列化部分。