摘要:介绍如何给 MindSpore 添加一个新的硬件后端。
本文分享自华为云社区《如何给MindSpore添加一个新的硬件后端?快速构建测试环境!》,原文作者:HWCloudAI。
MindSpore 是华为自研的新一代 AI 开源计算框架。最佳匹配昇腾 AI 处理器算力的全场景深度学习框架,为数据科学家和算法工程师提供设计友好、运行高效的开发体验,推动人工智能软硬件应用生态繁荣发展。
MindSpore 支持异构算力,除支持华为自研的达芬奇架构的 Ascend NPU 外还支持 CPU(e.g. MKLDNN) 以及 GPU(e.g. CUDA kernels)算子的运行。(注:MindSpore 支持整网在不同的硬件平台上运行,并不支持同一张网络的不同 partition 在不同的硬件平台上运行,这点和 TensorFlow 的 graph partition 异构运行模式不一样)。
当前 AI 芯片行业“热闹非凡”,国内外,大小新老厂商都在推出自己的 AI 加速芯片。现在大家都应该看得很清楚,硬件要想成功,离不开软件栈及生态的支撑。MindSpore 不仅为支撑华为的 AI 软硬件栈服务,更想在整个 AI 生态中占据自己的一片天地。
MindSpore 目前还处于推广和发展完善阶段,本文想抛砖引玉介绍如何给 MindSpore 添加一个新的硬件后端,同时对 MindSpore 源代码的目录结构也做一些基本介绍,希望能为国内外的 AI 硬件厂商和感兴趣的开发人员提供一些有用信息和参考,让大家能来共同使用 MindSpore 作为测试和对接 AI 芯片的框架,快速构建整网模型的测试环境。
本文针对的是 MindSpore r1.1 版本的源代码:https://gitee.com/mindspore/mindspore/tree/r1.1/对于如何从源码编译及安装 MindSpore,以及对于相关软件版本的需求,请参考:https://www.mindspore.cn/install/
测试用例
本文将针对一个简单的 Dense layer 网络:https://www.mindspore.cn/doc/api_python/zh-CN/r1.1/mindspore/nn/mindspore.nn.Dense.html#mindspore.nn.Dense来示范如何让这个 layer 运行在一个新的硬件后端上。注:本文针对的是基本的静态图执行模式:https://www.mindspore.cn/doc/programming_guide/zh-CN/r1.1/context.html
import mindspore
import numpy as np
import mindspore.nn as nn
from mindspore import context, Tensor
context.set_context(device_target="CPU", mode=context.GRAPH_MODE)
# 32, 16
net = nn.Dense(32, 16, weight_init='ones', bias_init=1.2)#, activation='relu')
# 48, 32
input_data = Tensor(np.ones([48, 32]).astype(np.float32), mindspore.float32)
output = net(input_data)
print(output.asnumpy())
复制代码
注:在这里我注释掉了 activation 的 ReLU,所以此 Dense layer 就相当于一个只有 2 个 node 的小网络(MatMul +BiasAdd) 此用例的结果是一个 48 * 16 的二维矩阵,每个 element 的值都是 33.2)
此文将以从上到下的流程,介绍 MindSpore 支持一个新硬件后端所需要修改的组件。我们这里将需要支持的新硬件称为 XPU, 我们想要达到的修改 MindSpore 代码后的效果是将上述用例中的 device_target 改为 XPU, 并在让 Dense layer 在加速器 XPU 上运行。e.g.
