From f238111d30d52cb4b4fa051ae23856fda33fb7b6 Mon Sep 17 00:00:00 2001 From: xxhefei Date: Thu, 4 Jun 2026 17:47:17 +0800 Subject: [PATCH] =?UTF-8?q?Delete=20=E5=9F=BA=E4=BA=8EAI=20Agent=E5=BC=80?= =?UTF-8?q?=E5=8F=91=E8=8C=83=E5=BC=8F=E7=9A=84=E5=9B=BD=E4=BA=A7GPU?= =?UTF-8?q?=E5=A4=A7=E6=A8=A1=E5=9E=8B=E6=8E=A8=E7=90=86=E7=AE=97=E5=AD=90?= =?UTF-8?q?=E5=BA=93=E4=BC=98=E5=8C=96/baselines/Fused=20MoE=20Baseline=20?= =?UTF-8?q?=E5=85=A5=E9=97=A8=EF=BC=9A=E5=BF=AB=E9=80=9F=E8=B7=91=E9=80=9A?= =?UTF-8?q?=E6=9C=80=E5=B0=8F=E9=97=AD=E7=8E=AF=E6=95=99=E7=A8=8B.md?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ...入门：快速跑通最小闭环教程.md | 666 ------------------ 1 file changed, 666 deletions(-) delete mode 100644 基于AI Agent开发范式的国产GPU大模型推理算子库优化/baselines/Fused MoE Baseline 入门：快速跑通最小闭环教程.md diff --git a/基于AI Agent开发范式的国产GPU大模型推理算子库优化/baselines/Fused MoE Baseline 入门：快速跑通最小闭环教程.md b/基于AI Agent开发范式的国产GPU大模型推理算子库优化/baselines/Fused MoE Baseline 入门：快速跑通最小闭环教程.md deleted file mode 100644 index a26e6bd..0000000 --- a/基于AI Agent开发范式的国产GPU大模型推理算子库优化/baselines/Fused MoE Baseline 入门：快速跑通最小闭环教程.md +++ /dev/null @@ -1,666 +0,0 @@ -# Fused MoE Baseline 入门：快速跑通最小闭环教程 - -## 一、教程定位 - -本教程是参赛训练课程的 baseline 入门模块，主要帮助用户快速跑通 Fused MoE 的最小可运行流程。 - -完成本教程后，用户应能够完成源码编译、正确性测试和 benchmark 测试，并记录一份 baseline 性能结果，为后续算子优化提供对比基准。 - -## 二、学习目标 - -完成本模块后，你将能够： - -1. 理解 Fused MoE 推理算子及 int8 量化在大模型推理加速中的核心作用与优化意义； - -2. 完成环境配置和 Fused MoE baseline 源码准备； - -3. 跑通 Fused MoE 的最小闭环示例； - -4. 理解基于 Trition 与 MXMACA C++ 写Fused MOE 算子； - -5. 完成数值正确性测试，即验证 reference 计算、pybind 计算、Triton 计算这三种方式计算结果是否数值完全一致。 - - * reference：基于 PyTorch 架构在 CPU 上运行的**数值基准**实现； - - * pybind：将 MXMACA C++ 算子编译并封装为 Python 可调用的动态库，**实现复杂且迁移成本高**； - - * Triton：基于 Python 编写的高效 GPU Kernel，可利用 Agent 自动调优，**开发效率高、易于迁移**； - - * 要求 pybind 和 Triton 结果均与 reference 一致，鼓励参赛选手持续调优 Triton ，使其性能逼近甚至超越 pybind 性能。 - -6. 输出 benchmark 结果对比表。 - - -## 三、适用对象 - -**本模块适合以下人员：** - -* 参与基于 AI Agent 开发范式的国产 GPU 大模型推理算子库优化比赛的学生； - -* 对 GPU 推理算子性能优化感兴趣的开发者； - -* 需要了解 Fused MoE 推理性能的研究人员。 - - -**学习本模块前，需掌握以下基础知识：** - -* Python、C++ 编程基础； - -* PyTorch 基础； - -* GPU 推理基本概念。 - - -## 四、前置准备 - -开始实战前，请确认你已经完成以下准备： - -**环境准备：** - -* 已进入赛事专属镜像环境： - - 1. 