建设银行网站无法访问,免费的快速开发平台,网站各类模块内容说明,erp系统的主要功能01算子优化的意义 随着大模型应用的普及以及算力紧缺#xff0c;下一步对于计算性能的追求一定是技术的核心方向。因为目前大模型的计算逻辑是由一个个独立的算子或者说OP正反向求导实现的#xff0c;底层往往调用的是GPU提供的CUDA的驱动程序。如果不能对于整个计算过程学习…01算子优化的意义 随着大模型应用的普及以及算力紧缺下一步对于计算性能的追求一定是技术的核心方向。因为目前大模型的计算逻辑是由一个个独立的算子或者说OP正反向求导实现的底层往往调用的是GPU提供的CUDA的驱动程序。如果不能对于整个计算过程学习并了解对于性能优化领域无非是隔靴搔痒今天也是抽一点时间读了下网上的一些文档和CUDA的文档整理了学习材料。
首先说下为什么要自定义算子无非是两个原因
1TF、PyTorch等提供的原生算子不满足需求需要通过底层接口比如CUDA层更灵活的实现个性化算子
2目前提供的算子性能不足没有很好的利用到GPU的并行计算优势有优化空间
接着性能优化的问题说因为GPU与CPU最大的区别是计算单元占据了绝大部分的体积图中绿色部分而控制单元较少。 自定义手写算子可以更好地利用绿色的计算单元的并行化优势。大的思路是Grid包含BlockBlock包含Thread。于是首先算子需要把计算逻辑拆分成Thread让程序可以并行化的运行起来然后有机的管理各个Block的执行节奏解决好异步和同步问题就可以让芯片的计算效率最大化。 02实现流程
整个自定义算子优化其实可以分为CUDA算子定义、算子编译、正方向梯度实现几个步骤。 1、CUDA算子定义
需要定义以下几个文件 1function.cpppython层和CUDA层的衔接实现手写的C CUDA算子可以被python代码调用 2function.hCUDA函数声明文件 3function.cuCUDA函数的逻辑实现 这里比较核心的文件就是.cu文件构建的时候主要做两个事一个是建设Kernel函数因为只有Kernel函数是在GPU端执行执行完之后要将控制权给到控制函数这里要控制好异步、同步的问题。二是在kernel函数中需要通过循环函数定义每个Thread以及每个Block的工作真正让计算并行化
.cpp文件可以通过pybind函数实现这个函数主要解决的是C代码和Python绑定的问题项目地址GitHub - pybind/pybind11: Seamless operability between C11 and Python
2.编译和执行 import torch
from torch.utils.cpp_extension import load
cuda_module load(namefunction,extra_include_paths[include],sources[function.cpp, function.cu],verboseTrue) 接着就是执行过程中的编译通过load函数底层会执行JITJust in time的动态编译模式调用.cpp和.cu文件底层运行的是Ninjia编译器通过调用nvcc编译.so文件 [1/2] nvcc -c function.cu -o function.cuda.o
[2/3] c -c function.cpp -o function.o
[3/3] c function.o function.cuda.o -shared -o function.so 3.正反向梯度实现
以上两步实现了自定义算子的逻辑可以通过手写CUDA算子并在python框架层调用如果要满足建模需求还需要实现正方向梯度。具体的做法是在建模的函数中实现forward和backward函数定义导数作为输出。
以上大概就是手写算子优化的简单流程仅当学习笔记。
参考:
【1】熬了几个通宵我写了份CUDA新手入门代码 - 知乎
【2】CUDA C Programming Guide