context.set_context(device_target="XPU", mode=context.GRAPH_MODE)
复制代码
注:此文不会展示具体类和函数的实现细节,具体的实现可以参考相对应目录下已支持的硬件后端的实现,例如:CPU, GPU, Ascend
添加新的 device target 参数选项
首先从前端 MEPython 层需要添加新的 valid_targets:https://gitee.com/mindspore/mindspore/blob/r1.1/mindspore/context.py
def set_device_target(self, target):
valid_targets = ["CPU", "GPU", "Ascend", "Davinci", "XPU"] # 将新的后端添加到此list中
if not target in valid_targets:
raise ValueError(f"Target device name {target} is invalid! It must be one of {valid_targets}")
if target == "Davinci":
target = "Ascend"
self.set_param(ms_ctx_param.device_target, target)
if self.enable_debug_runtime and target == "CPU":
self.set_backend_policy("vm")
复制代码
接着需要在 C++的 ms context 组件中添加新的 target:https://gitee.com/mindspore/mindspore/blob/r1.1/mindspore/core/utils/ms_context.h
const int kGraphMode = 0;
const int kPynativeMode = 1;
const char kCPUDevice[] = "CPU";
const char kGPUDevice[] = "GPU";
const char kXPUDevice[] = "XPU"; // 添加新的硬件target
const char kAscendDevice[] = "Ascend";
const char kDavinciInferenceDevice[] = "AscendInference";
const char kDavinciDevice[] = "Davinci";
const char KNpuLog[] = "_npu_log";
const unsigned int MAX_CALL_DEPTH_DEFAULT = 1000;
// 添加新的硬件到以下set中
const std::set<std::string> kTargetSet = {kCPUDevice, kGPUDevice, kXPUDevice, kAscendDevice, kDavinciDevice};
复制代码
添加新的 runtime device
在 runtime device 目录下:https://gitee.com/mindspore/mindspore/tree/r1.1/mindspore/ccsrc/runtime/device是和各个具体后端硬件特性相关的组件,例如:device 端的地址空间,device 端的内存管理(分配,回收),kernel runtime 组件等, 还有硬件 device 相关的一些通讯组件,例如支持分布式通讯的 MPI 组件。我们首先在下图中的目录下添加一个叫 xpu 的文件夹 (注意修改 CMakeLists.txt 添加文件夹):
下面介绍要创建的针对 xpu 加速器 3 个新的基本组件:
xpu_device_address :主要表示加速器 device 侧的内存地址信息,以及 host 端和 device 端之间内存搬移的 API 接口,例如在 NVIDIA GPU 上可以是 wrapper of:cudaMemcpyAsyncxpu_device_address.h
#include <string>
#include <vector>
#include "runtime/device/device_address.h"
#include "utils/shape_utils.h"
namespace mindspore {
namespace device {
namespace xpu {
class XPUDeviceAddress : public DeviceAddress {
public:
XPUDeviceAddress(void *ptr, size_t size) : DeviceAddress(ptr, size) {}
XPUDeviceAddress(void *ptr, size_t size, const string &format, TypeId type_id)
: DeviceAddress(ptr, size, format, type_id) {}
~XPUDeviceAddress() override = default;
bool SyncDeviceToHost(const ShapeVector &shape, size_t size, TypeId type, void *host_ptr) const override;
bool SyncHostToDevice(const ShapeVector &shape, size_t size, TypeId type, const void *host_ptr) const override;
DeviceAddressType DeviceType() const override { return DeviceAddressType::kXPU; }
};
} // namespace xpu
} // namespace device
} // namespace mindspore
复制代码
xpu_resource_manager: 主要负责 device 端的内存和其他资源的管理,分配和调度。xpu_resource_manager.h
#include <vector>
#include <map>
#include "backend/session/kernel_graph.h"
#include "backend/session/session_basic.h"
#include "runtime/device/device_address.h"
#include "runtime/device/xpu/xpu_simple_mem_plan.h"
namespace mindspore {
namespace device {
namespace xpu {
class XPUResourceManager {
public:
XPUResourceManager() = default;
~XPUResourceManager();
void AssignMemory(const session::KernelGraph *graph);
void IncreaseAddressRefCount(const session::KernelGraph *graph);
void DecreaseAddressRefCount(const AnfNodePtr &kernel);
void *MemMalloc(size_t mem_size);
void MemFree(void *ptr);
private:
void MemFree();
XPUSimpleMemPlan mem_plan_;
size_t mem_size_{0};
uint8_t *mem_ptr_{nullptr};
bool dynamic_malloc_{false};
