如何给MindSpore添加一个新的硬件后端？快速构建测试环境！

Posted 2021-07-29 华为云

摘要：介绍如何给MindSpore添加一个新的硬件后端。

本文分享自华为云社区《如何给MindSpore添加一个新的硬件后端？快速构建测试环境！》，原文作者：HWCloudAI。

MindSpore是华为自研的新一代AI开源计算框架。最佳匹配昇腾AI处理器算力的全场景深度学习框架，为数据科学家和算法工程师提供设计友好、运行高效的开发体验，推动人工智能软硬件应用生态繁荣发展。

MindSpore支持异构算力，除支持华为自研的达芬奇架构的Ascend NPU外还支持CPU(e.g. MKLDNN) 以及 GPU(e.g. CUDA kernels)算子的运行。（注：MindSpore支持整网在不同的硬件平台上运行，并不支持同一张网络的不同partition在不同的硬件平台上运行，这点和TensorFlow的graph partition异构运行模式不一样）。

当前AI芯片行业“热闹非凡”，国内外，大小新老厂商都在推出自己的AI加速芯片。现在大家都应该看得很清楚，硬件要想成功，离不开软件栈及生态的支撑。MindSpore不仅为支撑华为的AI软硬件栈服务，更想在整个AI生态中占据自己的一片天地。

MindSpore目前还处于推广和发展完善阶段，本文想抛砖引玉介绍如何给MindSpore添加一个新的硬件后端，同时对MindSpore源代码的目录结构也做一些基本介绍，希望能为国内外的AI硬件厂商和感兴趣的开发人员提供一些有用信息和参考，让大家能来共同使用MindSpore作为测试和对接AI芯片的框架，快速构建整网模型的测试环境。

本文针对的是MindSpore r1.1版本的源代码：https://gitee.com/mindspore/mindspore/tree/r1.1/

对于如何从源码编译及安装MindSpore，以及对于相关软件版本的需求，请参考：https://www.mindspore.cn/install/

测试用例

本文将针对一个简单的Dense layer网络：https://www.mindspore.cn/doc/api_python/zh-CN/r1.1/mindspore/nn/mindspore.nn.Dense.html#mindspore.nn.Dense

来示范如何让这个layer运行在一个新的硬件后端上。

注：本文针对的是基本的静态图执行模式：https://www.mindspore.cn/doc/programming_guide/zh-CN/r1.1/context.html

import mindspore
import numpy as np
import mindspore.nn as nn
from mindspore import context, Tensor

context.set_context(device_target="CPU", mode=context.GRAPH_MODE)

# 32, 16
net = nn.Dense(32, 16, weight_init='ones', bias_init=1.2)#, activation='relu')

# 48, 32
input_data = Tensor(np.ones([48, 32]).astype(np.float32), mindspore.float32)
output = net(input_data)

print(output.asnumpy())

注：在这里我注释掉了activation的ReLU，所以此Dense layer就相当于一个只有2个node的小网络（MatMul + BiasAdd) 此用例的结果是一个48 * 16的二维矩阵，每个element的值都是33.2)

此文将以从上到下的流程，介绍MindSpore支持一个新硬件后端所需要修改的组件。我们这里将需要支持的新硬件称为XPU, 我们想要达到的修改MindSpore代码后的效果是将上述用例中的device_target改为XPU, 并在让Dense layer在加速器XPU上运行。e.g.

context.set_context(device_target="XPU", mode=context.GRAPH_MODE)

注：此文不会展示具体类和函数的实现细节，具体的实现可以参考相对应目录下已支持的硬件后端的实现，例如：CPU, GPU, Ascend

添加新的device target参数选项

首先从前端ME Python层需要添加新的valid_targets：https://gitee.com/mindspore/mindspore/blob/r1.1/mindspore/context.py

def set_device_target(self, target):
        valid_targets = ["CPU", "GPU", "Ascend", "Davinci", "XPU"] # 将新的后端添加到此list中
        if not target in valid_targets:
            raise ValueError(f"Target device name {target} is invalid! It must be one of {valid_targets}")
        if target == "Davinci":
            target = "Ascend"
        self.set_param(ms_ctx_param.device_target, target)
        if self.enable_debug_runtime and target == "CPU":
            self.set_backend_policy("vm") 

