การใช้เครื่องมือ XLA

โดยปกติเวิร์กโฟลว์การพัฒนา XLA จะมุ่งเน้นไปที่ IR HLO ซึ่งแสดงการประมวลผลฟังก์ชันแยกต่างหากที่ส่งไปยังคอมไพเลอร์ XLA มาพร้อมกับเครื่องมือบรรทัดคำสั่งหลายรายการ (อธิบายไว้ด้านล่าง) ซึ่งใช้ HLO และเรียกใช้ หรือระบุระยะการคอมไพล์ระดับกลาง การใช้เครื่องมือดังกล่าวมีประโยชน์อย่างยิ่งสำหรับcompile->modify->runรอบการปรับปรุงที่รวดเร็ว เนื่องจาก HLO เป็นทั้งภาพที่มองเห็นได้และสามารถแฮ็กได้ และการเปลี่ยนแปลงและการเรียกใช้ซ้ำๆ มักเป็นวิธีที่เร็วที่สุดในการทำความเข้าใจและแก้ไขประสิทธิภาพหรือลักษณะการทํางานของ XLA

วิธีที่ง่ายที่สุดในการรับ HLO สําหรับโปรแกรมที่คอมไพล์ด้วย XLA คือการใช้ตัวแปรสภาพแวดล้อม XLA_FLAGS ดังนี้

$ XLA_FLAGS=--xla_dump_to=/tmp/myfolder ./myprogram-entry-point

ซึ่งจะจัดเก็บไฟล์ HLO ก่อนการเพิ่มประสิทธิภาพทั้งหมดไว้ในโฟลเดอร์ที่ระบุ พร้อมกับอาร์ติแฟกต์อื่นๆ ที่มีประโยชน์อีกมากมาย

ข้อมูลโค้ด HLO ที่ใช้งานอยู่: run_hlo_module

เครื่องมือ run_hlo_module จะทํางานกับ HLO ก่อนการเพิ่มประสิทธิภาพ และโดยค่าเริ่มต้นจะรวบรวม การเรียกใช้ และการเปรียบเทียบกับการใช้งานโปรแกรมล่ามอ้างอิง ตัวอย่างเช่น การเรียกใช้ปกติเพื่อเรียกใช้ไฟล์อินพุต computation.hlo ใน GPU ของ NVIDIA และตรวจสอบความถูกต้องมีดังนี้

$ run_hlo_module --platform=CUDA --reference_platform=Interpreter computation.hlo

เช่นเดียวกับเครื่องมืออื่นๆ คุณสามารถใช้ --help เพื่อดูรายการตัวเลือกทั้งหมด

เรียกใช้สnippet HLO ที่มีการสนับสนุน SPMD: multihost_hlo_runner

Multihost HLO runner เป็นเครื่องมือที่คล้ายกันมาก แต่มีข้อจำกัดที่รองรับ SPMD รวมถึงการสื่อสารข้ามโฮสต์ ดูรายละเอียดได้ในโปรแกรมรันไฮเปอร์ลิงก์หลายโฮสต์

การเล่นซ้ำหลาย HLO

ทั้ง run_hlo_module และ hlo_runner_main รองรับการเรียกใช้ที่มีหลายโมดูล ซึ่งมักสะดวกต่อการเล่นโมดูลทั้งหมดซ้ำในไดเรกทอรีการดัมพ์

$ hlo_runner_main /dump/*before_optimizations*

ระยะ/ระยะการทำงานของการคอมไพล์ HLO: hlo-opt

เมื่อแก้ไขข้อบกพร่องหรือทำความเข้าใจการทํางานของคอมไพเลอร์ มักจะมีประโยชน์ในการขยายฮาร์ดแวร์หนึ่งๆ ณ จุดหนึ่งๆ ในไปป์ไลน์ (ไม่ว่าจะเป็น HLO, HLO ที่เพิ่มประสิทธิภาพ, TritonIR หรือ LLVM) สําหรับอินพุต HLO (เสถียร) ที่ระบุ

hlo-opt รองรับระยะการส่งออกหลายระยะ ไม่ว่าจะเป็น PTX, HLO หลังการเพิ่มประสิทธิภาพ, LLVM IR ก่อนการเพิ่มประสิทธิภาพ หรือ TritonIR ชุดระยะที่รองรับจะขึ้นอยู่กับแพลตฟอร์ม (เช่น PTX ใช้ได้เฉพาะกับ NVIDIA) และดูได้โดยใช้คำสั่ง --list-stages

$ hlo-opt --platform=CUDA --list-stages
hlo
llvm
ptx

หลังจากเลือกระยะแล้ว ผู้ใช้จะเขียนผลลัพธ์ของการแปลงสําหรับแพลตฟอร์มหนึ่งๆ ลงในสตรีมหนึ่งๆ ได้ ดังนี้

$ hlo-opt myinput.hlo --platform=CUDA --stage=llvm

ซึ่งจะพิมพ์การดัมพ์ไปยัง stdout (หรือไปยังไฟล์ที่ระบุหากมีการระบุ -o)

การใช้งานแบบไม่ต้องใช้อุปกรณ์

การคอมไพล์ส่วนใหญ่ไม่จำเป็นต้องเข้าถึง GPU และการกำหนดข้อกำหนดของ GPU ในบรรทัดคำสั่งจะช่วยให้เราได้รับเอาต์พุต PTX ได้โดยไม่ต้องเข้าถึงตัวเร่งความเร็ว ตัวอย่างเช่น

$ hlo-opt  --platform=CUDA --stage=llvm  --xla_gpu_target_config_filename=(pwd)/tools/data/gpu_specs/a100_pcie_80.txtpb input.hlo

ข้อมูลจำเพาะของ GPU ยอดนิยมจะมาพร้อมกับคอมไพเลอร์ และไฟล์ที่ให้มาคือการแปลงเป็นสตริงของ 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"

การคอมไพล์แบบไม่ต้องใช้อุปกรณ์อาจพบปัญหาหากจำเป็นต้องใช้การปรับอัตโนมัติ แต่โชคดีที่เราสามารถระบุข้อมูลเหล่านั้นในบรรทัดคำสั่งได้เช่นกัน

$ 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

ไฟล์การปรับอัตโนมัติเป็นการจัดรูปแบบข้อความของ autotune_results.proto โดยตัวอย่างจะมีลักษณะดังนี้

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
    }
  }
}

ฐานข้อมูลการปรับอัตโนมัติสามารถจัดรูปแบบโดยใช้ XLA_FLAGS=--xla_gpu_dump_autotune_results_t=<myfile.pbtxt>

เรียกใช้คอมไพเลอร์ครั้งเดียว

ระบบยังรองรับ Flag จาก XLA_FLAGS ด้วย เพื่อให้ใช้เครื่องมือทดสอบการเรียกใช้แบบครั้งเดียวได้

$ hlo-opt --platform=CUDA --stage=hlo --passes=algebraic_simplifer input.hlo