Runtime系统

Runtime系统

TVM 支持多种编程语言用于编译器堆栈的开发和部署。解释了 TVM runtime的关键元素。

满足以下需求：

部署：从 python/javascript/c++ 语言调用编译函数。
调试：在 python 中定义一个函数并从编译的函数中调用。
链接：编写驱动程序代码，调用设备特定代码（CUDA），从编译的主机函数中调用。
原型：从 python 定义一个 IR pass ，并用 C++ 后端调用。
Expose：用c++开发的编译器栈到前端（即python）
实验：将编译后的函数发送到嵌入式设备，直接在那里运行。

用任何语言定义一个函数，用另一种语言调用。runtime核心尽可能少，以便部署到嵌入式设备。

PackedFunc

PackedFunc是一个简单而优雅的解决方案，可以解决列出的挑战。单个PackedFunc对象代表一个函数调用，调用和被调用可能使用不同的语言。

以下代码块提供了一个 C++ 示例

#include <tvm/runtime/packed_func.h>

void MyAdd(TVMArgs args, TVMRetValue* rv) {

// automatically convert arguments to desired type.

int a = args[0];

int b = args[1];

// automatically assign value return to rv

*rv = a + b;

}

void CallPacked() {

PackedFunc myadd = PackedFunc(MyAdd);

// get back 3

int c = myadd(1, 2);

}

在上面的代码块中，定义了一个 PackedFunc MyAdd。需要两个参数：args代表输入参数，rv代表返回值。该函数是type-erased，表明函数签名不限制pass传入或返回的输入类型。调用 PackedFunc 时，将输入参数打包到堆栈上的 TVMArgs，并通过 TVMRetValue 取回结果。

使用 C++ 中的模板技巧，可以像调用普通函数一样调用 PackedFunc。由于type-erased的性质，可以从像 python动态语言中调用 PackedFunc，而无需为创建的每个新类型函数添加额外的胶水代码。以下示例在 C++ 中注册 PackedFunc 并从 python 调用。

// register a global packed function in c++

TVM_REGISTER_GLOBAL("myadd")

.set_body(MyAdd);

import tvm

myadd = tvm.get_global_func("myadd")

# prints 3

print(myadd(1, 2))

大多数PackedFunc的奇妙之处在于TVMArgs和TVMRetValue结构。限制了可以传递的可能类型列表。以下是常见的：

整数、浮点数和字符串
PackedFunc 本身
编译模块
用于张量对象交换的 DLtensor*
TVM表示任何IR 中的对象

该限制使实现变得简单，无需序列化。尽管是最小的，但 PackedFunc 足以满足深度学习部署的用例，因为大多数函数只采用 DLtensor 或数字。

由于一个 PackedFunc 可以将另一个 PackedFunc 作为参数，可以将函数从 python（作为 PackedFunc）传递给 C++。

TVM_REGISTER_GLOBAL("callhello")

.set_body([](TVMArgs args, TVMRetValue* rv) {

PackedFunc f = args[0];

f("hello world");

});

import tvm

def callback(msg):

print(msg)

# convert to PackedFunc

f = tvm.convert(callback)

callhello = tvm.get_global_func("callhello")

# prints hello world

callhello(f)

TVM 提供了一个最小的 C API，将 PackedFunc 嵌入到任何语言中。除了python，目前还支持 java和javascript。这种嵌入式 API 的理念与 Lua 非常相似，只是没有新语言而是使用 C++。

关于 PackedFunc 的一个有趣事实是，用于编译器和部署堆栈。

TVM 的所有编译器传递函数都作为 PackedFunc 暴露给前端
编译后的模块也将编译后的函数返回为 PackedFunc

为了保持runtime最少，将 IR 对象支持与部署runtime隔离。结果runtime需要大约 200K - 600K，具体取决于包含多少runtime驱动程序模块（例如，CUDA）。

与普通函数相比，调用 PackedFunc 的开销很小，只在堆栈中保存了几个值。所以只要不包装小函数就可以了。总之，PackedFunc 是 TVM 中的通用粘合剂，广泛使用支持编译器和部署。

模块

由于 TVM 支持多种类型的设备，需要支持不同类型的驱动程序。必须使用驱动程序 API 来加载内核，以打包格式设置参数并执行内核启动。需要修改驱动程序 API，以便公开的函数是线程安全的。经常需要在 C++ 中实现这些驱动粘合，暴露给用户。不能对每种类型的函数都这样做，所以PackedFunc正确。

TVM 将编译对象定义为Module。用户可以从 Module 中获取编译后的函数作为 PackedFunc。生成的编译代码可以在runtime从 Module 动态获取函数。缓存函数句柄在第一次调用中，并在后续重用。将设备代码和从生成的代码链接到任何 PackedFunc（例如，python）回调。