接着需要在C++的ms context组件中添加新的target：https://gitee.com/mindspore/mindspore/blob/r1.1/mindspore/core/utils/ms_context.h

const int kGraphMode = 0;
const int kPynativeMode = 1;
const char kCPUDevice[] = "CPU";
const char kGPUDevice[] = "GPU";
const char kXPUDevice[] = "XPU";  // 添加新的硬件target
const char kAscendDevice[] = "Ascend";
const char kDavinciInferenceDevice[] = "AscendInference";
const char kDavinciDevice[] = "Davinci";
const char KNpuLog[] = "_npu_log";
const unsigned int MAX_CALL_DEPTH_DEFAULT = 1000;

// 添加新的硬件到以下set中
const std::set<std::string> kTargetSet = {kCPUDevice, kGPUDevice, kXPUDevice, kAscendDevice, kDavinciDevice};

添加新的runtime device

在runtime device目录下：https://gitee.com/mindspore/mindspore/tree/r1.1/mindspore/ccsrc/runtime/device是和各个具体后端硬件特性相关的组件，例如：device端的地址空间，device端的内存管理（分配，回收），kernel runtime组件等， 还有硬件device相关的一些通讯组件，例如支持分布式通讯的MPI组件。我们首先在下图中的目录下添加一个叫xpu的文件夹 （注意修改CMakeLists.txt 添加文件夹）:

下面介绍要创建的针对xpu加速器3个新的基本组件：

· xpu_device_address ：主要表示加速器device侧的内存地址信息，以及host端和device端之间内存搬移的API接口，例如在NVIDIA GPU上可以是wrapper of：cudaMemcpyAsyncxpu_device_address.h

#include <string>
#include <vector>
#include "runtime/device/device_address.h"
#include "utils/shape_utils.h"

namespace mindspore {
namespace device {
namespace xpu {
class XPUDeviceAddress : public DeviceAddress {
 public:
  XPUDeviceAddress(void *ptr, size_t size) : DeviceAddress(ptr, size) {}

  XPUDeviceAddress(void *ptr, size_t size, const string &format, TypeId type_id)
      : DeviceAddress(ptr, size, format, type_id) {}

  ~XPUDeviceAddress() override = default;

  bool SyncDeviceToHost(const ShapeVector &shape, size_t size, TypeId type, void *host_ptr) const override;
  bool SyncHostToDevice(const ShapeVector &shape, size_t size, TypeId type, const void *host_ptr) const override;
  DeviceAddressType DeviceType() const override { return DeviceAddressType::kXPU; }
};
}  // namespace xpu
}  // namespace device
}  // namespace mindspore

· xpu_resource_manager: 主要负责device端的内存和其他资源的管理，分配和调度。xpu_resource_manager.h

#include <vector>
#include <map>
#include "backend/session/kernel_graph.h"
#include "backend/session/session_basic.h"
#include "runtime/device/device_address.h"
#include "runtime/device/xpu/xpu_simple_mem_plan.h"
namespace mindspore {
namespace device {
namespace xpu {
class XPUResourceManager {
 public:
  XPUResourceManager() = default;
  ~XPUResourceManager();

  void AssignMemory(const session::KernelGraph *graph);
  void IncreaseAddressRefCount(const session::KernelGraph *graph);
  void DecreaseAddressRefCount(const AnfNodePtr &kernel);
  void *MemMalloc(size_t mem_size);
  void MemFree(void *ptr);

 private:
  void MemFree();
  XPUSimpleMemPlan mem_plan_;

  size_t mem_size_{0};
  uint8_t *mem_ptr_{nullptr};
  bool dynamic_malloc_{false};
  std::map<void *, size_t> dynamic_mem_;
};
}  // namespace xpu
}  // namespace device
}  // namespace mindspore

· xpu_kernel_runtime：硬件算子的执行控制模块，主要负责硬件runtime的启动(Init())，网络在硬件上的执行(Run(..))，已经硬件执行完后的清理工作（ReleaseDeviceRes()）xpu_kernel_runtime.h

#include <memory>
#include <vector>
#include <string>
#include <map>
#include <set>
#include "runtime/device/kernel_runtime.h"
#include "runtime/device/kernel_runtime_manager.h"
#include "backend/session/kernel_graph.h"
#include "backend/session/session_basic.h"
#include "runtime/device/xpu/xpu_resource_manager.h"
#include "backend/session/anf_runtime_algorithm.h"
#include "utils/any.h"
namespace mindspore {
namespace device {
namespace xpu {
class XPUKernelRuntime : public KernelRuntime {
 public:
  XPUKernelRuntime() = default;
  ~XPUKernelRuntime() override = default;

