TVM 代码库实例讲解

了解新代码库是一个挑战，对于 TVM 这样组件众多、交互方式复杂的代码库来说更是如此。本指南将通过简单示例，介绍构成编译管道的关键部分，以及所有重要步骤在代码库中的实现位置，从而帮助开发者更快速地上手 TVM。

代码库结构概述

TVM 仓库的根目录，包括以下几个子目录：

• src - 用于算子编译和部署 runtime 的 C++ 代码。
• src/relay - Relay 的实现，一种用于深度学习框架的新功能 IR。
• python - Python 前端，用于包装 src 中实现的 C++ 函数和对象。
• src/topi - 标准神经网络算子的计算定义和后端调度。

用标准的深度学习术语来解释，src/relay 是管理计算图的组件，图结构中的节点使用 src 其余部分实现的基础架构进行编译和执行。python 为 C++ API 和执行编译的驱动代码，提供 Python 绑定。与节点对应的算子注册在 src/relay/op 中。算子的实现在 topi 中，所用编程语言为 C++ 或 Python。

用户通过 relay.build(...) 调用图结构编译时，图结构中的所有节点的序列会发生以下变化：

• 通过查询算子注册表来查找算子的实现
• 为算子生成计算表达式和调度
• 将算子编译成目标代码

TVM 代码库有趣的地方在于 C++ 和 Python 之间的互操作性不是单向的。通常情况下，所有执行繁重任务的代码都是用 C++ 实现的，而 Python 绑定用于用户界面。TVM 中也是如此，只不过在 TVM 代码库中，C++ 代码也可以调用 Python 模块中定义的函数。例如，卷积算子是在 Python 中实现的，它的实现是由 Relay 中的 C++ 代码调用的。

向量加法示例

本文档将借助简单示例 -- 向量加法，介绍如何直接调用底层 TVM API。关于向量加法的详细介绍，请查看：使用张量表达式处理算子

n = 1024
A = tvm.te.placeholder((n,), name='A')
B = tvm.te.placeholder((n,), name='B')
C = tvm.te.compute(A.shape, lambda i: A[i] + B[i], name="C")

这里，定义在 python/tvm/te/tensor.py 中的 A、B和 C，类型都是 tvm.tensor.Tensor。Python Tensor 由 C++ Tensor 支持，在 include/tvm/te/tensor.h 和 src/te/tensor.cc 中实现。TVM 中的所有 Python 类型都可以视为具有相同名称的底层 C++ 类型的句柄。查看以下 Python Tensor 类型的定义，可以发现它是 Object 的一个子类：

@register_object
class Tensor(Object, _expr.ExprOp):
    """Tensor object, to construct, see function.Tensor"""

    def __call__(self, *indices):
       ...

对象协议是将 C++ 类型暴露给前端语言（包括 Python）的基础。TVM 实现 Python 封装的方式并不直接。在 TVM Runtime 系统 中简单介绍了这一点，感兴趣的朋友可以在 python/tvm/_ffi/ 中查看细节。

使用 TVM_REGISTER_* 宏将 C++ 函数以 PackedFunc 的形式暴露给前端语言。PackedFunc 是 TVM 实现 C++ 和 Python 之间互操作性的另一种机制。这使得从 C++ 代码库中调用 Python 函数变得非常容易。Python 和 C++ 的语言交互接口（FFI） 的调用之间导航，请查看 FFI Navigator。

每个 Tensor 对象有一个与之相关的 Operation 对象，定义在 python/tvm/te/tensor.py、include/tvm/te/operation.h 和 src/tvm/te/operation 子目录下。Tensor 是其 Operation 对象的输出。每个 Operation 对象都有 input_tensors() 方法，该方法返回一个输入 Tensor 列表。这样我们就可以跟踪 Operation 之间的依赖关系。

将输出张量 C 对应的 op 传递给 python/tvm/te/schedule.py 中的 tvm.te.create_schedule() 函数。

s = tvm.te.create_schedule(C.op)

这个函数被映射到 include/tvm/schedule.h 中的 C++ 函数。

inline Schedule create_schedule(Array<Operation> ops) {
    return Schedule(ops);
}

