以OneFlow为例探索MLIR的实际开发流程
前言
最近在同事shenghang的帮助下做了一点OneFlow IR相关的开发,对MLIR执行部分有一些新的感受,所以尝试分享一下。我之前花了不少时间去理解OneFlow IR的整个架构(可以看我的Toy Tutorials系列),但对OneFloiw IR的JIT的执行这部分一直存疑。最近将OneFlow基于Job(OneFlow的作业函数,不考虑设备的话可以理解为一个计算图)接入MLIR工程实现部分重新进行了梳理,并在shenghang的指导下理解了整个流程。所以这篇文档我将介绍一下OneFlow和MLIR是如何结合的,如何在OneFlow IR中新增一个图级别的Pass,OneFlow的Operation是如何自动变成MLIR 的Operation的以及为什么OneFlow IR能利用MLIR为计算带来加速等。我对MLIR的了解不算多,2个月前开始接触,有任何错误请大家批评斧正。本文和 https://github.com/Oneflow-Inc/oneflow & https://github.com/BBuf/tvm_mlir_learn 有关,感兴趣可以star关注一下。
本文提到的Op和Operation是一回事,没有严格区分。
OneFlow是如何和MLIR结合的?
在OneFlow中引入MLIR作为OneFlow的IR有诸多优点,不仅可以取代OneFlow中需要通过C++手写的Operation定义减小开发难度,还可以降低Operation定义中一些容器相关的开销。另外我们还可以通过MLIR维护的基础设施(即多重Dialect)来完成对计算图计算的加速。这里的计算图既可以是Eager的计算图,也可以是Lazy的计算图。由于基于Eager计算图使用MLIR进行加速的工作(即oneflow.jit.xxx
)还没有正式开放,我这里仍然以Lazy计算图(Job)为例来讲解OneFlow和MLIR的结合过程。
首先我们需要编译好开启MLIR的OneFlow,编译命令如下:
git clone git@github.com:Oneflow-Inc/oneflow.git
cd oneflow && mkdir build && cd build
cmake-C ../cmake/caches/cn/fast/mlir-cuda-75.cmake -DBUILD_TESTING=ON .. && ninja
然后可以写一个例子进行测试:
os.environ["ONEFLOW_MLIR_ENABLE_ROUND_TRIP"] = '1'
os.environ["ONEFLOW_MLIR_ENABLE_CODEGEN_FUSERS"] = '1'
@flow.unittest.skip_unless_1n1d()
class TestFuseBiasAddGeLUCPUMLIR(oneflow.unittest.TestCase):
def test_fused_bias_add_gelu_graph(test_case):
data = np.random.randn(1, 2, 3)
bias_data = np.random.randn(2)
x = flow.tensor(data, dtype=flow.float32)
bias = flow.tensor(bias_data, dtype=flow.float32)
y_eager = flow.gelu(flow._C.bias_add(x, bias, axis=1))
class FuseBiasAddGeLUGraph(flow.nn.Graph):
def __init__(self):
super().__init__()
def build(self, x):
return flow.gelu(flow._C.bias_add(x, bias, axis=1))
bias_add_gelu = FuseBiasAddGeLUGraph()
y_lazy = bias_add_gelu(x)
test_case.assertTrue(np.array_equal(y_eager.numpy(), y_lazy.numpy()))
运行这个例子之后会在当前运行目录下生成一个log文件,里面有一个ir_pass
文件夹记录了经过OneFlow MLIR优化前后的计算图(.prototxt
) 以及 MLIR的表达式(*.mlir
),还有一个*.mlir.dot
文件可以用graphviz