  bool Init() override;
  void ReleaseDeviceRes() override;
  bool Run(session::KernelGraph *graph, bool is_task_sink) override;
  void AssignKernelAddress(session::KernelGraph *kernel_graph);
  void CreateOutputTensors(session::KernelGraph *kernel_graph, const std::vector<tensor::TensorPtr> &inputs,
                           VectorRef *outputs);
  void BindInputOutput(session::KernelGraph *kernel_graph, const std::vector<tensor::TensorPtr> &inputs,
                       VectorRef *outputs);

 protected:
  bool SyncStream() override { return true; };
  DeviceAddressPtr CreateDeviceAddress(void *device_ptr, size_t device_size, const string &format,
                                       TypeId type_id) override;

 private:
  XPUResourceManager resource_manager_;
  std::set<DeviceAddressPtr> bound_addresses_;
  std::map<AnfNodePtr, tensor::TensorPtr> input_param_tensor_map_;
};

MS_REG_KERNEL_RUNTIME(kXPUDevice, XPUKernelRuntime);

}  // namespace xpu
}  // namespace device
}  // namespace mindspore

添加新的target session

MindSpore的Session（会话）提供了Op kernel执行和Tensor求值的环境。Session是控制代表神经网络的数据流图的核心模块。它主要有图编译（kernel生成），图优化，和图执行三个主要步骤。MindSpore针对每个后端硬件平台都会有自己的Session组件，相关代码在backend/session这个目录中：https://gitee.com/mindspore/mindspore/tree/r1.1/mindspore/ccsrc/backend/session
我们针对xpu创建新的session类：xpu_session.h

#include <string>
#include <memory>
#include <map>
#include <vector>
#include "backend/session/session_basic.h"
#include "backend/session/kernel_graph.h"
#include "runtime/device/xpu/xpu_kernel_runtime.h" // use the new xpu kernel runtime
#include "backend/session/session_factory.h"
namespace mindspore {
namespace session {
class XPUSession : public SessionBasic {
 public:
  XPUSession() = default;
  ~XPUSession() override = default;
  void Init(uint32_t device_id) override { InitExecutor(kXPUDevice, device_id); }

  GraphId CompileGraphImpl(const AnfNodePtrList &lst, const AnfNodePtrList &outputs) override;
  void RunGraphImpl(const GraphId &graph_id, const std::vector<tensor::TensorPtr> &inputs, VectorRef *outputs) override;
  void Optimize(const std::shared_ptr<KernelGraph> &kernel_graph);

 protected:
  void UnifyMindIR(const KernelGraphptr &graph) override { return; }
  void CreateOutputTensors(const GraphId &graph_id, const std::vector<tensor::TensorPtr> &input_tensors, VectorRef *,
                           std::map<tensor::TensorPtr, session::KernelWithIndex> *tensor_to_node) override;

 private:
  void SetKernelInfo(const KernelGraph *kernel_graph);
  void BuildKernel(const KernelGraph *kernel_graph);
  device::xpu::XPUKernelRuntime *runtime_ = dynamic_cast<device::xpu::XPUKernelRuntime*>(device::KernelRuntimeManager::Instance().GetKernelRuntime(kXPUDevice, 0));
};
MS_REG_SESSION(kXPUDevice, XPUSession);
}  // namespace session
}  // namespace mindspore

在图编译（CompileGraphImpl(..)）的步骤中，主要是要生成（BuildKernel(..)）表示神经网络数据流图中的每个节点op相对应的kernel，并保存每个节点的kernel信息在图中（SetKernelInfo(..)），以供在后面的图执行（RunGraphImpl(..)）步骤中被调用。

添加针对新硬件的kernel

MindSpore所支持的硬件后端对于各个op算子的支持在backend/kernel_compiler 目录下：https://gitee.com/mindspore/mindspore/tree/r1.1/mindspore/ccsrc/backend/kernel_compiler

在这里我们可以看到针对不多的硬件后端，每一个文件夹代表着不同kernel的类型，其中：

• cpu：里面有调用MKLDNN(oneDNN) 的算子，也有纯c++写的算子。
• gpu: 里面有调用cudnn/cublas的算子，也有用cuda写的算子，还有支持分布式训练与NCCL相关的算子。
• Ascend: 与华为达芬奇AI芯片相关的算子kernel文件夹有：tbe, aicpu,akg,hccl等

下面来介绍为我们的新硬件后端添加kernel支持所需的组件，首先在上面的目录下创建一个叫xpu的文件夹 （注意修改CMakeLists.txt 添加文件夹）在新文件夹中我们首先来创建针对xpu kernel的基类：

xpu_kernel.h:

#include <string>
#include <vector>
#include <memory>
#include <numeric>
#include <functional>
#include "backend/kernel_compiler/kernel.h"
#include "ir/anf.h"
#include "backend/session/anf_runtime_algorithm.h"
#include "utils/ms_utils.h"

using mindspore::kernel::Address;
using mindspore::kernel::AddressPtr;
namespace mindspore {
namespace kernel {

class XPUKernel : public kernel::KernelMod {
 public:
  XPUKernel() = default;
  ~XPUKernel() override = default;

  void Init(const CNodePtr &kernel_node);
  virtual void InitKernel(const CNodePtr &kernel_node) = 0;
  bool Launch(const std::vector<AddressPtr> &inputs, const std::vector<AddressPtr> &workspace,
              const std::vector<AddressPtr> &outputs, void * stream_ptr) override {
    return Launch(inputs, workspace, outputs);
  };

  virtual bool Launch(const std::vector<AddressPtr> &inputs, const std::vector<AddressPtr> &workspace,
                      const std::vector<AddressPtr> &outputs) = 0;
  const std::vector<size_t> &GetInputSizeList() const override { return input_size_list_; }
  const std::vector<size_t> &GetOutputSizeList() const override { return output_size_list_; }
  const std::vector<size_t> &GetWorkspaceSizeList() const override { return workspace_size_list_; }

  void SetOpName(const std::string &op_name) { op_name_ = op_name; }
  const std::string GetOpName() const { return op_name_; }

 protected:
  virtual void InitInputOutputSize(const CNodePtr &kernel_node);
  std::vector<size_t> input_size_list_ = {};
  std::vector<size_t> output_size_list_ = {};
  std::vector<size_t> workspace_size_list_ = {};

  std::string bin_path_ = {};
  std::string tilingName_ = {};

};
}  // namespace kernel
}  // namespace mindspore

现在流行的框架对于算子kernel的支持普遍是采用以算子名（opcode）来命名kernel，例如mindspore里mkldnn的cpu kernels：MindSpore/mindspore 这种形式的优点是repo代码文件很清晰，每个算子的特定属性可以很方便的表达。缺点是会有可能造成一些duplicate的代码逻辑。由于本文针对的用例很简单，实际上只需要支持2个算子：MatMul和BiasAdd，我们将采用按输入输出Tensor个数来命名的kernel类实现方式。

由于MatMul和BiasAdd都是2个输入1个输出的算子，我们定义我们的kernel类名为：two_in_one_out_xpu_kernel.h

#include "backend/kernel_compiler/xpu/xpu_kernel.h" // xpu kernel base class
#include "backend/kernel_compiler/xpu/xpu_kernel_factory.h"

#include <stdio.h>
#include <limits.h>
#include <stdlib.h>
#include <unistd.h>
#include <fcntl.h>
#include <dirent.h>
#include <algorithm>

#include <fstream>
#include <iostream>

namespace mindspore {
namespace kernel {

class TwoInOneOutXPUKernel : public XPUKernel {
 public:
  TwoInOneOutXPUKernel() = default;
  ~TwoInOneOutXPUKernel() override = default;

  void InitKernel(const CNodePtr &kernel_node) override;

  bool Launch(const std::vector<AddressPtr> &inputs,
              const std::vector<AddressPtr> &workspace,
              const std::vector<AddressPtr> &outputs) override;

 private:
  bool NeedsFormatTransformation();

  char trans_a_{TRANSPOSE_NO};
  char trans_b_{TRANSPOSE_NO};
  int32_t dim_m_{0};
  int32_t dim_n_{0};
  int32_t dim_k_{0};

  std::vector<size_t> inputA_shape_;
  std::vector<size_t> inputB_shape_;
  std::vector<size_t> output_shape_;

  size_t input_a_size_ = 0;
  size_t input_b_size_ = 0;
  size_t output_size_ = 0;

  void *inputA_data_ = nullptr;
  void *inputB_data_ = nullptr;
  void *output_data_ = nullptr;
};

MS_REG_XPU_KERNEL(
  TwoInOneOutXPU,
  mindspore::device::xpu::KernelAttr().AddInputAttr(kNumberTypeFloat32).AddInputAttr(kNumberTypeFloat32).AddOutputAttr(kNumberTypeFloat32),
  TwoInOneOutXPUKernel);
}  // namespace kernel
}  // namespace mindspore

在这里我们有使用到"backend/kernel_compiler/xpu/xpu_kernel_factory.h" 对于kernel工厂类的创建我们就不细述，具体可以参考cpu_kernel_factory.h:https://gitee.com/mindspore/mindspore/blob/r1.1/mindspore/ccsrc/backend/kernel_compiler/cpu/cpu_kernel_factory.h