std::map<void *, size_t> dynamic_mem_;
};
} // namespace xpu
} // namespace device
} // namespace mindspore
复制代码
xpu_kernel_runtime:硬件算子的执行控制模块,主要负责硬件 runtime 的启动(Init()),网络在硬件上的执行(Run(..)),已经硬件执行完后的清理工作(ReleaseDeviceRes())xpu_kernel_runtime.h
#include <memory>
#include <vector>
#include <string>
#include <map>
#include <set>
#include "runtime/device/kernel_runtime.h"
#include "runtime/device/kernel_runtime_manager.h"
#include "backend/session/kernel_graph.h"
#include "backend/session/session_basic.h"
#include "runtime/device/xpu/xpu_resource_manager.h"
#include "backend/session/anf_runtime_algorithm.h"
#include "utils/any.h"
namespace mindspore {
namespace device {
namespace xpu {
class XPUKernelRuntime : public KernelRuntime {
public:
XPUKernelRuntime() = default;
~XPUKernelRuntime() override = default;
bool Init() override;
void ReleaseDeviceRes() override;
bool Run(session::KernelGraph *graph, bool is_task_sink) override;
void AssignKernelAddress(session::KernelGraph *kernel_graph);
void CreateOutputTensors(session::KernelGraph *kernel_graph, const std::vector<tensor::TensorPtr> &inputs,
VectorRef *outputs);
void BindInputOutput(session::KernelGraph *kernel_graph, const std::vector<tensor::TensorPtr> &inputs,
VectorRef *outputs);
protected:
bool SyncStream() override { return true; };
DeviceAddressPtr CreateDeviceAddress(void *device_ptr, size_t device_size, const string &format,
TypeId type_id) override;
private:
XPUResourceManager resource_manager_;
std::set<DeviceAddressPtr> bound_addresses_;
std::map<AnfNodePtr, tensor::TensorPtr> input_param_tensor_map_;
};
MS_REG_KERNEL_RUNTIME(kXPUDevice, XPUKernelRuntime);
} // namespace xpu
} // namespace device
} // namespace mindspore
复制代码
添加新的 target session
MindSpore 的 Session(会话)提供了 Op kernel 执行和 Tensor 求值的环境。Session 是控制代表神经网络的数据流图的核心模块。它主要有图编译(kernel 生成),图优化,和图执行三个主要步骤。MindSpore 针对每个后端硬件平台都会有自己的 Session 组件,相关代码在 backend/session 这个目录中:https://gitee.com/mindspore/mindspore/tree/r1.1/mindspore/ccsrc/backend/session
我们针对 xpu 创建新的 session 类:xpu_session.h
#include <string>
#include <memory>
#include <map>
#include <vector>
#include "backend/session/session_basic.h"
#include "backend/session/kernel_graph.h"
#include "runtime/device/xpu/xpu_kernel_runtime.h" // use the new xpu kernel runtime
#include "backend/session/session_factory.h"
namespace mindspore {
namespace session {
class XPUSession : public SessionBasic {
public:
XPUSession() = default;
~XPUSession() override = default;
void Init(uint32_t device_id) override { InitExecutor(kXPUDevice, device_id); }
GraphId CompileGraphImpl(const AnfNodePtrList &lst, const AnfNodePtrList &outputs) override;
void RunGraphImpl(const GraphId &graph_id, const std::vector<tensor::TensorPtr> &inputs, VectorRef *outputs) override;
void Optimize(const std::shared_ptr<KernelGraph> &kernel_graph);
protected:
void UnifyMindIR(const KernelGraphPtr &graph) override { return; }
void CreateOutputTensors(const GraphId &graph_id, const std::vector<tensor::TensorPtr> &input_tensors, VectorRef *,
std::map<tensor::TensorPtr, session::KernelWithIndex> *tensor_to_node) override;
private:
void SetKernelInfo(const KernelGraph *kernel_graph);
void BuildKernel(const KernelGraph *kernel_graph);
device::xpu::XPUKernelRuntime *runtime_ = dynamic_cast<device::xpu::XPUKernelRuntime*>(device::KernelRuntimeManager::Instance().GetKernelRuntime(kXPUDevice, 0));
};
MS_REG_SESSION(kXPUDevice, XPUSession);
