以PyTorch 2.1为例进行编译优化。

编译优化方法

依赖安装。
PyTorch推荐在容器里进行编译，参考使用源代码进行安装章节拉取镜像。

毕昇环境变量配置，详情请参见安装毕昇编译器。

获取源码。

Git下载：

git clone -b v2.1.0 https://github.com/pytorch/pytorch.git pytorch-2.1.0
cd pytorch-2.1.0
git submodule sync
git submodule update --init --recursive

安装requirements：

cd pytorch-2.1.0
pip install -r requirements.txt

修改CMakeLists.txt文件，屏蔽告警错误。
需注释掉下图中红框处标注的内容"append_cxx_flag_if_supported("-Werror=cast-function-type" CMAKE_CXX_FLAGS) "，屏蔽告警错误。
根据需要的优化类型进行相应编译参数设置并进行编译，LTO和PGO优化可以单独使用也可以叠加一起使用。
- LTO优化
  1. 配置编译参数，设置环境变量。
```
export CMAKE_C_FLAGS="-flto=thin -fuse-ld=lld"
export CMAKE_CXX_FLAGS="-flto=thin -fuse-ld=lld"
export CC=clang
export CXX=clang++
export USE_XNNPACK=0 
```
  2. 执行编译命令。
```
cd pytorch-2.1.0
git clean -dfx
python3 setup.py bdist_wheel
```
  3. 执行ls dist命令，查看编译成功的whl包。
  4. 安装whl包。
```
pip3 install /path/to/*.whl --force-reinstall --no-deps
```
- LTO+PGO优化
  - 第一次编译（插桩编译）
    - 配置编译参数，设置环境变量。
```
export CMAKE_C_FLAGS="-flto=thin -fuse-ld=lld -fprofile-generate=/path/to/profile"
export CMAKE_CXX_FLAGS="-flto=thin -fuse-ld=lld -fprofile-generate=/path/to/profile"
export CC=clang
export CXX=clang++
export USE_XNNPACK=0
```
      "/path/to/profile"指后续运行PyTorch时要存储的profile数据文件的路径。
    - 执行编译命令。
```
cd pytorch-2.1.0
git clean -dfx
python3 setup.py bdist_wheel
```
  - 运行需要优化的模型，采集Profile信息。
    - 执行如下命令，将OMP_PROC_BIND环境变量设置为false。
```
export OMP_PROC_BIND=false
```
      OMP_PROC_BIND会影响模型运行时的性能，无论是采集还是优化，运行模型前都需注意将该环境变量设置为false。
    - 安装一次编译后的PyTorch的whl包，执行如下命令：
```
pip3 install /path/to/*.whl --force-reinstall --no-deps
```
      根据实际情况操作，正常跑模型即可，基于插桩的二进制在运行时会比正常二进制性能差，无需关注。
    - 模型跑完之后，程序停止执行，在一次编译时指定的对应目录下可以生成profraw格式文件。亦可通过在运行机器上配置环境变量LLVM_PROFILE_FILE指定profraw文件生成位置，参考命令中%m允许在线合并profile数据，改为%p将按pid记录数据。
      参考命令：
      export LLVM_PROFILE_FILE=/tmp/profile/default_%m.profraw
  - Profile数据格式转换。
    执行如下命令：
```
llvm-profdata merge /path/to/profile -o default.profdata
```
    该命令可以合并/path/to/profile目录下所有的profraw文件，profile数据文件不受机器环境影响，可以迁移到其他机器上使用。
  - 二次编译（使用Profile数据）
    - 配置编译参数，设置环境变量。
```
export CMAKE_C_FLAGS="-flto=thin -fuse-ld=lld -fprofile-use=/path/to/profile/default.profdata"
export CMAKE_CXX_FLAGS="-flto=thin -fuse-ld=lld -fprofile-use=/path/to/profile/default.profdata"
```
    - 执行编译命令。
```
cd pytorch-2.1.0
git clean -dfx
python3 setup.py bdist_wheel
```
      二次编译后PyTorch的whl包为正式使用的高性能包。
    - 在安装高性能包后，运行模型之前，请再次确认已将OMP_PROC_BIND环境变量设置为false。
```
export OMP_PROC_BIND=false
```

常见问题

Error while loading shared libraries: libomp.so: cannot open shared object file: No such file or directory.
PyTorch构建时默认使用了OpenMp。PyTorch运行环境需要安装毕昇编译器包，并设置LD_LIBRARY_PATH环境变量，以便可以正确找到动态库libomp.so。

编译优化-PyTorch

编译优化方法

常见问题