AI編譯器開發(fā)指南

定　價(jià)：￥119.00

作　者：	汪巖著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787111716747	出版時(shí)間：	2022-12-01	包裝：	平裝-膠訂
開本：	16開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《AI編譯器開發(fā)指南》結(jié)合專用AI加速器和GPGPU兩類芯片架構(gòu)，系統(tǒng)介紹了AI編譯器的基本框架和開發(fā)流程，著重論述了在AI編譯器開發(fā)過(guò)程中，針對(duì)這兩類架構(gòu)需要重點(diǎn)考慮的實(shí)現(xiàn)方法。全書共分為7章，內(nèi)容涵蓋了以TVM為代表的開源AI編譯器實(shí)現(xiàn)分析和定制化方法，以及GPGPU編譯器后端相關(guān)設(shè)計(jì)方法。在介紹AI編譯器一般原理的同時(shí)，書中通過(guò)對(duì)開源編譯器項(xiàng)目的源代碼分析，使讀者能通過(guò)實(shí)例對(duì)AI編譯器開發(fā)過(guò)程有更直觀的認(rèn)識(shí)。《AI編譯器開發(fā)指南》填補(bǔ)了AI編譯器開發(fā)類書籍的空白，可作為從事AI軟硬件設(shè)計(jì)、開發(fā)人員的參考用書，也可作為普通高等院校智能科學(xué)與技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)等專業(yè)的本科生和研究生的教輔書籍。

作者簡(jiǎn)介

　　汪巖博士，高級(jí)工程師。目前在美國(guó)硅谷某AI芯片創(chuàng)業(yè)公司從事編譯器開發(fā)。曾在聯(lián)發(fā)科、索尼移動(dòng)、摩托羅拉等公司從事軟件研發(fā)管理工作，歷任技術(shù)主管、研發(fā)經(jīng)理、研發(fā)高級(jí)經(jīng)理、軟件總監(jiān)等職務(wù)，在無(wú)線通信、Android系統(tǒng)、編譯器等軟件領(lǐng)域有17年工作經(jīng)驗(yàn)，曾主持30余款手機(jī)產(chǎn)品的Android框架軟件開發(fā)，參與或主持多款A(yù)I類芯片編譯器的開發(fā)，并有多款芯片流片經(jīng)驗(yàn)。發(fā)表論文20余篇，授權(quán)專利20余項(xiàng)。