对于每个kernel最基本的2个function就是InitKernel(..)和LaunchKernel(..) 分别负责kernel的初始化和运行。这里需要注意的是，对于一般像CNN静态图的执行，InitKernel(..)只会在kernel创建时（上述session的compile graph过程中）运行一次， 而LaunchKernel(..)会在每次图执行的过程中被调用。例如跑一个CNN的推理, 需要infernce 64张图片，网络的batch size is 32, 那整张图需要被执行2遍，也就是说针对每个kernel，InitKernel(..)会被调用1次，而LaunchKernel(..)会被调用2次。

我们这里不细述MatMul和BiasAdd kernel的具体实现，只介绍一些MindSpore里针对算子kernel所需要使用的一些基本API：

· 获取TwoInOneOutXPUKernel的input，output shape信息：

inputA_shape_ = AnfAlgo::GetInputDeviceShape(kernel_node, 0);
inputB_shape_ = AnfAlgo::GetInputDeviceShape(kernel_node, 1);
output_shape_ = AnfAlgo::GetOutputDeviceShape(kernel_node, 0);

· 获取算子属性信息，e.g. MatMul的转置信息：

bool trans_a = AnfAlgo::GetNodeAttr<bool>(kernel_node, TRANSPOSE_A);
bool trans_b = AnfAlgo::GetNodeAttr<bool>(kernel_node, TRANSPOSE_B);

· 在Launch里获得输入，输出memory的指针:

auto input_a = reinterpret_cast<float *>(inputs[0]->addr);
auto input_b = reinterpret_cast<float *>(inputs[1]->addr);
auto output = reinterpret_cast<float *>(outputs[0]->addr);

其他注意事项

和其他主流框架一样，MindSpore里也会有一些自己的标准和规范，下面介绍一些自己踩过的“坑”和大家分享：

· MindSpore里的Tensor的默认format是NCHW。如果你所添加的硬件后端所支持的格式不一样，要注意添加格式转换。格式转换可以在每个kernel的调用前后去做（效率差）， 也可以利用图优化pass, 以整个网络为视野来高效的插入格式转换节点。

· 精度转换，如果你的硬件平台只支持某些精度，例如fp16，而网络是fp32那就要注意精度的转换，精度转换和上述格式转换类似。精度转换可以在host端做，也可以在device端做（如果硬件支持）。

· 对于每个kernel的代码逻辑要区别哪些data是不变的，哪些是会变的，需要每次执行前重新初始化的，这样可以合理和正确的分配不同逻辑代码去相应 InitKernel(..) 或LaunchKernel(..)里去。

· 对于某些Python前端的LayerAPI，MindSpore有自己的一些属性设置，例如对于Denselayer:https://gitee.com/mindspore/mindspore/blob/r1.1/mindspore/nn/layer/basic.py的第2个输入矩阵是被转置过的：

self.matmul = P.MatMul(transpose_b=True)
self.batch_matmul = P.BatchMatMul(transpose_b=True)
self.activation = get_activation(activation) if isinstance(activation, str) else activation
if activation is not None and not isinstance(self.activation, (Cell, Primitive)):
    raise TypeError("The activation must be str or Cell or Primitive,"" but got {}.".format(activation))
self.activation_flag = self.activation is not None

· 对于Debug，可以添加下面的环境变量来帮助输出信息：

export GLOG_v=1
export SLOG_PRINT_TO_STDOUT=1

· 对于CMake文件的修改，可以在开始测试时把新添加的文件都添加在if (ENABLE_CPU)下，CPU对于MindSpore相当于一个基线平台，也就是说无论是你build GPU还是华为的D/Ascend target, CPU相关的文件都会被build。

总结

本文是作者根据自己对于MindSpore的理解，和大家分享的一个如何修改MindSpore源码来添加一个新硬件后端的技术文章。一个开源软件框架的成功，离不开社区的支持和各个厂商的参与，希望本文能启到一个抛砖引玉的作用，让更多的硬件厂商和开发者也能参与到MindSpore的生态发展中来。也欢迎大家拍砖来一起讨论！最后祝大家新年快乐！祝MindSpore在2021年也越来越好！越来越强！！

了解完MindSpore的关键技术是不是很心动呢！赶紧【点击链接】并【立即报名】，即可在 ModelArts 平台学习到一个经典案例掌握基于MindSpore的深度学习！

点击关注，第一时间了解华为云新鲜技术~