如何适配新架构？TPU-MLIR代码生成CodeGen全解析！

背景介绍

TPU-MLIR的CodeGen是BModel生成的最后一步，该过程目的是将MLIR文件转换成最终的Bmodel。本文介绍了CodeGen的基本原理和流程，并记录了针对BM1684X等新架构的CodeGen重构过程。

与后端的关系

由于一些历史的因素，MLIR文件中的每个OP对应的指令并不直接在TPU-MLIR工程中生成，而是需要调用后端的函数完成最终指令的生成，这也带来了两个问题

1. 如何设计编译器与后端的接口
2. 生成指令的数据结构存在后端还是编译器中

关于问题1，目前的设计是采用CodeGen与后端隔离的形式，也就是CodeGen过程不直接调用后端函数，而是将不同处理器的相应函数全部封装到类中，在CodeGen中调用类方法间接使用后端接口，达成解耦。

而关于问题2，依据不同的处理器其数据结构位置也不同，1684的数据结构放在编译器这边，而BM1684X等新架构的处理器数据结构放在后端。无论放在哪里，其全部封装于问题1答案中的相应类中，对于CodeGen过程来说，看到的接口是一样的。

一个OP生成指令的大致流程

代码位置：lib/Dialect/Tpu/Transforms/Codegen/BM168xCodegen.cpp

该流程忽略CodeGen代码内部细节，这里只讲解类似于把大象装冰箱主要分几步这样的通俗介绍。

1. 在BM168XCodegen.cpp会遇到某个Op时会调用该op的codegen_local_bm168x/codegen_global_bm168x，算子的这个函数都在lib/Dialect/Tpu/Interfaces/中
2. 在具体OP中会设置一些参数，然后调用到后端的具体op的指令生成，比如Conv2d算子会调用后端函数backend_api_conv_global
3. （后端过程）直接做一系列检查后，会直接生成指令（二进制码），这些二进制码会通过store_cmd存储在指定数据结构中，
4. 等所有op的二进制码全部都生成完毕后，在编译器会调用BM1684X系列类中封装的函数取走指令，生成Bmodel

做个形象点的例子：

原来装冰箱只需要我，现在我嫌大象沉，我叫个张三帮我装。
我：张三，你把这个大象给我装冰箱里
张三吭哧吭哧帮我装完了
我：行了，张三，你走吧；我自己把装的运走。

指令生成所需要的数据结构

指令依据处理器的engine不同而有所差别，比如1684有GDMA和TIU，而新架构的处理器SG2260会存在sdma、cdma等engine。这里拿最通用的两种engine即BDC(后更名为TIU)和GDMA为例：

std::vector<uint32_t>bdc_buffer;
std::vector<uint32_t>gdma_buffer;
uint32_tgdma_total_id=0;
uint32_tbdc_total_id=0;
std::vector<uint32_t>gdma_group_id;
std::vector<uint32_t>bdc_group_id;
std::vector<uint32_t>gdma_bytes;
std::vector<uint32_t>bdc_bytes;
intcmdid_groupnum=0;
CMD_ID_NODE*cmdid_node;
CMD_ID_NODE*bdc_node;
CMD_ID_NODE*gdma_node;

• bdc_buffer和gdma_buffer：放指令
• gdma_total_id和bdc_total_id：存指令总数目，因为指令不一定是32位的，因此使用buffer的长度不能获取到指令的总数目

• gdma_group_id和bdc_group_id：每个group中的指令数，这个group是什么意思待调查清楚，后端对其进行控制时代码如下所示

cmdid_overflow

• cmdid_groupnum：group的数量
• gdma_bytes和bdc_bytes：内部是每个group中指令的字节（Bytes）数
• cmdid_node、bdc_node和gdma_node：这个node是为了并行生成GroupOp内部所需要指令而形成指的，具体机制还有待研究

TPU-MLIR中layer group和上述行为中group的概念区分

TPU-MLIR中的layer group是指可以存放在Lmem的一系列算子，组成一个Group Op。

而上述的group，指的是指令组。这个指令组存在的意义是防止内存不够用，比方说1684只有16位寻址空间，那么大于这个数字的指令无法一次性全部搬运到内存，所以当指令超出某个数时候，就会重新建一个组。

