用调度模板和 AutoTVM 优化算子
导航
%matplotlib inline
用调度模板和 AutoTVM 优化算子#
在本教程中，我们展示了如何使用 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 Auto-Tuning，它有助于将优化张量计算的过程自动化。
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。
第一步是定义一个搜索空间。
第二步是运行一个搜索算法来探索这个空间。
在本教程中，你可以学习如何在TVM中执行这两个步骤。整个工作流程通过一个矩阵乘法的例子来说明。
备注
本教程不能在 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，我们需要安装一些额外的依赖项。
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
from pathlib import Path
from env import tvmx
# 设定 TVM 项目的根目录
# TVM_ROOT = Path('/media/pc/data/4tb/lxw/study/tvm')
TVM_ROOT = Path('.').absolute().parents[1]
tvm, vta = tvmx.import_tvm(TVM_ROOT)
import tvm
from tvm import te
import tvm.testing
# the module is called `autotvm`
from tvm import autotvm
<module 'tvmx' from '/media/pc/data/4tb/lxw/study/tvm/xinetzone/src/tvmx/__init__.py'>
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。我们在这里把它写下来，并做一些修改。我们将用一个 python 函数定义来包装乘法。为了简单起见，我们将把注意力集中在分割优化上，使用一个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)
# schedule
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，我们使用常数 “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，我们可以定义一个可调整的参数，或者说是一个 “旋钮”，用于此类值。
基本的矩阵乘法模板#
我们以一个例子开始，说明如何为 split 调度操作的块大小创建一个可调度的参数集。
# Matmul V1: List candidate values
@autotvm.template("tutorial/matmul_v1") # 1. use a decorator
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)
# schedule
y, x = s[C].op.axis
k = s[C].op.reduce_axis[0]
# 2. get the config object
cfg = autotvm.get_config()
# 3. define search space
cfg.define_knob("tile_y", [1, 2, 4, 8, 16])
cfg.define_knob("tile_x", [1, 2, 4, 8, 16])
# 4. schedule according to config
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，我们对之前的调度代码做了四项修改，得到了一个可调度的 “模板”。我们可以逐一解释这些修改：
使用装饰器将这个函数标记为一个简单的模板。
获取 config 对象。你可以把这个
cfg看作是这个函数的一个参数，但我们以不同的方式获得它。有了这个参数，这个函数就不再是一个确定性的调度了。相反，我们可以向这个函数传递不同的配置，得到不同的调度。一个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，我们可以做两件事来定义单一函数中的参数搜索空间。
定义一个跨越一组数值的搜索空间。这是通过使
cfg成为一个ConfigSpace对象来实现的。它将收集这个函数中的所有可调控旋钮，并从中建立一个搜索空间。根据这个空间的一个实体来调度。这是通过使
cfg成为一个ConfigEntity对象来实现的。当它是一个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，我们将首先用
ConfigSpace对象调用该模板来构建搜索空间。然后，我们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，我们将测量不同调度所产生的代码，并挑选出最好的一个。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，所以它们跨越了一个大小为 25=5x5 的搜索空间。配置旋钮被传递给
split调度操作，使我们能够根据我们先前在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，我们手动列出了一个旋钮的所有可能值。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，我们还提供了另一组 API，可以使搜索空间的定义更容易、更智能。在可能的情况下，我们接受你使用这个更高级别的 API。
在下面的例子中，我们使用 ConfigSpace.define_split 来定义一个分割旋钮。它将列举所有可能的方式来分割一个轴并构建空间。
我们还有 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：
tvm.autotvm.tuner.RandomTuner：以随机顺序枚举空间。tvm.autotvm.tuner.GridSearchTuner：以网格搜索的方式枚举空间。tvm.autotvm.tuner.GATuner：使用遗传算法来搜索空间tvm.autotvm.tuner.XGBTuner：使用一个基于模型的方法。训练一个 XGBoost 模型来预测降低 IR 的速度，并根据预测结果挑选下一批。
你可以根据你的空间大小、你的时间预算和其他因素来选择调谐器。例如，如果你的空间非常小（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#
这里我们继续我们的矩阵乘法例子。首先我们创建一个调谐任务。我们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, 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
)
然后我们需要定义如何测量生成的代码并挑选一个调谐器。由于我们的空间很小，随机的调谐器就可以了。
在本教程中，我们只做了 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。我们将把调谐结果记录到一个日志文件中。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))
测量一个配置有两个步骤：构建和运行。默认情况下，我们使用所有的 CPU 核心来编译程序。然后，我们按顺序测量它们。为了帮助减少差异，我们进行 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")],
)
Get devices for measurement successfully!