获取算力券：[https://developer.metax-tech.com/activities/6](https://developer.metax-tech.com/activities/6) - - 2. 兑换算力和登录平台：[https://ai.gitee.com/](https://ai.gitee.com/) - - 进入 【费用中心】— 【算力券】，点击右上角 【兑换】。 - - ![image.png](https://origin.picgo.net/2026/06/04/image104df0b48e859950a.png) - - 3. 租用算力：点击顶部导航栏【算力市场】，选择【沐曦】，租用算力，建议优先选16G /32G 显存，如下图： - - ![image.png](https://origin.picgo.net/2026/06/04/image2e973eb9c33b02661.png) - - 4. 创建实例：如图安装专属镜像 - - ![image.png](https://origin.picgo.net/2026/06/04/image37ae95373fa3e2cc5.png) - - 5. 项目创作：进入我的算力容器，刚创建的实例默认开机状态，点击工具-lab开始项目创作，不用时记得关机！ - - -![image.png](https://origin.picgo.net/2026/06/04/image4db7649869ff4db84.png) - -小提示：也可以用本地 AI coding 工具 ssh 连接云服务器（能实现和AI对话即可） - -**工具准备：** - -* 已准备 Agent 工具； - -* 已配置 Token / API Key； - -* 已确认 Agent 可以正常调用模型。 - - -**代码准备：** - -* 已获取 Fused MoE Baseline 源码。 - - -## 五、知识预备 - -### 混合专家模型 MoE  - -参考链接：[https://huggingface.co/blog/zh/moe](https://huggingface.co/blog/zh/moe) - -混合专家模型（Mixed Expert Models，简称 MoE）是一种稀疏激活的模型结构。与稠密模型不同，MoE 在前向计算时只激活部分参数，从而在相近的计算预算下，获得更大的模型容量和更快的收敛速度。这也是当前大模型扩展参数规模的主流路径之一。 - -MoE 是一种基于 Transformer 架构的模型，由两个关键部分组成： - -* **稀疏 MoE 层：**这些层代替了传统 Transformer 模型中的前馈网络 (FFN) 层。MoE 层包含若干“专家”(例如 8 个)，每个专家本身是一个独立的神经网络。在实际应用中，这些专家通常是前馈网络 (FFN)，但它们也可以是更复杂的网络结构，甚至可以是 MoE 层本身，从而形成层级式的 MoE 结构。 - -* **门控网络或路由:** 这个部分用于决定哪些令牌 (token) 被发送到哪个专家。例如，在下图中，“More”这个令牌可能被发送到第二个专家，而“Parameters”这个令牌被发送到第一个专家。有时，一个令牌甚至可以被发送到多个专家。令牌的路由方式是 MoE 使用中的一个关键点，因为路由器由学习的参数组成，并且与网络的其他部分一同进行预训练。 - - -![image.png](https://origin.picgo.net/2026/06/04/image552fe46f30dca5fb8.png) - -MoE 的主要优势体现在预训练和训练阶段的算力效率上，但在推理阶段带来了新的**挑战**： - -* **显存占用高：**尽管每个 Token 只激活部分专家，但所有专家的参数仍需常驻显存。例如 Mixtral 8×7B 的实际参数量接近 47B，而非 8×7B 的简单叠加，因为除 FFN 外的大多数参数在各专家间是共享的。 - -* **计算不均衡：**不同专家接收的 Token 数量可能不同，导致计算负载不均，容易形成局部瓶颈。 - -* **访存压力大：**专家权重、Token 路由、Permute / Unpermute 都会带来额外的显存读写，而不仅仅是计算量的减少。 - - -因此，在推理阶段对 MoE 算子进行系统级优化​具有非常重要的意义，在不改变模型行为和数值精度的前提下，通过更合理的调度、融合与访存优化，缓解稀疏性带来的碎片化和内存压力。 - -### INT8 模型量化： - -参考链接：[https://www.cnblogs.com/chentiao/p/18315901](https://www.cnblogs.com/chentiao/p/18315901) - -INT8 量化是一种用于减少模型大小和计算复杂度的方法，特别是在深度学习模型中。它通过将浮点数（通常是 FP32）转换为 8 位整数 (INT 8)，从而减少内存使用和提高计算效率。 - -## 六、项目实践1-算力平台 baseline 源码部署 - -**项目目标：**在算力平台上拉取 fused\_moe 的 baseline 源码，快速跑通最小闭环，完成 pybind 接口对接、正确性验证和 benchmark 测试，并记录一份 baseline 性能结果，为后续算子优化提供对比基准。 - -### 步骤 1：检查运行环境 - -**目标：**确认当前环境满足本模块运行要求，包括编译器、MXMACA 工具链及 Python 依赖库。 - -**操作：**检查 Python、编译工具、MXMACA 编译器及关键 Python 包（numpy、torch、triton）是否存在。 - -**命令示例：** - -```apl -python --version # 检查Python版本，Python ≥ 3.8 -g++ --version # 确认 C++ 编译器存在 -which mxcc # 确认 MACA 编译器存在 - - -# 检查 Python 依赖 -python - << 'EOF' -import sys -deps = ["numpy", "torch", "triton"] -missing = [] -for d in deps: - try: - __import__(d) - except ImportError: - missing.append(d) -if missing: - print(f"[ERROR] Missing packages: {missing}") - sys.exit(1) -else: - print("[OK] numpy, torch, triton are installed.") -EOF -``` - -**预期结果：** - -* Python 3.12.11 - -* g++ (Ubuntu 13.3.0-6ubuntu2~24.04.1) 13.3.0 - -* /opt/maca/mxgpu\_llvm/bin/mxcc - -* \[OK\] numpy, torch, triton are installed. - - -**常见问题：** - -| 报错 | 原因 | 解决办法 | -| --- | --- | --- | -| `g++：command not found` | 未安装 C++ 编译工具 | `apt update && apt install -y build-essential` | -| `Python 3.6.x/ Python 3.7.x` | Python 版本过低 | `conda install python=3.12` （推荐3.10+) | -| `ModuleNotFoundError: numpy` | 当前 Python 缺少依赖 | `pip install numpy torch triton` | - -### 步骤 2：进入项目目录 - -**目标：**进入本模块所需的源码目录。 - -**操作：**切换到指定项目路径。 - -**命令示例：** - -```apl -cd /root/Project/fused_moe # 这里需要替换成自己的项目路径 -``` - -**预期结果：** - -终端提示符路径显示为 fused\_moe 项目路径： - -* (base) root@0a5a9d0c0f06:~/Project/fused\_moe# - - -### 步骤 3：pybind 编译 - -**目标：**将用 C++ 编写的 fused\_moe 算子编译为 Python 可调用的 pybind 模块。 - -**操作：**运行 `fused_moe/scripts/build_fused_moe_i8_tn_pybind.sh` 脚本 - -**命令示例：** - -```apl -bash scripts/build_fused_moe_i8_tn_pybind.sh -``` - -切换 Python 环境命令示例： - -```apl -PYTHON_BIN=/path/to/python bash scripts/build_fused_moe_i8_tn_pybind.sh -``` - -**预期结果：** - -编译成功无报错，终端显示： - -* \[SUCCESS\] /root/Project/fused\_moe/standalone/fused\_moe\_i8\_tn/build/fused\_moe\_i8\_tn\_ pybind.so - - 且成功生成 `fused_moe/standalone/fused_moe_i8_tn/build/fused_moe_i8_tn_pybind.cpython-310-x86_64-linux-gnu.so` 文件 - - **常见问题：** - - | 报错 | 原因 | 解决办法 | - | --- | --- | --- | - | `Python.h: No such file or directory` | Python 头文件路径未找到 | 确认 `PYTHON_BIN` 路径正确，脚本自动探测 `sysconfig.get_path('include')` | - | `libpython3.x.so: cannot find` | 链接时找不到 Python 库 | 1、执行 `find $CONDA_PREFIX -name "libpython3*.so*"`查找绝对路径