打开来可视化MLIR表达式的计算图。需要注意的是如果OneFlow正在执行训练任务,这个log文件夹里不仅包含前向的计算图和MLIR表达式,也会生成后向的计算图和MLIR表达式。所以MLIR在整个神经网络的运行流程中均可以作用,这是区别于前向推理框架的重要一点,即训练也可以加速。
在oneflow/api/python/ir.cpp
中有下面两行代码:
REGISTER_JOB_PASS("IRRoundTripBeforeAD", IRRoundTrip);
REGISTER_JOB_PASS("IRRoundTrip", IRRoundTrip);
RoundTrip
即往返的意思,BeforeAD
可以理解为反向之前,kAfterAD
可以理解为反向之后,这里通过将OneFlow Job和MLIR的互转过程注册为OneFlow Job的一个Pass来建立OneFlow计算图和MLIR的联系。在执行OneFlow脚本时,如果想使能MLIR作用于OneFlow计算图,开启ONEFLOW_MLIR_ENABLE_ROUND_TRIP=1
环境变量即可。
接下来,要将OneFlow的计算图和MLIR建立联系等价于将OneFlow计算图中的Operation和MLIR中的Operation进行一对一的转换。而MLIR的Operation定义在各级Dialect下,按照MLIR的通用接入原则,我们实现了一个OneFlow Dialect并在OneFlow Dialect上实现了OneFlow Operation到OneFlow Dialect下的Operation的一一映射。如何定义OneFlow Dialect和Operation这里就不讲了,可以参考MLIR官方文档的Dialects和ODS一节(https://mlir.llvm.org/docs/OpDefinitions/)或者我之前的文章,它们都是基于TableGen规则来完成的。关于MLIR Operation的定义我之前结合OneFlow Dialect的Op定义总结了一个文档(https://github.com/BBuf/tvm_mlir_learn
中) 。除了Dialect和Operation的定义还有一些其它需要定义的东西,比如OneFlow数据类型到MLIR数据类型映射的定义在oneflow/ir/include/OneFlow/OneFlowEnums.td
,OneFlow Dialect Operation的一些通用前端接口定义在oneflow/ir/include/OneFlow/OneFlowEnums.td
。这里我们以Reshape Operation为例子来简单说明一下这个Operation有哪些组成部分:
def OneFlow_ReshapeOp : OneFlow_BaseOp<"reshape", [NoSideEffect, DeclareOpInterfaceMethods]> {
let input = (ins
AnyType:$in
);
let output = (outs
AnyType:$out
);
let attrs = (ins
AnyI64ElementsAttr:$shape
);
}
OneFlow_ReshapeOp
这个名字下划线之前的是Dialect的名字,后面是这个Dialect下的Operation的名字。然后这个Operation继承了OneFlow_BaseOp
基类,并声明了约束和前端接口,接下来定义了Operation的输入,输出和属性就结束了。可以发现OneFlow Dialect Operation的定义和OneFlow User Op是完全一致的,这保证了OneFlow和MLIR互转的合法性。OneFlow Reshape Operation的定义如下:
REGISTER_USER_OP("reshape")
.Input("in")
.Output("out")
.Attr("shape")
...
OneFlow Job和MLIR的互转实现在oneflow/ir/oneflow-translate
,主要做的事情就是遍历Job的OpGraph,对节点和边分别进行处理最后转换成一个MLIR表达式,同时在计算完成后可以基于MLIR表达式重写Job。这里的整体逻辑偏复杂,因为要处理OneFlow Job OpGraph里面各种类型Operation和边的转化,这里不继续深入讲解,因为它也不是我这篇文章要讨论的点,感兴趣的可以直接阅读代码。
OneFlow IR如何执行?
