O fluxo de trabalho de desenvolvimento do XLA geralmente é centrado em torno do IR do HLO, que representa a computação funcional isolada fornecida ao compilador. O XLA vem com várias ferramentas de linha de comando
(descritas abaixo) que consomem HLO e o executam ou fornecem um
estágio de compilação intermediário. Essas ferramentas são inestimáveis para um ciclo de iteração rápido de compile->modify->run
, já que o HLO é visualizável e hackeável e muitas vezes mudar e executá-lo iterativamente é a maneira mais rápida de entender e corrigir um desempenho ou comportamento do XLA.
A maneira mais fácil de conseguir o HLO de um programa que está sendo compilado com XLA é
geralmente usando a variável de ambiente XLA_FLAGS
:
XLA_FLAGS=--xla_dump_to=/tmp/myfolder ./myprogram-entry-point
que armazena todos os arquivos HLO antes da otimização na pasta especificada, junto com muitos outros artefatos úteis.
Executando snippets do HLO: run_hlo_module
A ferramenta run_hlo_module
opera no HLO de pré-otimização e, por padrão,
agrupa compilação, execução e comparação com a implementação do interpretador de
referência. Por exemplo, a invocação comum para executar um arquivo de entrada
computation.hlo
em uma GPU NVIDIA e verificar a precisão é:
run_hlo_module --platform=CUDA --reference_platform=Interpreter computation.hlo
Assim como em todas as ferramentas, --help
pode ser usado para ver a lista completa de opções.
Como executar snippets HLO com suporte a SPMD: multihost_hlo_runner
O executor HLO de vários hosts é uma ferramenta muito semelhante, com a ressalva de que oferece suporte a SPMD, incluindo a comunicação entre hosts. Uma invocação típica tem esta aparência:
hlo_runner_main --device_type=gpu --use_spmd_partitioning=true --num_partitions=4 --num_replicas=1 --hlo_file=computation.hlo
Passagens/estágios em execução de compilação de HLO: hlo-opt
Ao depurar ou entender o funcionamento do compilador, muitas vezes é útil ter a expansão de um hardware específico em um determinado ponto do pipeline (seja HLO, HLO otimizado, TritonIR ou LLVM) para uma determinada entrada HLO (estável).
O hlo-opt
oferece suporte a vários estágios de saída: seja PTX, HLO após otimizações,
LLVM IR antes de otimizações ou TritonIR. O conjunto exato de estágios compatíveis depende da plataforma (por exemplo, o PTX é específico da NVIDIA) e pode ser visto usando o comando --list-stages:
$ hlo-opt --platform=CUDA --list-stages
hlo
llvm
ptx
Após selecionar um estágio, o usuário pode gravar o resultado da conversão de uma determinada plataforma em um fluxo específico:
$ hlo-opt myinput.hlo --platform=CUDA --stage=llvm
que imprimiria o despejo em stdout (ou em um determinado arquivo, se -o
fosse especificado).
Uso sem dispositivo
O acesso a uma GPU não é necessário na maior parte da compilação. Ao especificar uma especificação de GPU na linha de comando, podemos conseguir, por exemplo, a saída PTX sem acesso a um acelerador:
$ hlo-opt --platform=CUDA --stage=llvm --xla_gpu_target_config_filename=(pwd)/tools/data/gpu_specs/a100_80.txtpb input.hlo
As especificações para GPUs conhecidas são enviadas com o compilador, e o arquivo fornecido é
a serialização de strings de 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"
A compilação sem dispositivo poderá apresentar problemas se o ajuste automático for necessário. Felizmente, também podemos fornecê-los na linha de comando:
hlo-opt --platform=CUDA --stage=llvm --xla_gpu_target_config_filename=gpu_specs/a100_80.txtpb --xla_gpu_load_autotune_results_from=results.textpb input.hlo
O arquivo de ajuste automático é a serialização de texto de autotune_results.proto
, com
um exemplo semelhante a este:
version: 2
results {
device: "sm_8.0 with 42331013120B RAM, 108 cores, 1410000KHz clock, 1215000KHz mem clock, 41943040B L2$"
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
}
}
}
É possível serializar o banco de dados de ajuste automático usando
XLA_FLAGS=--xla_gpu_dump_autotune_results_t=<myfile.pbtxt>
.
Como executar uma única passagem de compilador
As sinalizações de XLA_FLAGS
também são compatíveis. Portanto, a ferramenta pode ser usada para testar a execução de uma única passagem:
hlo-opt --platform=CUDA --stage=hlo --xla-hlo-enable-passes-only=algebraic_simplifer input.hlo