ONNX MLIR方法

MLIR中的开放式神经网络交换实现。

Prerequisites

gcc >= 6.4

libprotoc >= 3.11.0

cmake >= 3.15.4

首先，安装MLIR（作为LLVM-Project的一部分）:

git clone https://github.com/llvm/llvm-project.git

# Check out a specific branch that is known to work with ONNX MLIR.

cd llvm-project && git checkout 496fb70b141ccbfaba9761294f3b4b97717096a3 && cd ..

mkdir llvm-project/build

cd llvm-project/build

cmake -G Ninja ../llvm \

-DLLVM_ENABLE_PROJECTS=mlir \

-DLLVM_BUILD_EXAMPLES=ON \

-DLLVM_TARGETS_TO_BUILD="host" \

-DCMAKE_BUILD_TYPE=Release \

-DLLVM_ENABLE_ASSERTIONS=ON \

-DLLVM_ENABLE_RTTI=ON

cmake --build . --target -- ${MAKEFLAGS}

cmake --build . --target check-mlir

ONNX-MLIR (this project)

需要设置两个环境变量：

• LLVM_PROJ_SRC指向llvm-project src目录（例如llvm-project /）。
• LLVM_PROJ_BUILD指向llvm-project构建目录（例如，llvm-project / build）。

要构建ONNX-MLIR，使用以下命令：

same-as-file: <> ({“ref”: “utils/install-onnx-mlir.sh”, “skip-doc”: 2})

git clone --recursive https://github.com/onnx/onnx-mlir.git

# Export environment variables pointing to LLVM-Projects.

export LLVM_PROJ_SRC=$(pwd)/llvm-project/

export LLVM_PROJ_BUILD=$(pwd)/llvm-project/build

mkdir onnx-mlir/build && cd onnx-mlir/build

cmake ..

cmake --build .

# Run FileCheck tests:

export LIT_OPTS=-v

cmake --build . --target check-onnx-lit

上述命令成功onnx-mlir执行后，可执行文件应出现在bin目录中。

在Windows上构建onnx-mlir，需要构建一些默认情况下不可用的其它预先条件。

文件中的说明假定正在使用Visual Studio 2019社区版。建议安装具有C ++的桌面开发和具有C ++工作负载的Linux开发。这样可以确保拥有编译此工程，及其在Windows上的依赖项所需的所有工具链和库。

从“ VS 2019开发人员命令提示符”开始的外壳程序中运行所有命令。

Protobuf

将protobuf构建为静态库。

set root_dir=%cd%

git clone --recurse-submodules https://github.com/protocolbuffers/protobuf.git

cd protobuf

cd cmake

cmake -G "Visual Studio 16 2019" -A x64 -T host=x64 -DCMAKE_BUILD_TYPE=Release -Dprotobuf_MSVC_STATIC_RUNTIME=OFF -Dprotobuf_BUILD_TESTS=OFF -Dprotobuf_BUILD_EXAMPLES=OFF -Dprotobuf_WITH_ZLIB=OFF -DCMAKE_INSTALL_PREFIX="%root_dir%\protobuf\install"

call msbuild protobuf.sln /m /p:Configuration=Release

call msbuild INSTALL.vcxproj /p:Configuration=Release

在为onnx-mlir运行CMake之前，确保此protobuf的bin目录在PATH中的其它任何目录之前：

set PATH=%root_dir%\protobuf\install\bin;%PATH%

PDCurses

Build a local version of the curses library, used by various commandline tools in onnx-mlir. These instructions assume you use Public Domain Curses.

Run this from a Visual Studio developer command prompt since you will need access to the appropriate version of Visual Studio’s nmake tool.