Schedule 由 Stage 和输出 Operation 的集合组成。

Stage 对应一个 Operation。在上述 Vector Add 示例中，有两个占位符 op 和一个计算 op，所以调度 s 包含三个阶段。每个 Stage 都有关于循环嵌套结构的信息，每个循环的类型（Parallel、Vectorized、Unrolled），以及在下一个 Stage 的循环嵌套中（如果有的话）执行其计算的位置。

Schedule 和 Stage 在 tvm/python/te/schedule.py、include/tvm/te/schedule.h 和 src/te/schedule/schedule_ops.cc 中定义。

简单来说，上述 create_schedule() 函数创建的默认 schedule 调用 tvm.build(...)。我们必须为它绑定必要的线程以使他可在 GPU 上运行。

target = "cuda"
bx, tx = s[C].split(C.op.axis[0], factor=64)
s[C].bind(bx, tvm.te.thread_axis("blockIdx.x"))
s[C].bind(tx, tvm.te.thread_axis("threadIdx.x"))
fadd = tvm.build(s, [A, B, C], target)

定义在 python/tvm/driver/build_module.py 中的 tvm.build()，接收一个 schedule，输入和输出 Tensor 以及一个 target，然后返回一个 tvm.runtime.Module 对象。一个 tvm.runtime.Module 对象包含一个可以用函数调用语法来调用的已编译函数。

tvm.build() 的过程可以分为两个步骤：

• 降级，高级的、初始的循环嵌套结构被转化为最终的、底层的 IR
• 代码生成，由底层的 IR 来生成目标机器代码

降级是由 tvm.lower() 函数完成的，定义在 python/tvm/build_module.py 中。首先进行边界推断，然后创建一个初始循环嵌套结构。

def lower(sch,
          args,
          name="default_function",
          binds=None,
          simple_mode=False):
   ...
   bounds = schedule.InferBound(sch)
   stmt = schedule.ScheduleOps(sch, bounds)
   ...

边界推断（Bound inference）是推断出所有循环边界和中间缓冲区大小的过程。如果你的目标是 CUDA 后端，并且使用了共享内存，那么它所需的最小尺寸就会在这里自动确定。边界推断在 src/te/schedule/bound.cc、src/te/schedule/graph.cc 和 src/te/schedule/message_passing.cc 中实现。更多关于边界推断的信息，请参阅 InferBound Pass。

stmt 是 ScheduleOps() 的输出，代表一个初始的循环嵌套结构。如果 schedule 已经应用了 reorder 或 split 原语，则初始循环嵌套已经反映了这些变化。ScheduleOps() 在 src/te/schedule/schedule_ops.cc 中定义。

接下来，对 stmt 在 src/tir/pass 子目录下进行降级处理。例如，如果 vectorize 或 unroll 原语已经应用于 schedule 了，那么它们将被应用于以下步骤：

...
stmt = ir_pass.VectorizeLoop(stmt)
...
stmt = ir_pass.UnrollLoop(
    stmt,
    cfg.auto_unroll_max_step,
    cfg.auto_unroll_max_depth,
    cfg.auto_unroll_max_extent,
    cfg.unroll_explicit)
...

降级完成后，build() 函数从降级的函数中生成目标机器代码。如果目标是 x86，这段代码会包含 SSE 或 AVX 指令；如果目标是 CUDA，则包含 PTX 指令。除了目标专用机器代码外，TVM 还会生成负责内存管理、内核启动等的宿主机代码。

代码生成是由 build_module() 函数完成的，定义在 python/tvm/target/codegen.py。在 C++ 端，代码生成是在 src/target/codegen 子目录下实现的。build_module() 这个 Python 函数将进入下面 src/target/codegen/codegen.cc 中的 Build() 函数。

Build() 函数在 PackedFunc 注册表中查找给定目标的代码生成器，并调用找到的函数。例如，codegen.build_cuda 函数在 src/codegen/build_cuda_on.cc 中注册，如下所示：

TVM_REGISTER_GLOBAL("codegen.build_cuda")
.set_body([](TVMArgs args, TVMRetValue* rv) {
    *rv = BuildCUDA(args[0]);
});