2、将该路径赋值给 `LIBPYTHON_PATH` | - | `recompile with -fPIC` | 编译未开启位置无关代码 | 确保 `mxcc`/ `g++`编译参数中有 `-fPIC` | - | `permission denied` | 无脚本执行权限 | `chmod +x scripts/*.sh` | - | `undefined reference to Py_...` | Python 版本不匹配 | 确认编译脚本中`PYTHON_BIN`路径与当前运行的 Python 环境完全一致 | - - ### 步骤 4：正确性测试 - - **目标：**验证 reference 计算、pybind 计算、Triton 计算这三种方式计算结果的数值是否完全一致。 - - **操作：**运行 `fused_moe/scripts/run_fused_moe_i8_tn_pybind_test.sh` 脚本 - - **命令示例：** - - ```apl - bash scripts/run_fused_moe_i8_tn_pybind_test.sh --backend all # 运行全部计算方式 - - # --backend：选择计算方式 - # 只测 pybind： - bash scripts/run_fused_moe_i8_tn_pybind_test.sh --backend pybind - # 只测 triton： - bash scripts/run_fused_moe_i8_tn_pybind_test.sh --backend triton - # 只测 reference: - bash scripts/run_fused_moe_i8_tn_pybind_test.sh --backend reference - ``` - - **预期结果：** - - 编译成功无报错，输出示例如下： - - > pybind:fused\_moe\_i8\_tn\_topk1 passed: rows=256, cols=128, sample C\[0\]=0.69531, C\[last\]=-0.44531 - - > pybind:fused\_moe\_i8\_tn\_topk2 passed: rows=512, cols=128, sample C\[0\]=-0.57813, C\[last\]=-0.49805 - - > pybind:fused\_moe\_i8\_tn\_topk3 passed: rows=384, cols=128, sample C\[0\]=-1.08594, C\[last\]=-0.33594 - - > reference:fused\_moe\_i8\_tn\_topk1 passed: rows=256, cols=128, sample C\[0\]=0.6934, C\[last\]=-0.4451 - - > reference:fused\_moe\_i8\_tn\_topk2 passed: rows=512, cols=128, sample C\[0\]=-0.5768, C\[last\]=-0.4975 - - > reference:fused\_moe\_i8\_tn\_topk3 passed: rows=384, cols=128, sample C\[0\]=-1.0875, C\[last\]=-0.3362 - - > triton:fused\_moe\_i8\_tn\_topk1 passed: rows=256, cols=128, sample C\[0\]=0.69337, C\[last\]=-0.44513 - - > triton:fused\_moe\_i8\_tn\_topk2 passed: rows=512, cols=128, sample C\[0\]=-0.57678, C\[last\]=-0.49749 - - > triton:fused\_moe\_i8\_tn\_topk3 passed: rows=384, cols=128, sample C\[0\]=-1.08748, C\[last\]=-0.33618 - - **结果解释：** - - * “pybind/reference/Triton”：三种计算方式； - - * “fused\_moe\_i8\_tn\_topk1/2/3 passed”：测试算子通过数值校验，数值误差在允许范围内且无明显异常，否则会报错 FAILED； - - * ”rows=... , cols=...“：输出 Tensor 的行和列的大小； - - * ”sample C\[0\]=... , C\[last\]=...“：首尾采样值，用于辅助定位数值偏差，不作为精度判定依据。 - - - **常见问题：** - - | 报错 | 原因 | 解决办法 | - | --- | --- | --- | - | `ModuleNotFoundError: fused_moe_i8_tn_pybind` | pybind 模块未编译或未加入 `PYTHONPATH` | 回到步骤 3，确认 `.so`已生成；执行 `export PYTHONPATH=/root/Project/fused_moe:$PYTHONPATH` | - | `FAILED: max abs diff too large` | 数值误差超过阈值 | 检查 scale 是否应用位置错误；确认 TopK 索引与权重是否一致 | - | `FAILED: shape mismatch` | 输出张量形状不一致 | 检查 Token Permute / Unpermute 逻辑；确认 expert 维度对齐 | - | `FAILED: NaN or Inf detected` | 溢出或未初始化内存 | 检查 INT8 乘加是否溢出；确认 GEMM 输出是否反量化 | - | 终端长时间无输出 | Kernel 死锁或 Launch 失败 | 减小测试 shape；检查是否触发 MACA 硬件限制 | - - ### 步骤5：性能测试 - - **目标：**输出 benchmark 结果对比表 - - **操作：**运行 `fused_moe/scripts/run_fused_moe_i8_tn_benchmark.sh` 脚本 - - **命令示例：** - - ```apl - bash scripts/run_fused_moe_i8_tn_benchmark.sh --backend all --warmup 5 --iters 20 - # --backend：选择计算方式 - # --warmup：设置预热次数 - # --iters：设置迭代次数 - ``` - - **预期结果：** - - 编译成功无报错，输出示例如下： - - > pybind:fused\_moe\_i8\_tn\_topk1 benchmark: avg\_ms=0.308978, TOPS=0.027149, warmup=5, iters=20 - - > pybind:fused\_moe\_i8\_tn\_topk2 benchmark: avg\_ms=0.304500, TOPS=0.055098, warmup=5, iters=20 - - > pybind:fused\_moe\_i8\_tn\_topk3 benchmark: avg\_ms=0.297775, TOPS=0.042256, warmup=5, iters=20 - - > reference:fused\_moe\_i8\_tn\_topk1 benchmark: avg\_ms=1685.43, TOPS=0.000005, warmup=5, iters=20 - - > reference:fused\_moe\_i8\_tn\_topk2 benchmark: avg\_ms=3384.52, TOPS=0.000005, warmup=5, iters=20 - - > reference:fused\_moe\_i8\_tn\_topk3 benchmark: avg\_ms=2532.14, TOPS=0.000005, warmup=5, iters=20 - - > triton:fused\_moe\_i8\_tn\_topk1 benchmark: avg\_ms=19.013421, TOPS=0.000441, warmup=5, iters=20 - - > triton:fused\_moe\_i8\_tn\_topk2 benchmark: avg\_ms=16.745914, TOPS=0.001002, warmup=5, iters=20 - - > triton:fused\_moe\_i8\_tn\_topk3 benchmark: avg\_ms=19.630328, TOPS=0.000641, warmup=5, iters=20 - - **结果解释：** - - * “pybind/reference/Triton”：三种计算方式； - - * “fused\_moe\_i8\_tn\_topk1/2/3”：分别对应选择前 1 / 2 / 3 个专家场景下的 MoE 算子； - - * “avg\_ms”：平均算子执行耗时（毫秒），这里不计算预热时间，只计算正式迭代的时间； - - * “TOPS”：Tera Operations Per Second，本次 MoE 算子的总运算量 / 实际耗时； - - * “warmup=5, iters=20”：预热轮数和正式迭代数。 - - -**常见错误：** - -| 报错 | 原因 | 解决办法 | -| --- | --- | --- | -| `ModuleNotFoundError: fused_moe_i8_tn_pybind` | pybind 模块未编译或未加入 `PYTHONPATH` | 回到步骤 3，确认 `.so`已生成；执行 `export PYTHONPATH=/root/Project/fused_moe:$PYTHONPATH` | -| 终端长时间无输出 | Kernel 死锁或 MACA 驱动异常 | 减小测试 shape；重启容器或设备 | -| avg\_ms 异常抖动（±50%） | 其他进程占用 GPU | 关闭其他占用显存的进程，单机单任务运行 | - -## 七、项目实践2-Kernel Swift 智能算子迁移系统自动调优 - -系统链接：[https://deeplink.org.cn/kernelswift/task](https://deeplink.org.cn/kernelswift/task) - -**项目目标：**基于 KernelSwift 智能算子迁移系统，对 fused\_moe 算子进行在线自动调优。通过输入标准 PyTorch 代码，一键生成适配沐曦硬件的高性能实现；并利用算子广场复用与可视化管理功能，高效完成算子优化与全流程追踪。 - -### 步骤1：复用算子广场的 fused\_moe 算子进行二次优化 - -**目标：**通过提交算子广场的 fused\_moe 算子代码发起自动优化流程，实现二次优化 - -**操作：** - -1. 进入算子广场：点击左侧导航栏 【算子广场】，进入算子列表页 - - 搜索 fused\_moe 算子，复制 `input_code.py` 代码，也可直接复制以下代码： - - ```python - import torch - import torch.nn as nn - import torch.nn.functional as F - - - class Model(nn.Module): - """ - Reference PyTorch MoE forward (no fused kernels). - Expects inputs: - hidden_states: (M, in_size) - w1: (E, hidden_size, in_size) where hidden_size = 2 * up_dim - w2: (E, out_size, up_dim) - topk_weights: (M, top_k) - topk_idx: (M, top_k) - top_k: int - renormalize: bool - """ - - def __init__(self): - super().__init__() - - def forward( - self, - hidden_states: torch.Tensor, - w1: torch.Tensor, - w2: torch.Tensor, - topk_weights: torch.Tensor, - topk_idx: torch.Tensor, - top_k: int, - renormalize: bool = True, - ) -> torch.Tensor: - if renormalize: - topk_weights = topk_weights / topk_weights.sum(dim=-1, keepdim=True) - - seq_len = hidden_states.size(0) - out_size = w2.size(1) - output = hidden_states.new_zeros(seq_len, out_size) - num_experts = w1.size(0) - - # Accumulate expert contributions - for eid in range(num_experts): - token_idx, k_idx = torch.where(topk_idx == eid) - if token_idx.numel() == 0: - continue - gate_proj, up_proj = w1[eid].chunk(2, dim=0) - down_proj = w2[eid] - tmp = F.linear(hidden_states[token_idx], gate_proj) - tmp = F.silu(tmp) * F.linear(hidden_states[token_idx], up_proj) - tmp = F.linear(tmp, down_proj) - tmp = tmp * topk_weights[token_idx, k_idx, None] - output.index_add_(0, token_idx, tmp.to(output.dtype)) - return output - - - # Hyperparameters - seq_len = 128 - in_size = 128 - hidden_size = 256 # 2 * up_dim - out_size = 128 - num_experts = 32 - top_k = 4 - - dtype = torch.float16 - - def