} // namespace session
} // namespace mindspore
复制代码
在图编译(CompileGraphImpl(..))的步骤中,主要是要生成(BuildKernel(..))表示神经网络数据流图中的每个节点 op 相对应的 kernel,并保存每个节点的 kernel 信息在图中(SetKernelInfo(..)),以供在后面的图执行(RunGraphImpl(..))步骤中被调用。
添加针对新硬件的 kernel
MindSpore 所支持的硬件后端对于各个 op 算子的支持在 backend/kernel_compiler 目录下:https://gitee.com/mindspore/mindspore/tree/r1.1/mindspore/ccsrc/backend/kernel_compiler
在这里我们可以看到针对不多的硬件后端,每一个文件夹代表着不同 kernel 的类型,其中:
cpu:里面有调用 MKLDNN(oneDNN) 的算子,也有纯 c++写的算子。
gpu: 里面有调用 cudnn/cublas 的算子,也有用 cuda 写的算子,还有支持分布式训练与 NCCL 相关的算子。
Ascend: 与华为达芬奇 AI 芯片相关的算子 kernel 文件夹有:tbe, aicpu,akg,hccl 等
下面来介绍为我们的新硬件后端添加 kernel 支持所需的组件,首先在上面的目录下创建一个叫 xpu 的文件夹 (注意修改 CMakeLists.txt 添加文件夹)在新文件夹中我们首先来创建针对 xpu kernel 的基类:xpu_kernel.h:
#include <string>
#include <vector>
#include <memory>
#include <numeric>
#include <functional>
#include "backend/kernel_compiler/kernel.h"
#include "ir/anf.h"
#include "backend/session/anf_runtime_algorithm.h"
#include "utils/ms_utils.h"
using mindspore::kernel::Address;
using mindspore::kernel::AddressPtr;
namespace mindspore {
namespace kernel {
class XPUKernel : public kernel::KernelMod {
public:
XPUKernel() = default;
~XPUKernel() override = default;
void Init(const CNodePtr &kernel_node);
virtual void InitKernel(const CNodePtr &kernel_node) = 0;
bool Launch(const std::vector<AddressPtr> &inputs, const std::vector<AddressPtr> &workspace,
const std::vector<AddressPtr> &outputs, void * stream_ptr) override {
return Launch(inputs, workspace, outputs);
};
virtual bool Launch(const std::vector<AddressPtr> &inputs, const std::vector<AddressPtr> &workspace,
const std::vector<AddressPtr> &outputs) = 0;
const std::vector<size_t> &GetInputSizeList() const override { return input_size_list_; }
const std::vector<size_t> &GetOutputSizeList() const override { return output_size_list_; }
const std::vector<size_t> &GetWorkspaceSizeList() const override { return workspace_size_list_; }
void SetOpName(const std::string &op_name) { op_name_ = op_name; }
const std::string GetOpName() const { return op_name_; }
protected:
virtual void InitInputOutputSize(const CNodePtr &kernel_node);
std::vector<size_t> input_size_list_ = {};
std::vector<size_t> output_size_list_ = {};
std::vector<size_t> workspace_size_list_ = {};
std::string bin_path_ = {};
std::string tilingName_ = {};
};
} // namespace kernel
} // namespace mindspore
复制代码
现在流行的框架对于算子 kernel 的支持普遍是采用以算子名(opcode)来命名 kernel,例如 mindspore 里 mkldnn 的 cpu kernels:MindSpore/mindspore 这种形式的优点是 repo 代码文件很清晰,每个算子的特定属性可以很方便的表达。缺点是会有可能造成一些 duplicate 的代码逻辑。由于本文针对的用例很简单,实际上只需要支持 2 个算子:MatMul 和 BiasAdd,我们将采用按输入输出 Tensor 个数来命名的 kernel 类实现方式。
由于 MatMul 和 BiasAdd 都是 2 个输入 1 个输出的算子,我们定义我们的 kernel 类名为:two_in_one_out_xpu_kernel.h
#include "backend/kernel_compiler/xpu/xpu_kernel.h" // xpu kernel base class
#include "backend/kernel_compiler/xpu/xpu_kernel_factory.h"
#include <stdio.h>
#include <limits.h>
#include <stdlib.h>
#include <unistd.h>
#include <fcntl.h>
#include <dirent.h>
#include <algorithm>
#include <fstream>
#include <iostream>
namespace mindspore {
namespace kernel {
class TwoInOneOutXPUKernel : public XPUKernel {
public:
TwoInOneOutXPUKernel() = default;
~TwoInOneOutXPUKernel() override = default;
void InitKernel(const CNodePtr &kernel_node) override;
bool Launch(const std::vector<AddressPtr> &inputs,
const std::vector<AddressPtr> &workspace,
const std::vector<AddressPtr> &outputs) override;
private:
bool NeedsFormatTransformation();