ModuleNode 是一个抽象类，可以由每种类型的设备实现。到目前为止，支持 CUDA、Metal、OpenCL 和加载动态共享库的模块。这种抽象使得引入新设备变得容易，不需要为每种类型的设备重新生成主机代码。

远程部署

PackedFunc 和 Module 系统，可以轻松地将函数直接传送到远程设备。有一个 RPCModule 序列化参数数据移动，并在远程启动计算。

RPC 服务器本身是最小的，可以捆绑到runtime中。可以在 iPhone/android/raspberry pi 甚至浏览器上启动一个最小的 TVM RPC 服务器。服务器上的交叉编译和测试模块的交付可以在同一个脚本中完成。查看交叉编译和 RPC以获取更多详细信息。

这种即时反馈带来了很多好处。例如，为了在 iPhone 上测试生成代码的正确性，不再需要从头开始在 swift/objective-c 中编写测试用例——可以使用 RPC 在 iPhone 上执行，将结果复制回来并在主机上进行验证通过 numpy。还可以使用相同的脚本分析。

TVM 对象和编译器堆栈

在 PackedFunc runtime系统构建编译器堆栈 API。为了研究的需要，面临着编译器 API 的不断变化。每当想测试新的原语时，都需要一个新的语言对象或 IR 节点。但是，不希望每次更改 API。除此之外，还希望

能够序列化任何语言对象和 IR
能够以前端语言探索、打印和操作 IR 对象，进行快速原型设计。

引入了一个名为Object的基类来解决这个问题。编译器堆栈中的所有语言对象都是Object. 每个对象都包含一个字符串 type_key，唯一标识对象的类型。选择 string 而不是 int 作为类型键，因此，Object可以以分散的方式添加新类，而无需将代码添加回中央存储库。为了加快调度速度，在runtime为每个 type_key 分配一个整数 type_index。

通常Object可以在语言中的多个地方引用，使用 shared_ptr 来跟踪引用。使用ObjectRefclass 来表示对Object。可以粗略地将ObjectRef类看作Object容器的shared_ptr 。还可以定义子类ObjectRef来保存Object。每个Object子类都需要定义 VisitAttr 函数。

class AttrVisitor {

public:

virtual void Visit(const char* key, double* value) = 0;

virtual void Visit(const char* key, int64_t* value) = 0;

virtual void Visit(const char* key, uint64_t* value) = 0;

virtual void Visit(const char* key, int* value) = 0;

virtual void Visit(const char* key, bool* value) = 0;

virtual void Visit(const char* key, std::string* value) = 0;

virtual void Visit(const char* key, void** value) = 0;

virtual void Visit(const char* key, Type* value) = 0;

virtual void Visit(const char* key, ObjectRef* value) = 0;

// ...

};

class BaseAttrsNode : public Object {

public:

virtual void VisitAttrs(AttrVisitor* v) {}

// ...

};

每个Object子类将override 覆盖，以访问其成员。这是 TensorNode 的一个示例实现。

class TensorNode : public Object {

public:

/*! rief The shape of the tensor */

Array<Expr> shape;

/*! rief data type in the content of the tensor */

Type dtype;

/*! rief the source operation, can be None */

Operation op;

/*! rief the output index from source operation */

int value_index{0};

/*! rief constructor */

TensorNode() {}

void VisitAttrs(AttrVisitor* v) final {

v->Visit("shape", &shape);

v->Visit("dtype", &dtype);

v->Visit("op", &op);

v->Visit("value_index", &value_index);

}

};

在上面的例子中，Operation和Array<Expr>都是 ObjectRef。VisitAttrs 为提供了一个API反射，访问对象的每个成员。可以使用这个函数来访问节点并递归地序列化任何语言对象。允许在前端语言中轻松获取对象的成员。例如，在下面的代码中，访问了 TensorNode 的 op 字段。

import tvm

from tvm import te

x = te.placeholder((3,4), name="x")

# access the op field of TensorNode

print(x.op.name)

Object可以在不更改前端runtime的情况下，添加到 C++，从而可以轻松地对编译器堆栈进行扩展。这不是将成员暴露给前端语言的最快方法，但可能是最简单的方法之一。使用 Python 进行测试和原型设计，仍然使用 C++ 来完成繁重的工作。

实施细则

PackedFunc 中的每个参数都包含一个union融合值TVMValue 和一个类型代码。这种设计允许动态类型语言直接转换为相应的类型，而静态类型语言在转换过程中进行runtime类型检查。