TPU-MLIR中BM168X及其相关类

这边的相关类tpu-mlir/include/tpu_mlir/Backend该文件夹下定义的类，目的就是将不同的处理器后端封装，从而实现后端于Codegen过程的隔离。

其继承关系为：

在一次运行中只存在一个类（设计模式中单例），该类初始化时候会经过：读取后端动态链接库、加载函数（设置后端的函数指针）、指令数据结构的初始化、设置一些处理器相关的参数例如NPU_NUM、L2_SRAM起始地址等。

后端函数的加载

后端作为一个动态库放入了TPU-MLIR工程里，具体在third_party/nntoolchain/lib/libbackend_xxx.so。在我们要使用backend时候，先在需要函数的类中定义好函数指针，然后再将动态库加载后，使函数指针指向动态库中真正的函数。

以同步函数tpu_sync_all为例，由于之后要加上多核支持的，所以需要在相关后端Bmodel库中定义好，

1. 注意必须和后端的函数名和参数保持一致typedef void (*tpu_sync_all)();
2. 在类内部加入该函数成员tpu_sync_all, dl_tpu_sync_all;
3. 有成员后，在该类load_functions函数的实现中加入宏，CAST_FUNCTION(tpu_sync_all);该宏可以将dl_tpu_sync_all指向动态库中真正的函数

这时候在我们获得到该类实例后即可使用动态库中的函数了。

后端store_cmd设计

后端的store_cmd功能是指编译器调用算子的过程中，把配置的指令保存到约定空间的过程。（以下是后端代码，以后会选择性开放）。后端的重点函数在store_cmd.cpp中，以cmodel/src/store_cmd.cpp；cmodel/include/store_cmd.h为例

注：store_cmd类设计的非常复杂，参杂各种设计模式在里面，只大概梳理一下类之间关系

store_cmd分别有EngineStorer系列类和CmdStorer系列类：

• EngineStoreInterface（接口类）、继承于EngineStoreInterface接口的GDMAEngineStorer、BDEngineStorer等具体类、EngineStorerDecorator（装饰类接口）、继承于EngineStorerDecorator的VectorDumpEngineStorerDecorator等具体装饰类
• CmdStorerInterface（接口）、继承于接口的ConcretCmdStorer、StorerDecorator：装饰接口、VectorDumpStorerDecorator具体装饰类。

关于类之间的关系与逻辑

1. 使用单例设计模式，在store_cmd中只存在一个ConcretCmdStorer类，该类中会存所有EngineStorer的类，当调用不同的engine时，会调用不同EengineStorer，如下代码

virtualvoidstore_cmd(intengine_id,void*cmd,CMD_ID_NODE*cur_id_node,
intport)override
{
switch(engine_id)
{
caseENGINE_BD:
caseENGINE_GDMA:
caseENGINE_HAU:
caseENGINE_SDMA:
port=0;
break;
caseENGINE_CDMA:
ASSERT(port< CDMA_NUM);
break;
caseENGINE_VSDMA:
engine_id=ENGINE_SDMA;
break;
default:
ASSERT(0);
break;
}
returnthis->get(engine_id,port)->store(cmd,cur_id_node);
}

1. Cmd装饰类的作用是将所有的EngineStorer套上其装饰器的壳子（目的实现其他功能），以VectorDumpStorerDecorator为例，会使用宏为每个EngineStorer、套上VectorDumpEngineStorerDecorator的壳子。

voiddecorate_engines()
{
#defineDECOR_STORER(name,idx)\
if(outputs_[ENGINE_##name][idx])\
{\
autoname##_str=std::make_shared(\
StorerDecorator::get(ENGINE_##name,idx),\
&(outputs_[ENGINE_##name][idx]));\
StorerDecorator::get(ENGINE_##name,idx)=name##_str;\
engine_decorators_.push_back(name##_str);\
}
DECOR_STORER(BD,0)
DECOR_STORER(GDMA,0)
DECOR_STORER(HAU,0)
DECOR_STORER(SDMA,0)
for(inti=0;i< CDMA_NUM; i++)
{
DECOR_STORER(CDMA,i)
}