在上面Operation定义时是举了一个Reshape的例子,浏览oneflow/ir/include/OneFlow/OneFlowOps.td
容易发现这里还定义了一个OneFlow_MlirJitOp
,这个自定义的Op就是用来执行MLIR表达式的,它里面实现了CPU和GPU的Kernel(源码在oneflow/ir/oneflow-extension/extension.cpp
)用来加载MLIR提供的JIT执行引擎运行最终得到的LLVM IR。那么LLVM IR又是怎么来的呢?这是通过OneFlow MLIR表达式逐级下降之后得来的,具体下降过程如下:
void AddLowerToLinalgMemRefPasses(PassManager& pm) {
pm.addPass(createLowerOneFlowToTosaPass()); // lower-oneflow-to-tosa
pm.addPass(createCSEPass()); // cse
pm.addNestedPass(tosa::createTosaToLinalg()); // tosa-to-linalg-on-tensors
auto p = createLinalgElementwiseOpFusionPass();
assert(p->initializeOptions("allow-folding-unit-dim-reshapes=true").succeeded());
pm.addNestedPass(std::move(p)); // linalg-fuse-elementwise-ops
pm.addNestedPass(createLinalgBufferizePass()); // linalg-bufferize
pm.addNestedPass(createTensorBufferizePass()); // tensor-bufferize
pm.addPass(createTensorConstantBufferizePass()); // tensor-constant-bufferize
pm.addPass(createFuncBufferizePass()); // func-bufferize
pm.addPass(createBufferResultsToOutParamsPass()); // buffer-results-to-out-params
pm.addPass(createCanonicalizerPass()); // canonicalize
pm.addNestedPass(createFinalizingBufferizePass()); // finalizing-bufferize
}
LogicalResult LowerModuleToLLVM(mlir::MLIRContext* context, ModuleOp module) {
mlir::PassManager pm(context);
AddLowerToLinalgMemRefPasses(pm);
pm.addNestedPass(createConvertLinalgToLoopsPass()); // convert-linalg-to-loops
pm.addNestedPass(createLowerToCFGPass()); // convert-scf-to-std
pm.addPass(createConvertLinalgToLLVMPass()); // convert-linalg-to-llvm
pm.addPass(createMemRefToLLVMPass()); // convert-memref-to-llvm
pm.addPass(createLowerToLLVMPass()); // convert-std-to-llvm
pm.addPass(createReconcileUnrealizedCastsPass());
return pm.run(module);
}
可以看到OneFlow Dialect首先下降到Tosa Dialect,然后下降到Linalg Dialect,再然后是Loop Dialect,一直到最后的LLVM IR。在逐级下降的过程中,我们可以享受如Linalg Dialect带来的嵌套循环变换带来的优化机会以提升最终IR的性能。这里的Lowering过程是在OneFlow调用MlirJitOp
的Kernel时触发的(oneflow/ir/oneflow-extension/extension.cpp
),调用也是作为一个MLIR的Pass被加入到了优化流程中。JIT调用流程Pass的实现可以精简为:
class OutlineJitFunctionPass : public OutlineJitFunctionPassBase {
void runOnOperation() override {
Operation* op = getOperation();
RewritePatternSet patterns(op->getContext());
oneflow::populateFuserPasses(patterns);
(void)applyPatternsAndFoldGreedily(op, std::move(patterns));
}
};
std::unique_ptr createOutlineJitFunctionPass() {
return std::make_unique();
}
LogicalResult ApplyRoundTripPatterns(RoundTripOneFlowJobWrapperInterface& job_wrapper,
MLIRContext* context, OwningModuleRef& module) {
mlir::PassManager pm(context);
pm.addNestedPass(::mlir::createCanonicalizerPass());
if (job_wrapper.IsLastIRPass() && std::getenv("ONEFLOW_MLIR_ENABLE_CODEGEN_FUSERS") != nullptr) {
pm.addPass(oneflow::createOutlineJitFunctionPass());
}
...
}
但这套流程还存在两个问题需要解决:
第一个问题是如何做Op融合。上面的JIT执行流程只考虑了不断Lowering,那么假如在OneFlow Dialect中有一些Operation是可以融合的,这个时候应该怎么做呢?很简单,我们沿用一下MLIR的DRR规则,还是用TableGen语法在 oneflow/ir/include/OneFlow/OneFlowPatterns.td
中写一系列的Fuse Pattern即可,比如bias_add
+gelu
这两个Op可以融合成OneFlow中的fused_bias_add_gelu
Op,那么就可以写如下的规则。
def IsGPU: Constraint"$0.getValue().equals(\"gpu\")">, "is GPU device">;
