Proces tworzenia XLA zwykle koncentruje się na pośrednim kodzie HLO, który reprezentuje izolowane obliczenia funkcyjne przekazane kompilatorowi. XLA zawiera wiele narzędzi wiersza poleceń (opisanych poniżej), które korzystają z HLO i wykonywują je lub zapewniają pośredni etap kompilacji. Korzystanie z takich narzędzi jest nieocenione w przypadku szybkiego cyklu iteracji compile->modify->run, ponieważ model HLO można wizualizować i modyfikować, a jego iteracyjne zmienianie i uruchamianie jest często najszybszym sposobem na zrozumienie i naprawianie wydajności lub zachowania XLA.
Najłatwiejszym sposobem uzyskania HLO dla programu kompilowanego za pomocą XLA jest zwykle użycie zmiennej środowiskowej XLA_FLAGS:
$ XLA_FLAGS=--xla_dump_to=/tmp/myfolder ./myprogram-entry-point
który przechowuje w wybranym folderze wszystkie pliki HLO przed optymalizacją oraz wiele innych przydatnych artefaktów.
Uruchomienie fragmentów kodu HLO: run_hlo_module
Narzędzie run_hlo_module działa na HLO przed optymalizacją i domyślnie łączy kompilację, uruchamianie i porównanie z implementacją referencyjnego interpretera. Na przykład zwykłe wywołanie do uruchomienia pliku wejściowegocomputation.hlo na GPU NVIDIA i sprawdzenia jego poprawności:
$ run_hlo_module --platform=CUDA --reference_platform=Interpreter computation.hlo
Podobnie jak w przypadku wszystkich narzędzi, za pomocą --help możesz uzyskać pełną listę opcji.
Uruchamianie fragmentów kodu HLO z obsługą SPMD: multihost_hlo_runner
Multihost HLO runner to bardzo podobne narzędzie, które obsługuje SPMD, w tym komunikację między hostami. Szczegółowe informacje znajdziesz w artykule Multi-Host HLO Runner.
Powtórzenie z wieloma poziomami HLO
Wywoływanie z wieloma modułami jest obsługiwane zarówno w przypadku run_hlo_module, jak i hlo_runner_main, co często jest przydatne do odtwarzania wszystkich modułów w katalogu zrzutu:
$ hlo_runner_main /dump/*before_optimizations*
Przeprowadzanie przejść/etapów kompilacji HLO: hlo-opt
Podczas debugowania lub poznawania działania kompilatora często warto uzyskać rozszerzenie dla konkretnego sprzętu w określonym punkcie potoku (czyli HLO, zoptymalizowanego HLO, TritonIR lub LLVM) dla danego (stabilnego) wejścia HLO.
hlo-opt obsługuje wiele etapów wyjściowych: PTX, HLO po optymalizacji, LLVM IR przed optymalizacją lub TritonIR. Dokładny zestaw obsługiwanych etapów zależy od platformy (np. PTX jest specyficzny dla NVIDIA) i można go wyświetlić za pomocą polecenia --list-stages:
$ hlo-opt --platform=CUDA --list-stages
hlo
llvm
ptx
Po wybraniu etapu użytkownik może zapisać wynik konwersji na danej platformie w danym strumieniu:
$ hlo-opt myinput.hlo --platform=CUDA --stage=llvm
który wypisuje zrzut do stdout (lub do określonego pliku, jeśli podano parametr -o).
Korzystanie bez urządzenia
Do większości etapów kompilacji nie jest potrzebny dostęp do GPU.Podając specyfikację GPU w wierszu poleceń, możemy uzyskać np. dane wyjściowe PTX bez dostępu do akceleratora:
$ hlo-opt --platform=CUDA --stage=llvm --xla_gpu_target_config_filename=(pwd)/tools/data/gpu_specs/a100_pcie_80.txtpb input.hlo
Specyfikacje popularnych procesorów graficznych są dostarczane z kompilatorem, a przez podany plik rozumie się ciąg znaków device_description.proto:
gpu_device_info {
cuda_compute_capability {
major: 8
minor: 0
}
threads_per_block_limit: 1024
threads_per_warp: 32
shared_memory_per_block: 127152
shared_memory_per_core: 65536
threads_per_core_limit: 2048
core_count: 6192
fpus_per_core: 64
block_dim_limit_x: 2147483647
block_dim_limit_y: 65535
block_dim_limit_z: 65535
memory_bandwidth: 2039000000000
l2_cache_size: 4194304
clock_rate_ghz: 1.1105
device_memory_size: 79050250240
}
platform_name: "CUDA"
Kompilacja bez urządzeń może napotkać problemy, jeśli wymagane jest automatyczne dostrojenie. Na szczęście możemy je też podać w wierszu poleceń:
$ hlo-opt --platform=CUDA --stage=llvm --xla_gpu_target_config_filename=gpu_specs/a100_pcie_80.txtpb --xla_gpu_load_autotune_results_from=results.textpb input.hlo
Plik autotune to tekstowa serializacja autotune_results.proto, na przykład:
version: 3
results {
device: "CUDA: 8.0, Cores: 108, GPU clock: 1.41 GHz, Memory bandwidth: 1555 GB/s, L2 cache: 40 MB"
hlo: "{\n tmp_0 = f16[1,16,17,3]{3,2,1,0} parameter(0)\n tmp_1 = f16[16,51]{1,0} bitcast(f16[1,16,17,3]{3,2,1,0} tmp_0)\n tmp_2 = s8[16,17,3]{2,1,0} parameter(1)\n tmp_3 = s8[51,16]{0,1} bitcast(s8[16,17,3]{2,1,0} tmp_2)\n tmp_4 = f16[51,16]{0,1} convert(s8[51,16]{0,1} tmp_3)\n tmp_5 = f16[16,16]{1,0} dot(f16[16,51]{1,0} tmp_1, f16[51,16]{0,1} tmp_4), lhs_contracting_dims={1}, rhs_contracting_dims={0}\n ROOT tmp_6 = f16[1,16,16]{2,1,0} bitcast(f16[16,16]{1,0} tmp_5)\n}"
result {
run_time {
nanos: 31744
}
triton {
block_m: 32
block_n: 32
block_k: 32
split_k: 1
num_stages: 1
num_warps: 4
}
}
}
Bazę danych do automatycznego dostrajania można serializować za pomocą:XLA_FLAGS=--xla_gpu_dump_autotune_results_t=<myfile.pbtxt>
Uruchamianie pojedynczego przejścia kompilatora
Obsługiwane są też flagi z XLA_FLAGS, więc narzędzia można używać do testowania pojedynczego przejścia:
$ hlo-opt --platform=CUDA --stage=hlo --passes=algebraic_simplifer input.hlo