前言

• roofline 分析是一种简单评估当前计算任务对当前平台计算/访存能力的利用情况的方法，可以帮助分析算子的优化方向和优化潜力。mperf 实现了安卓 mali/adreno 两种 gpu 平台的 roofline 分析能力，下面以 mali 平台为例，简单介绍一下操作步骤。

编译和集成

• 下载repo代码

  git clone https://github.com/MegEngine/mperf.git
  git submodule update --init --recursive
  

• 编译安装

  ./android_build.sh -g mali
  cmake --build <mperf_build_dir> --target install
  

• 项目集成

  set(mperf_DIR /path/to/your/installed/mperfConfig.cmake)
  find_package(mperf REQUIRED)
  target_link_libraries(your_target mperf::mperf)
  

  关于编译和集成部分，详见 mperf readme

获取 roofline 数据

• 获取 opencl 算子执行过程的 GFLOPs 和 GBPs

  // define the measurement set
  mperf::GpuCounterSet gpu_set = {
      mperf::GpuCounter::GFLOPs,
      mperf::GpuCounter::GBPs,
  };
  mperf::XPMU xpmu(gpu_set);
  xpmu.run();
  
  ... // add your opencl kernel calls, for
  
  xpmu.gpu_profiler()->set_kern_time(kern_time_in_nano_seconds);
  auto measurements = xpmu.sample().gpu;
  // print measured result
  for (auto iter = measurements->begin(); iter != measurements->end(); iter++) {
      printf("%s:%f\n", ...);
  }
  xpmu.stop();
  

  详细测试样例，参见 mali_gpu_pmu_test

• 获取当前 gpu 平台的峰值计算能力和访存带宽

  • 将编译阶段得到的 build_dir/apps目录下的 gpu_inst_gflops_latency 和 gpu_spec_dram_bw 拷贝到手机上执行，即可拿到 gpu 的实际峰值算力和峰值带宽

  峰值性能测试的详细逻辑，参见 gpu_inst_gflops_latency 和 gpu_spec_dram_bw

绘制 roofline

• 上一步拿到了 opencl 算子执行过程的 GFLOPs 和 GBPs 和 gpu 的实测峰值算力和峰值带宽，现在可以借助 mperf plot_roofline 脚本绘制 roofline 曲线：

  • 编辑 roofline_data.txt:

    # params for plotting roofs, gpu peak calculation and memory ability
    memroofs 26.3
    mem_roof_names 'DRAM' 
    comproofs 1159         
    comp_roof_names 'FMA'   
    
    # omit the following if only plotting roofs
    # the measured data for your opencl kernel call, AI is measured_GFLOPs/measrured_GBPs
    AI 15.5                 
    FLOPS 261               
    labels 'FMA, DRAM' 
    

  • 执行 python 脚本:

    python3 plot_roofline.py ./roofline_data.txt
    

    *   比如上面得到的 roofline 曲线中，算子的计算访存比小于机器平衡点(通常将屋檐和屋顶转折点的横坐标称为机器平衡点)，所以可以初步判断该算子在该平台上主要 bound 在访存部分，平台的算力资源对于该算子来说还是有富裕的。并且可以根据算子的实际带宽跟机器的峰值带宽的比值，来评估后续访存优化的空间有多大。
    *   同时提醒一点，在获取算子 GBPs 的时候，我们是拿到了算子实际发生的 ddr 访存量的，这个访存量可以跟算子输入输出变量总的内存占用大小做一个比较，从而衡量出算子有多少重复访存没有被 cache 和寄存器 cover 住，而产生的对 ddr 的重复访问。如果观察到 ddr 访存量显著大于输入输出总的内存占用，那么我们就需要去审视算子的访存逻辑是不是不够 cache 友好，是不是有些重复访存可以通过加一些缓存逻辑来避免等等。

拓展思考

• 通过上面的步骤，我们获取了 roofline 数据，这可以帮助我们判断当前算子在当前平台是计算 bound 还是访存 bound，以及相对峰值算力和峰值带宽的 gap 大小。但是，单单依靠 roofline 分析又很难进一步具化瓶颈的位置和缓解的对策，比如访存 bound 的原因是因为哪一级存储的访存效率低下？计算 bound 是因为指令依赖还是某一类 alu 硬件资源紧张？
• 为了解决这些问题，mperf 还做了一些硬件参数探测、PMU数据加工分析、opencl kernel 的动静态代码分析(动静态代码分析的功能，还在内部迭代开发中，尚未推到开源 repo 中)等尝试，尽可能让算子性能分析和优化更加有迹可循，或者说心智负担更低。

附：

更多 MegEngine 信息获取，您可以：查看文档和 GitHub 项目，或加入 MegEngine 用户交流 QQ 群：1029741705。欢迎参与 MegEngine 社区贡献，成为 Awesome MegEngineer，荣誉证书、定制礼品享不停。