char trans_a_{TRANSPOSE_NO};
char trans_b_{TRANSPOSE_NO};
int32_t dim_m_{0};
int32_t dim_n_{0};
int32_t dim_k_{0};
std::vector<size_t> inputA_shape_;
std::vector<size_t> inputB_shape_;
std::vector<size_t> output_shape_;
size_t input_a_size_ = 0;
size_t input_b_size_ = 0;
size_t output_size_ = 0;
void *inputA_data_ = nullptr;
void *inputB_data_ = nullptr;
void *output_data_ = nullptr;
};
MS_REG_XPU_KERNEL(
TwoInOneOutXPU,
mindspore::device::xpu::KernelAttr().AddInputAttr(kNumberTypeFloat32).AddInputAttr(kNumberTypeFloat32).AddOutputAttr(kNumberTypeFloat32),
TwoInOneOutXPUKernel);
} // namespace kernel
} // namespace mindspore
复制代码
在这里我们有使用到"backend/kernel_compiler/xpu/xpu_kernel_factory.h" 对于 kernel 工厂类的创建我们就不细述,具体可以参考 cpu_kernel_factory.h:https://gitee.com/mindspore/mindspore/blob/r1.1/mindspore/ccsrc/backend/kernel_compiler/cpu/cpu_kernel_factory.h
对于每个 kernel 最基本的 2 个 function 就是 InitKernel(..)和 LaunchKernel(..) 分别负责 kernel 的初始化和运行。这里需要注意的是,对于一般像 CNN 静态图的执行,InitKernel(..)只会在 kernel 创建时(上述 session 的 compilegraph 过程中)运行一次, 而 LaunchKernel(..)会在每次图执行的过程中被调用。例如跑一个 CNN 的推理, 需要 infernce64 张图片,网络的 batch size is 32, 那整张图需要被执行 2 遍,也就是说针对每个 kernel,InitKernel(..)会被调用 1 次,而 LaunchKernel(..)会被调用 2 次。
我们这里不细述 MatMul 和 BiasAdd kernel 的具体实现,只介绍一些 MindSpore 里针对算子 kernel 所需要使用的一些基本 API:
获取 TwoInOneOutXPUKernel 的 input,output shape 信息:
inputA_shape_ = AnfAlgo::GetInputDeviceShape(kernel_node, 0);
inputB_shape_ = AnfAlgo::GetInputDeviceShape(kernel_node, 1);
output_shape_ = AnfAlgo::GetOutputDeviceShape(kernel_node, 0);
复制代码
获取算子属性信息,e.g. MatMul 的转置信息:
bool trans_a = AnfAlgo::GetNodeAttr<bool>(kernel_node, TRANSPOSE_A);
bool trans_b = AnfAlgo::GetNodeAttr<bool>(kernel_node, TRANSPOSE_B);
复制代码
在 Launch 里获得输入,输出 memory 的指针:
auto input_a = reinterpret_cast<float *>(inputs[0]->addr);
auto input_b = reinterpret_cast<float *>(inputs[1]->addr);
auto output = reinterpret_cast<float *>(outputs[0]->addr);
复制代码
其他注意事项
和其他主流框架一样,MindSpore 里也会有一些自己的标准和规范,下面介绍一些自己踩过的“坑”和大家分享:
MindSpore 里的 Tensor 的默认 format 是 NCHW。如果你所添加的硬件后端所支持的格式不一样,要注意添加格式转换。格式转换可以在每个 kernel 的调用前后去做(效率差), 也可以利用图优化 pass, 以整个网络为视野来高效的插入格式转换节点。
精度转换,如果你的硬件平台只支持某些精度,例如 fp16,而网络是 fp32 那就要注意精度的转换,精度转换和上述格式转换类似。精度转换可以在 host 端做,也可以在 device 端做(如果硬件支持)。
对于每个 kernel 的代码逻辑要区别哪些 data 是不变的,哪些是会变的,需要每次执行前重新初始化的,这样可以合理和正确的分配不同逻辑代码去相应 InitKernel(..) 或 LaunchKernel(..)里去。
对于某些 Python 前端的 LayerAPI,MindSpore 有自己的一些属性设置,例如对于 Denselayer:https://gitee.com/mindspore/mindspore/blob/r1.1/mindspore/nn/layer/basic.py的第 2 个输入矩阵是被转置过的:
self.matmul = P.MatMul(transpose_b=True)
self.batch_matmul = P.BatchMatMul(transpose_b=True)
self.activation = get_activation(activation) if isinstance(activation, str) else activation
if activation is not None and not isinstance(self.activation, (Cell, Primitive)):
raise TypeError("The activation must be str or Cell or Primitive,"" but got {}.".format(activation))
self.activation_flag = self.activation is not None
复制代码
对于 Debug,可以添加下面的环境变量来帮助输出信息:
export GLOG_v=1
export SLOG_PRINT_TO_STDOUT=1
复制代码
对于 CMake 文件的修改,可以在开始测试时把新添加的文件都添加在 if (ENABLE_CPU)下,CPU 对于 MindSpore 相当于一个基线平台,也就是说无论是你 build GPU 还是华为的 D/Ascend target, CPU 相关的文件都会被 build。
总结
本文是作者根据自己对于 MindSpore 的理解,和大家分享的一个如何修改 MindSpore 源码来添加一个新硬件后端的技术文章。一个开源软件框架的成功,离不开社区的支持和各个厂商的参与,希望本文能启到一个抛砖引玉的作用,让更多的硬件厂商和开发者也能参与到 MindSpore 的生态发展中来。也欢迎大家拍砖来一起讨论!
了解完 MindSpore 的关键技术是不是很心动呢!赶紧【点击链接】并【立即报名】,即可在 ModelArts 平台学习到一个经典案例掌握基于 MindSpore 的深度学习!
点击关注,第一时间了解华为云新鲜技术~
评论