#undefDECOR_STORER
}

每个具体的EngineStorer，注意其功能并非把命令存下来，他只干解析命令，比方说拿到一条320位的命令（瞎说的），EngineStorer会将其解析成长度为10的32位数组（std::vector）。

真正存命令是使用VectorDumpEngineStorerDecorator，装饰器的作用是：执行被装饰类的特定函数时，进行更多的操作，具体可以《设计模式》的书。这点对于理解store_cmd非常重要，作者在设计store_cmd时，使用了很多装饰器、为每个EngineStorer赋予了额外的功能，其中把指令储存也看作一个装饰器。VectorDumpEngineStorerDecorator该装饰器执行EngineStorer类中的store函数后，会追加执行take_cmds函数，该函数将所有指令存储到output_中。

classVectorDumpEngineStorerDecorator:publicEngineStorerDecorator
{
private:
std::vector<uint32_t>*&output_;

voidtake_cmds()
{
autocmds=EngineStorerDecorator::get_cmds();
(*output_).insert((*output_).end(),cmds.begin(),cmds.end());
}

public:
VectorDumpEngineStorerDecorator(ComponentPtrcomponent,
std::vector<uint32_t>**output)
:EngineStorerDecorator(component),output_(*output){}

virtualvoidstore(void*cmd,CMD_ID_NODE*cur_id_node)override
{
EngineStorerDecorator::store(cmd,cur_id_node);
if(!enabled_)
return;
this->take_cmds();
}

virtualvoidstore_cmd_end(unsigneddep)override
{
EngineStorerDecorator::store_cmd_end(dep);
this->take_cmds();
}
};

store_cmd中类与暴露给编译器接口的关系

实际上上述的各种类不能直接暴露给编译器，因为必须传的是c函数的函数接口，因此必须将类中各种函数封装进c语言函数形式，以store_cmd为例，get_storer会获得唯一的ConcretCmdStorer类

voidstore_cmd(void*cmd,intengine_id,CMD_ID_NODE*cur_id_node,intport,
intthread_id)
{
get_storer()->store_cmd(engine_id,cmd,cur_id_node,port);
}

TPU-MLIR中的重构修改

分为三部分：BM168X及派生类、BM168XCodeGen

对于BM168X派生类来说，后端工程中添加了很多新的函数，这些函数主要是将存指令的数据结构放入了后端管理，涉及的后端有1684X之后架构的处理器，而1684并不适配新的函数。这意味着：

存储指令的数据结构需要发生改变，许多数据结构已经不需要。如下图所示：

需要添加新的接口函数，即使获取指令的方式不同，但是在Codegen过程看到的应该是一样的行为。

这里传入的参数是const char*是为了简化参数定义，可以用特定格式字符串来指定后端engine。如gdma1，这里gdma表示GDMA Engine, 0表示第0个GDMA Engine（一个TPU内可能有多个相同的engine), 1表示第0号GDMA Engine的第1个线程（每个Engine可能支持多线程）。

对于BM168XCodegen，之前是需要在上面的Code结构体获取相关的数据，而修改后须使用新接口，

修改前：auto gdma_ptr = (uint8_t *)(*bm168x)->gdma_buffer.data();修改后：auto gdma_ptr = (uint8_t *)(*bm168x).get_inst_data("gdma0");

并且对于后续架构处理器的指令生成来说，目前需要存储sdma和hau的指令，所以相关指令也需要添加入Bmodel。如下图所示(这里主要用到了FlatBuffer操作)：

codegen_save

总结

从中可以看出，TPU-MLIR虽然能够满足当前TPU上的基本需求，但随着应用场景的扩展和TPU架构的不断演进，其需要满足很多新的要求。这就需要开发者不断思考和挖掘新的接口和架构，使其具有一定的扩展性和适应性。欢迎并感谢各位有识之士为TPU-MLIR多提建议，贡献代码！