上述 BuildCUDA() 使用 src/codegen/codegen_cuda.cc 中定义的 CodeGenCUDA 类从降级的 IR 中生成 CUDA 内核源代码，并使用 NVRTC 编译内核。如果目标是使用 LLVM 的后端，包括 x86、ARM、NVPTX 和 AMDGPU，代码生成主要由定义在 src/codegen/llvm/codegen_llvm.cc 中的 CodeGenLLVM 类完成。CodeGenLLVM 将 TVM IR 翻译成 LLVM IR，运行一些 LLVM 优化，并生成目标机器代码。

src/codegen/codegen.cc 中的 Build() 函数返回一个 runtime::Module 对象，该对象在 include/tvm/runtime/module.h 和 src/runtime/module.cc 中定义。Module 对象是底层目标特定的 ModuleNode 对象的容器。每个后端都实现了一个 ModuleNode 的子类，以添加目标特定 runtime API 调用。例如，CUDA 后端在 src/runtime/cuda/cuda_module.cc 中实现了 CUDAModuleNode 类，它管理着 CUDA 驱动 API。上述 BuildCUDA() 函数用 runtime::Module 包装了 CUDAModuleNode 并将其返回到 Python 端。LLVM 后端在 src/codegen/llvm/llvm_module.cc 中实现了 LLVMModuleNode，它负责处理编译代码的 JIT 执行。ModuleNode 的其他子类可以在与每个后端对应的 src/runtime 的子目录下找到。

返回的模块可以被认为是已编译的函数和设备 API 的结合，可以在 TVM 的 NDArray 对象上被调用。

dev = tvm.device(target, 0)
a = tvm.nd.array(np.random.uniform(size=n).astype(A.dtype), dev)
b = tvm.nd.array(np.random.uniform(size=n).astype(B.dtype), dev)
c = tvm.nd.array(np.zeros(n, dtype=C.dtype), dev)
fadd(a, b, c)
output = c.numpy()

在底层，TVM 自动分配设备内存并管理内存传输。为此，每个后端都需要继承在 include/tvm/runtime/device_api.h 中定义的 DeviceAPI 类，并覆盖内存管理方法以使用特定于设备的 API。例如，CUDA 后端在 src/runtime/cuda/cuda_device_api.cc 中实现 CUDADeviceAPI 以使用 cudaMalloc、cudaMemcpy 等。

首次使用 fadd(a, b, c) 调用已编译的模块时，会调用 ModuleNode 的 GetFunction() 方法来获取可用于内核调用的 PackedFunc。例如，在 src/runtime/cuda/cuda_module.cc 中，CUDA 后端实现了 CUDAModuleNode::GetFunction()，如下所示：

PackedFunc CUDAModuleNode::GetFunction(
      const std::string& name,
      const std::shared_ptr<ModuleNode>& sptr_to_self) {
    auto it = fmap_.find(name);
    const FunctionInfo& info = it->second;
    CUDAWrappedFunc f;
    f.Init(this, sptr_to_self, name, info.arg_types.size(), info.launch_param_tags);
    return PackFuncVoidAddr(f, info.arg_types);
}

PackedFunc 的重载 operator() 将被调用，进而调用 src/runtime/cuda/cuda_module.cc 中 CUDAWrappedFunc 的 operator()，最后实现 cuLaunchKernel 驱动程序的调用：

class CUDAWrappedFunc {
 public:
  void Init(...)
  ...
  void operator()(TVMArgs args,
                  TVMRetValue* rv,
                  void** void_args) const {
    int device_id;
    CUDA_CALL(cudaGetDevice(&device_id));
    if (fcache_[device_id] == nullptr) {
      fcache_[device_id] = m_->GetFunc(device_id, func_name_);
    }
    CUstream strm = static_cast<CUstream>(CUDAThreadEntry::ThreadLocal()->stream);
    ThreadWorkLoad wl = launch_param_config_.Extract(args);
    CUresult result = cuLaunchKernel(
        fcache_[device_id],
        wl.grid_dim(0),
        wl.grid_dim(1),
        wl.grid_dim(2),
        wl.block_dim(0),
        wl.block_dim(1),
        wl.block_dim(2),
        0, strm, void_args, 0);
  }
};

以上就是 TVM 编译和执行函数的相关简介。虽然没有涉及到 TOPI 或 Relay 的详细介绍，但所有神经网络算子的编译过程都和上述过程类似。欢迎各位开发者深入研究代码库其他部分的细节。