def FusedBiasAddGeluPattern : Pat<
(
OneFlow_GeluOp : $gelu_op
(
OneFlow_BiasAddOp
$a,
$b,
$bias_add_op_name,
$bias_add_device_tag,
$bias_add_device_name,
$bias_add_scope_symbol_id,
$bias_add_hierarchy,
$axis
),
$gelu_op_name,
$gelu_device_tag,
$gelu_device_name,
$gelu_scope_symbol_id,
$gelu_hierarchy
),
(OneFlow_FusedBiasAddGeluOp $a, $b,
$gelu_op_name,
$gelu_device_tag,
$gelu_device_name,
$gelu_scope_symbol_id,
$gelu_hierarchy,
$axis
),
[
(IsGPU $bias_add_device_tag),
(IsGPU $gelu_device_tag)
]
>;
这里基于MLIR的DRR规则来做表达式匹配和重写,可以看到假如当前运行设备是GPU并且前后两个Op分别是gelu
和bias_add
就将其进行融合为一个fused_bias_add_gelu_op
,在CUDA上可以减少读写来提升执行效率。
第二个问题是如何让OneFlow的一些Operation享受MLIR基础设施中的更多优化?在多级Dialect 逐层下降时可以看到OneFlow的MLIR表达式的每个子函数都会被Lower。第一次会将其Lower到Tosa Dialect,这个时候如果这个子函数中的某个Operation没有定义转换到Tosa Dialect的方法,那么就不能Lower到Tosa Dialect。自然也就不能进一步下降为Linalg Dialect,享受不到一些循环变化带来的优化(我感觉可以类比TVM的scheduler优化)。为了解决这种情况我们需要额外再定义一个Pass来将当前需要转换为Tosa的Op或者模式提取成一个函数,里面的oneflow op都能够lower到tosa,然后生成一个 oneflow mlir jit op 来 call 这个函数:
def IsNotNestedInJit: Constraint"(!$0.getDefiningOp()->getParentOfType<::mlir::FuncOp>()->hasAttr(\"llvm.emit_c_interface\"))">, "">;
def OutlineMulCast : NativeCodeCall<"::mlir::oneflow::OutlineMulCast($_builder, $0, $1)">;
// TODO: remove attr binding if possible
def MulCastPattern : Pat<
(
OneFlow_ScalarMulByTensorOp : $mul_op
(
OneFlow_CastOp : $cast_op
$cast_x,
$cast_op_name,
$cast_device_tag,
$cast_device_name,
$cast_scope_symbol_id,
$cast_hierarchy,
$cast_dtype
),
$scalar,
$mul_op_name,
$mul_device_tag,
$mul_device_name,
$mul_scope_symbol_id,
$mul_hierarchy
),
(OutlineMulCast $mul_op, $cast_op),
[
(IsNotNestedInJit $mul_op)
]
>;
::llvm::SmallVector<::mlir::Value, 4> OutlineMulCast(::mlir::PatternRewriter& rewriter,
mlir::OpResult mul_res,
mlir::OpResult cast_res) {
if (auto mul_op = llvm::dyn_cast(mul_res.getDefiningOp())) {
if (auto cast_op = llvm::dyn_cast(cast_res.getDefiningOp())) {
// TODO: extract a function to generate op name for jit op from ops being fused
SmallString<64> op_name_storage;
auto op_name =
(cast_op.op_name() + "__FUSE__" + mul_op.op_name()).toStringRef(op_name_storage);
SmallVector<::mlir::Value, 2> operands;
operands.push_back(cast_op.in());
operands.push_back(mul_op.scalar());
SmallVector<::mlir::Value, 1> results;
results.push_back(mul_op.y());
NamedAttrList attributes =
GetJitOpAttributes(rewriter, op_name, operands.size(), results.size(), mul_op);
SmallVector4> ops = {cast_op, mul_op};
auto function =
GetOrInsertFuncOp(rewriter, mul_op->getLoc(), op_name, operands, results, ops);
auto created = rewriter.create(mul_op.getLoc(), function, attributes, operands);
assert(DumpAssembly(rewriter, created).succeeded());
cast_op->dropAllUses();
cast_op.erase();
return created->getResults();
}
}
return {};
}
void populateFuserPasses(::mlir::RewritePatternSet& patterns) {
patterns.add(patterns.getContext());
}
这里就是将MulCast这个Pattern手动实现了从OneFlow Dialect到Tosa Dialect的转换,最后将这个Pass加到优化流程中即可完成MLIR表达式中的这个Pattern会经过Tosa和Linalg这两个层次的Dialect,获得一些优化机会。
总结
这里以OneFlow为例讲解了一些MLIR的真实运行流程,即是如何通过MLIR来执行深度学习框架的计算图并且为其加速的,目前理解难免有不到位的地方,欢迎大家批评指正。