get_inputs(): - hidden_states = (torch.rand(seq_len, in_size, dtype=dtype) - 0.5) / 2 - w1 = (torch.rand(num_experts, hidden_size, in_size, dtype=dtype) - 0.5) / 2 - w2 = (torch.rand(num_experts, out_size, hidden_size//2, dtype=dtype) - 0.5) / 2 - routing_logits = (torch.rand(seq_len, num_experts, dtype=dtype) - 0.5) / 2 - routing_weights = torch.softmax(routing_logits, dim=-1, dtype=torch.float32) - topk_weights, topk_idx = torch.topk(routing_weights, top_k, dim=-1) - return [hidden_states, w1, w2, topk_weights, topk_idx, top_k, True] - - def get_init_inputs(): - return [] - ``` - -2. 进入新建任务页：点击左侧导航栏【新建任务】 ，进入算子提交页面。 - -3. 编写算子代码：在 `model.py` 编辑器中输入刚刚复制的 fused\_moe 算子代码。 - - 如果想自行编写算子代码，需严格遵循标准格式规范：输入代码必须包含 `class Model` 定义算子实现，`get_init_inputs` 和 `get_inputs` 定义测试用例，确保优化过程可验证算子正确性。 - -4. 配置优化参数 - - * 指定任务名称：支持字母、下划线、数字组合，示例：fused\_moe\_01 - - * 选择适配硬件：算子需要适配的目标硬件厂商及型号，建议：沐曦 - - * 最大演化轮次：优化算法迭代次数，取值范围40-400，建议默认40，复杂算法可提高至100+ - -5. 提交优化任务：点击右下角 \[优化\] 按钮，系统将提交任务并进入 \[生成中\] 状态 - - -![image.png](https://origin.picgo.net/2026/06/04/image659a3f15b96be22c1.png) - -完成上述步骤将看到如下界面： - -![image.png](https://origin.picgo.net/2026/06/04/image75c4ccf75e90cf428.png) - -### 步骤2：任务查看与结果管理 - -**目标：**在新建优化任务后可追踪任务进度，获取优化结果 - -**操作：** - -1. 查看任务列表：点击左侧【任务查看】，可看到所有提交的优化任务 - - * 任务状态：排队中、环境初始化、算子预编译、精度验证、性能调优、已完成、失败 - - * 任务信息：任务名称、进度、创建时间、适配硬件 - - * 操作按钮：查看详情、删除任务 - - - ![image.png](https://origin.picgo.net/2026/06/04/image75c4ccf75e90cf428.png) - -2. 追踪任务进度：当前任务状态为【运行中】时，点击任务列表中的【查看详情】按钮，追踪任务进度： - - * 左侧：原始算子代码（输入的 `input_code.py`） - - * 右侧：任务进度条，包含以下阶段： - - 1. 环境初始化：准备目标硬件编译环境 - - 2. 算子预编译：验证算子代码是可正常编译 - - 3. 精度验证：验证优化后算子输出与原始算子误差的可接受范围 - - 4. 性能调优：按设定的演化轮次迭代优化算子性能 - - - * 顶部：任务名称、创建/更新时间、适配硬件、当前轮次进度 - - -![image.png](https://origin.picgo.net/2026/06/04/image9e9b23d9b25ddfe25.png) - -3. 获取优化结果：当前任务状态为【已完成】时，可在详情页查看优化结果： - - * 优化后算子代码支持一键复制 - - * 算子加速比（基准耗时 / 优化后耗时）、性能数据（如延迟、吞吐量） - - * 可点击【Diff 对比】查看优化前后代码差异，理解性能提升逻辑 - - - ![image.png](https://origin.picgo.net/2026/06/04/image1083021a27904294b1.png) - -4. 任务异常处理 - - * 任务失败：查看错误日志，常见原因包括代码不符合规范、测试用例错误、硬件适配问题，修改后重新提交任务； - - * 排队时间长：可调整提交时间，或联系平台管理员确认资源状态。 - - ---- - -## 八、Agent使用说明 - -在本模块中，Agent可以帮助你完成以下任务： - -1. **环境检查** - - ```plaintext - 我正在算力平台部署 fused_moe_baseline 源码。 - 需要的环境信息如下： - - Python 3.12 - - g++ 13.3.0 - - mxcc 已安装 - - numpy / torch / triton 已安装 - - 请帮我确认： - 1. 当前环境是否满足编译与运行要求？ - 2. 是否有潜在的不兼容风险（如 Python 与 libpython 版本）？ - ``` - -2. **运行测试** - - ```plaintext - 请帮我运行 scripts/run_fused_moe_i8_tn_pybind_test.sh 脚本 - ``` - -3. **分析结果** - - ```plaintext - 这是性能测试结果： - pybind: avg_ms=0.30, TOPS=0.027 - triton: avg_ms=19.01, TOPS=0.0004 - reference: avg_ms=1685, TOPS=0.000005 - - 请分析： - 1. 为什么 pybind 比 Triton 快这么多？ - 2. TOPS 指标是否可信？ - 3. 当前结果是否已经具备提交价值？ - ``` - -4. **报错检查** - - ```plaintext - 编译 pybind 时出现以下错误： - /usr/bin/ld: cannot find -lpython3.10 - - 已知： - - 使用的是 Conda Python 3.10 - - mxcc 编译正常 - - 请一步一步告诉我： - 1. 错误原因是什么？ - 2. 如何用 find 命令定位 libpython3.10.so？ - 3. 如何在 build_fused_moe_i8_tn_pybind.sh 中正确指定路径？ - ``` - -5. **代码理解** - - ```plaintext - 请帮我梳理释 benchmark_fused_moe_i8_tn.py 代码整体框架 - ``` - -6. **KernelSwift 系统搜索算子** - - -```plaintext -请帮我在算子广场检索 fused_moe 算子 -``` - -## 九、常见问题与注意事项 - -### 算力平台 basline 源码部署项目： - -1. 环境准备与依赖问题 - - * 确保算力平台已正确安装 Python 和 C++、MACA 编译器及相关运行时库，避免因环境缺失导致编译失败； - - * 镜像环境使用 Conda Python​ 作为默认运行环境，避免系统 Python 与 Conda Python 混用，防止 `Python.h`或 `libpython`路径错误。 - -2. pybind 编译与链接 - - * 若`Python.h not found`，请检查脚本中`PYTHON_INCLUDE`是否指向当前 Python 的 `include`目录； - - * 若`libpython not found`，请直接指定 Conda 下的`**libpython3.x.so**`绝对路径，避免链接系统静态库； - - * 编译 `pybind`模块时，务必开启 `-fPIC`，否则会出现 `recompile with -fPIC`错误。 - -3. 性能测试建议 - - * benchmark 应在关闭其他占用 GPU 的任务​后执行，避免干扰性能数据； - - * 多次运行取平均值，避免单次抖动影响结果； - - * 性能对比应基于相同随机种子、相同 shape、相同 TopK、相同 batch size​的条件下进行，降低误差。 - - -### Kernel Swift 智能算子迁移系统自动调优项目： - -1. 代码规范问题 - - 输入代码需符合以下标准格式： - - * `class Model`，表示待优化的算子实现； - - * `def get_init_inputs`，表示 module init 的输入测试样例； - - * `def get_inputs`，表示 module forward 的输入测试样例。 - -2. 性能优化建议 - - * 对于复杂算子，可适当提高最大演化轮次（如 100-200），获得更高加速比； - - * 优先选择算子广场中已有优化案例的算子类型，降低适配失败概率。 - -3. 硬件适配问题 - - * 提交任务前确认目标硬件支持的算子类型； - - * 优化失败时，可尝试更换适配硬件，或调整算子实现逻辑。 - - -## 九、下一步学习建议 - -完成本模块后，建议继续学习以下内容： - -1. **研读 fused\_moe源码：**理解代码的底层逻辑，可尝试修改 `build_fused_moe_i8_tn_pybind.sh`中的编译参数，观察其对 `avg_ms` 的影响； - -2. **算子优化基础：**了解如何分析 Kernel 性能瓶颈； - -3. **性能对比分析：**将 baseline 结果与优化后的结果进行对比分析，明确后续优化方向。 \ No newline at end of file