构建curses库的本地版本，供onnx-mlir中的各种命令行工具使用。这些说明假定使用Public Domain Curses。

从Visual Studio开发命令提示符运行此命令，需要访问相应版本的Visual Studio的nmake工具。

set root_dir=%cd%

git clone https://github.com/wmcbrine/PDCurses.git

set PDCURSES_SRCDIR=%root_dir%/PDCurses

cd PDCurses

call nmake -f wincon/Makefile.vc

MLIR

安装MLIR（作为LLVM-Project的一部分）：

git clone https://github.com/llvm/llvm-project.git

# Check out a specific branch that is known to work with ONNX MLIR.

cd llvm-project && git checkout 496fb70b141ccbfaba9761294f3b4b97717096a3 && cd ..

set root_dir=%cd%

md llvm-project\build

cd llvm-project\build

call cmake -G "Visual Studio 16 2019" -A x64 -T host=x64 ..\llvm ^

-DCMAKE_INSTALL_PREFIX="%root_dir%\llvm-project\build\install" ^

-DLLVM_ENABLE_PROJECTS=mlir ^

-DLLVM_BUILD_EXAMPLES=ON ^

-DLLVM_TARGETS_TO_BUILD="host" ^

-DCMAKE_BUILD_TYPE=Release ^

-DLLVM_ENABLE_ASSERTIONS=ON ^

-DLLVM_ENABLE_RTTI=ON ^

-DLLVM_ENABLE_ZLIB=OFF

call cmake --build . --config Release --target -- /m

call cmake --build . --config Release --target install

call cmake --build . --config Release --target check-mlir

ONNX-MLIR (this project)

在构建onnx-mlir之前，需要设置以下环境变量：

• CURSES_LIB_PATH：curses库的路径（例如c：/ repos / PDCurses）
• LLVM_PROJ_BUILD：LLVM构建目录的路径（例如c：/ repos / llvm-project / build）
• LLVM_PROJ_SRC：LLVM源目录的路径（例如c：/ repos / llvm-project）

该项目使用带lit（LLVM的Integrated Tester）进行单元测试。运行CMake时，使用LLVM_EXTERNAL_LIT定义从LLVM指定lit工具的路径。

要构建ONNX MLIR，使用以下命令：

same-as-file: <> ({“ref”: “utils/install-onnx-mlir.cmd”, “skip-doc”: 2})

git clone --recursive https://github.com/onnx/onnx-mlir.git

REM Export environment variables pointing to LLVM-Projects.

set root_dir=%cd%

set CURSES_LIB_PATH=%root_dir%/PDCurses

set LLVM_PROJ_BUILD=%root_dir%/llvm-project/build

set LLVM_PROJ_SRC=%root_dir%/llvm-project

md onnx-mlir\build

cd onnx-mlir\build

call cmake -G "Visual Studio 16 2019" -A x64 -T host=x64 -DLLVM_EXTERNAL_LIT="%root_dir%\llvm-project\build\Release\bin\llvm-lit.py" -DCMAKE_BUILD_TYPE=Release ..

call cmake --build . --config Release --target onnx-mlir -- /m

REM Run FileCheck tests

set LIT_OPTS=-v

call cmake --build . --config Release --target check-onnx-lit

上述命令成功onnx-mlir执行后，可执行文件应出现在bin目录中。

onnx-mlir用法如下：

OVERVIEW: ONNX MLIR modular optimizer driver

USAGE: onnx-mlir [options]

OPTIONS:

Generic Options:

--help        - Display available options (--help-hidden for more)

--help-list   - Display list of available options (--help-list-hidden for more)

--version     - Display the version of this program

ONNX MLIR Options:

These are frontend options.

Choose target to emit:

--EmitONNXIR - Ingest ONNX and emit corresponding ONNX dialect.

--EmitMLIR   - Lower model to MLIR built-in transformation dialect.

--EmitLLVMIR - Lower model to LLVM IR (LLVM dialect).

--EmitLLVMBC - Lower model to LLVM IR and emit (to file) LLVM bitcode for model.

Example

例如，要将ONNX模型（例如add.onnx）降低为ONNX方言，使用以下命令：

./onnx-mlir --EmitONNXIR add.onnx

输出应如下所示：

module {

func @main_graph(%arg0: tensor<10x10x10xf32>, %arg1: tensor<10x10x10xf32>) -> tensor<10x10x10xf32> {

%0 = "onnx.Add"(%arg0, %arg1) : (tensor<10x10x10xf32>, tensor<10x10x10xf32>) -> tensor<10x10x10xf32>

return %0 : tensor<10x10x10xf32>

}

}