自定义CPU算子的实现和使用
算子(Operator,简称Op)是构建神经网络的基础组件。在网络模型中,算子对应层中的计算逻辑,例如:卷积层(Convolution Layer)是一个算子;全连接层(Fully-connected Layer, FC layer)中的权值求和过程,是一个算子。学会定制化算子的C++实现可以更深入地了解神经网络运行的底层逻辑。
- 张量(Tensor),可以理解为多维数组,可以具有任意多的维度,不同Tensor可以有不同的数据类型(dtype)和形状(shape)。
- 算子(Operator)也简称为OP,负责对Tensor执行各种运算处理,可以理解为一个计算函数,函数的输入和输出都为Tensor。在PaddlePaddle中定义了大量的Operator来完成常见神经网络模型的Tensor运算处理,如conv2d, pool2d, Relu等
一、底层原理
PaddlePaddle中所有Op算子都会注册在OpInfoMap中,在Python端调用Op执行运算操作时,通过TraceOp在OpInfoMap找到对应的Op并调用其计算kernel ,完成计算并返回结果。
换句话说,因为硬件的不同,相同的算子需要不同的kernel,比如你写了一个在CPU上执行的算子,那么这个算子只能在CPU上运行,要想在别的计算平台上运行,还需要实现该平台的kernel。这篇文章讲的主要是怎么实现一个能在CPU上运行的算子。
例如,在动态图模式执行Y=relu(X)时,框架会通过TraceOp来完成:
- 调用relu算子的forward计算函数完成Y的计算
- 创建backward所需的Op算子以及输入输出变量(此时不进行计算,待后续调用backward()后才会进行反向计算)
通过上面展示的底层原理,其实不难发现,一个算子最关键的部分就是前向传播与反向计算,这两个部分是算子的核心。
在动态图模式执行Y=custom_ relu(X)时:使用C++自定义算子与原生算子的执行流程相同。
但和原生算子区别是原生算子随框架一起编译;自定义算子可单独编译。但最后都会注册到OpInfoMap中。
二、C++自定义算子格式
1.基本格式
在编写运算函数之前,需要引入 PaddlePaddle 扩展头文件:
#include "paddle/extension.h"
算子运算函数有特定的函数写法要求,在编码过程中需要遵守,基本形式如下:
std::vector<paddle::Tensor> OpFucntion(const paddle::Tensor& x, ..., int attr, ...) {
...
}
这一部分其实就是固定格式,所有用C++编写的Paddle算子都需要使用这个格式。换句话说,这是Paddle提供的算子接口,只需要按照这个接口定义算子即可。
2.适配多种数据类型
在实际开发中,一个算子往往需要支持多种数据类型,这时就需要用到模板类。在上面接口上方定义:
template <typename data_t>
需要注意的是:模板参数名
data_t
用于适配不同的数据类型,不可更改为其他命名,否则会编译失败
然后通过 switch-case
语句实现支持多种数据类型的操作:
switch(x.type()) {
case paddle::DataType::FLOAT32:
...
break;
case paddle::DataType::FLOAT64:
...
break;
default:
PD_THROW(
"function ... is not implemented for data type `",
paddle::ToString(x.type()), "`");
}
如果不想使用 switch-case
来实现,也可以使用官方提供的dispatch宏,如PD_DISPATCH_FLOATING_TYPES
3.维度与类型的推导
PaddlePaddle
框架同时支持动态图与静态图的执行模式,在静态图模式下,组网阶段需要完成 Tensor shape
和 dtype
的推导,从而生成正确的模型描述,用于后续Graph
优化与执行。因此,除了算子的运算函数之外,还需要实现前向运算的维度和类型的推导函数。
维度推导(InferShape
)和类型推导(InferDtype
)的函数写法也是有要求的,格式如下:
需要注意的是,输入输出参数与forward计算函数的输入输出Tensor应该按顺序一一对应:
对于仅有一个输入Tensor和一个输出Tensor的自定义算子,如果输出Tensor和输入Tensor的shape和dtype一致,可以省略InferShape
和InferDtype
函数的实现,但其他场景下均需要实现这两个函数。
4.自定义算子注册
最后,需要调用 PD_BUILD_OP
系列宏,构建算子的描述信息,并关联前述算子运算函数和维度、类型推导函数。其格式如下:
PD_BUILD_OP(op_name)
.Inputs({"X"})
.Outputs({"Out"})
.SetKernelFn