圖書目錄

前言
第1章 AI編譯器基礎(chǔ)
1.1AI編譯器概述
1.1.1AI芯片及其分類
1.1.2AI編譯器的結(jié)構(gòu)與特征
1.2常用AI編譯器介紹
1.2.1TVM整體架構(gòu)
1.2.2TensorFlow XLA整體架構(gòu)
1.2.3Glow整體架構(gòu)
1.3LLVM編譯器基礎(chǔ)
1.3.1LLVM前端工作流程
1.3.2LLVM IR格式和語(yǔ)法
1.3.3LLVM后端工作流程
1.4GPGPU編譯器基礎(chǔ)
1.4.1GPGPU編譯器工作流程
1.4.2Clang對(duì)CUDA的處理
1.4.3GPGPU編譯器的IR優(yōu)化
第2章開源AI編譯器實(shí)現(xiàn)分析
2.1TVM的系統(tǒng)設(shè)計(jì)
2.1.1TVM的圖級(jí)優(yōu)化
2.1.2TVM的計(jì)算與調(diào)度
2.1.3TVM的自動(dòng)調(diào)優(yōu)框架
2.2TensorFlow XLA的系統(tǒng)設(shè)計(jì)
2.2.1XLA的聚類過(guò)程
2.2.2XLA的IR設(shè)計(jì)和編譯過(guò)程
2.2.3開啟XLA的方式
2.2.4XLA JIT的圖優(yōu)化過(guò)程
2.2.5XLA JIT的代碼生成
2.3Glow的系統(tǒng)設(shè)計(jì)
2.3.1Glow的高階IR
2.3.2Glow的低階IR
2.3.3Glow的量化方法
2.3.4Glow的后端設(shè)計(jì)
2.4AI編譯器特性總結(jié)
2.4.1AI編譯器的多階IR設(shè)計(jì)
2.4.2AI編譯器的前端優(yōu)化
2.4.3AI編譯器的后端優(yōu)化
第3章定制化AI編譯器設(shè)計(jì)與實(shí)現(xiàn)
3.1定制化AI編譯器設(shè)計(jì)框架
3.2TVM的高階中間表示
3.2.1TVM高階中間表示的表達(dá)
3.2.2TVM高階中間表示的數(shù)據(jù)表示實(shí)現(xiàn)
3.2.3TVM高階中間表示的算子實(shí)現(xiàn)
3.3TVM的低階中間表示
3.3.1TVM低階中間表示的表達(dá)
3.3.2TVM代碼生成的定制化開發(fā)
3.3.3TVM運(yùn)行時(shí)的定制化開發(fā)
3.4TVM的前后端優(yōu)化
3.4.1TVM pass的功能與實(shí)現(xiàn)
3.4.2TVM的前端優(yōu)化
3.4.3TVM的后端優(yōu)化
第4章 GPGPU編譯器后端設(shè)計(jì)
4.1LLVM后端開發(fā)流程
4.1.1異構(gòu)計(jì)算程序工作流程
4.1.2LLVM后端執(zhí)行流程
4.1.3LLVM中的pass及其管理機(jī)制
4.2指令選擇
4.2.1指令選擇原理與實(shí)現(xiàn)方式
4.2.2基于SelectionDAG的指令選擇
4.2.3快速指令選擇
4.2.4全局指令選擇
4.3指令調(diào)度
4.3.1指令調(diào)度原理
4.3.2LLVM中的指令調(diào)度器及其工作過(guò)程
4.3.3調(diào)度pass的定制
4.4寄存器分配
4.4.1寄存器分配原理
4.4.2LLVM寄存器分配
4.4.3貪厭寄存器分配實(shí)現(xiàn)過(guò)程分析
第5章張量核的編程方法與編譯器支持
5.1沃爾塔、圖靈和安培架構(gòu)特性
5.1.1沃爾塔架構(gòu)特性
5.1.2圖靈架構(gòu)特性
5.1.3安培架構(gòu)特性
5.2張量核編程方法
5.2.1WMMA API及其用法
5.2.2CUTLASS中的張量核編程
5.3編譯器后端對(duì)張量核的支持
5.3.1wmma PTX指令及其用法
5.3.2mma和ldmatrix PTX指令及其用法
5.3.3WMMA intrinsic函數(shù)定義
5.3.4NVPTX后端對(duì)wmma PTX指令的支持
第6章 AI模型性能分析與編譯器優(yōu)化方法
6.1AI模型性能的衡量指標(biāo)和影響因素
6.1.1計(jì)算訪存比
6.1.2算術(shù)強(qiáng)度和操作字節(jié)比
6.1.3內(nèi)存級(jí)并行性和線程束并行性
6.2SM占用率及其編程接口
6.2.1理論占用率和實(shí)際占用率
6.2.2理論占用率約束條件分析
6.2.3CUDA運(yùn)行時(shí)占用率編程接口
6.3基于占用率的指令調(diào)度優(yōu)化
6.3.1AMD GPU編程模型和硬件執(zhí)行模型
6.3.2AMDGPU后端的指令調(diào)度算法優(yōu)化
第7章 AI芯片軟硬件系統(tǒng)接口設(shè)計(jì)
7.1GPGPU軟硬件接口設(shè)計(jì)
7.1.1GPGPU主機(jī)端編程接口
7.1.2內(nèi)核分派過(guò)程
7.1.3GPGPU硬件分派過(guò)程
7.2AI加速器軟硬件接口設(shè)計(jì)
7.2.1AI加速器硬件架構(gòu)
7.2.2AI加速器設(shè)備軟件棧
7.3量化技術(shù)與實(shí)現(xiàn)
7.3.1量化技術(shù)原理
7.3.2算子量化和激活函數(shù)量化
7.3.3激活函數(shù)量化方法
參考文獻(xiàn)