No: 1 GFLOPS: 5.77/5.77 result: MeasureResult(costs=(0.0465158568,), error_no=MeasureErrorNo.NO_ERROR, all_cost=1.068835973739624, timestamp=1642052994.4991827) [('tile_y', [-1, 64]), ('tile_x', [-1, 32])],None,56
No: 2 GFLOPS: 0.71/5.77 result: MeasureResult(costs=(0.3782014292,), error_no=MeasureErrorNo.NO_ERROR, all_cost=6.235220193862915, timestamp=1642053000.7659876) [('tile_y', [-1, 1]), ('tile_x', [-1, 2])],None,10
No: 3 GFLOPS: 4.87/5.77 result: MeasureResult(costs=(0.0551525064,), error_no=MeasureErrorNo.NO_ERROR, all_cost=1.3227694034576416, timestamp=1642053001.8689346) [('tile_y', [-1, 256]), ('tile_x', [-1, 128])],None,78
No: 4 GFLOPS: 0.00/5.77 result: MeasureResult(costs=(RuntimeError('Traceback (most recent call last):\n 88: 0x0000561311d1fd1c\n 87: __libc_start_main\n 86: Py_BytesMain\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Modules/main.c:1127\n 85: Py_RunMain\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Modules/main.c:695\n 84: pymain_run_python\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Modules/main.c:610\n 83: pymain_run_module\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Modules/main.c:309\n 82: PyObject_Call\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Objects/call.c:228\n 81: PyVectorcall_Call\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Objects/call.c:200\n 80: _PyFunction_Vectorcall\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Objects/call.c:436\n 79: _PyEval_EvalCodeWithName\n at /home'),), error_no=MeasureErrorNo.RUNTIME_DEVICE, all_cost=10.509941816329956, timestamp=1642053012.407437) [('tile_y', [-1, 256]), ('tile_x', [-1, 1])],None,8
No: 5 GFLOPS: 0.00/5.77 result: MeasureResult(costs=(RuntimeError('Traceback (most recent call last):\n 88: 0x0000561311d1fd1c\n 87: __libc_start_main\n 86: Py_BytesMain\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Modules/main.c:1127\n 85: Py_RunMain\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Modules/main.c:695\n 84: pymain_run_python\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Modules/main.c:610\n 83: pymain_run_module\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Modules/main.c:309\n 82: PyObject_Call\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Objects/call.c:228\n 81: PyVectorcall_Call\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Objects/call.c:200\n 80: _PyFunction_Vectorcall\n at /home/conda/feedstock_root/build_artifacts/python-split_1634073028862/work/Objects/call.c:436\n 79: _PyEval_EvalCodeWithName\n at /home'),), error_no=MeasureErrorNo.RUNTIME_DEVICE, all_cost=10.131698369979858, timestamp=1642053022.5457065) [('tile_y', [-1, 128]), ('tile_x', [-1, 2])],None,17
No: 6 GFLOPS: 7.05/7.05 result: MeasureResult(costs=(0.0380491336,), error_no=MeasureErrorNo.NO_ERROR, all_cost=1.0549180507659912, timestamp=1642053023.3820171) [('tile_y', [-1, 64]), ('tile_x', [-1, 128])],None,76
No: 7 GFLOPS: 1.84/7.05 result: MeasureResult(costs=(0.1462092818,), error_no=MeasureErrorNo.NO_ERROR, all_cost=2.6323516368865967, timestamp=1642053025.9732308) [('tile_y', [-1, 32]), ('tile_x', [-1, 16])],None,45
No: 8 GFLOPS: 6.48/7.05 result: MeasureResult(costs=(0.041411830200000006,), error_no=MeasureErrorNo.NO_ERROR, all_cost=0.8728179931640625, timestamp=1642053026.856571) [('tile_y', [-1, 2]), ('tile_x', [-1, 256])],None,81
No: 9 GFLOPS: 3.88/7.05 result: MeasureResult(costs=(0.0691363904,), error_no=MeasureErrorNo.NO_ERROR, all_cost=1.2969236373901367, timestamp=1642053028.4048896) [('tile_y', [-1, 512]), ('tile_x', [-1, 32])],None,59
No: 10 GFLOPS: 6.29/7.05 result: MeasureResult(costs=(0.042653947799999994,), error_no=MeasureErrorNo.NO_ERROR, all_cost=1.0349531173706055, timestamp=1642053029.3428807) [('tile_y', [-1, 1]), ('tile_x', [-1, 64])],None,60
调谐完成后，我们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。我们还可以做一个快速验证，以确保时间表产生正确的答案。我们可以在 autotvm.apply_history_best 上下文下直接调用函数 matmul。当我们调用这个函数时，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，我们展示了如何建立运算符模板，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，我们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，我们将演示 AutoScheduler，这是一种 TVM 优化常见运算符的方法，不需要用户提供一个用户定义的模板。