---
title: 融合策略求解
description: "经过融合条件判断后，若发现两个节点可以融合，可能会产生多种融合结果的组合，例如下图中的融合策略1和融合策略2，当存在多种融合策略时，需要确定哪种策略为最优。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/programug/graphdevg/autofuse_1_0020.html
sourcePath: /source/zh/canncommercial/900/programug/graphdevg/autofuse_1_0020.html
indexId: 5404262a9e838bc4f96840bf3190bcf6f1f466be8916171304d300ac02caf25970
---
# 融合策略求解

经过融合条件判断后，若发现两个节点可以融合，可能会产生多种融合结果的组合，例如下图中的融合策略1和融合策略2，当存在多种融合策略时，需要确定哪种策略为最优。

图1 多种融合策略场景

计算整图的融合策略最优解是较为困难的，主要原因有以下两点：

1. 算法复杂度可能较高，一种可行的思路是动态规划求解，保证在nlog(n)有难度。
2. 性能估算模型不准确，没有上板实际测试前，难以准确确定融合后的真实性能。

基于上述原因，追求严格的全局最优解必然涉及大量的整图融合尝试和上板实测，从而导致时间复杂度显著增加。因此，现阶段采用score+贪心的简单融合策略求解算法：将图上可融合节点两两配对，逐个进行CanFuse判断，在可融合的情况下，再根据打分进行排序（以决定融合的先后顺序），最后依次进行融合处理。第一轮融合后的节点将再次重复该处理，尝试进行多轮融合，最多融合10轮。融合打分规则：

1. 节省的内存大小计算（利用符号实现大小比较，越大优先级越高）。
2. 节点间的临近性计算（使用topo序ID的差值，越小优先级越高）。

排序优先级：

首先比较内存大小，当内存大小相同时，再比较临近性；若临近性也相同，则按topo序从小到大排列，并进行去重处理，最终得到可融合的节点对，后续将按此顺序依次进行融合处理。

以图2、图3为例简单说明贪心算法的使用：

如图2所示，A、B、C、D组成AB、BC、CD融合节点对，排序后确定融合顺序，假设融合顺序CD优先，AB次之，融合后变成CD、AB；当处理BC融合时B已经变成AB，C已经变成CD，最后变成AB+CD的融合处理。

图2 融合例子1

如图3所示，如果排序是AB优先，BC次之融合过程会发生变化，AB先融合，在处理BC融合时由于B已经变成了AB会进行AB+C的融合，融合成ABC，同理CD融合会进行ABC+D的融合。

图3 融合例子2

两个场景的最终融合结果相同，都是ABCD。然而，假设A和D不能融合，实际结果会有所不同：图2的结果是AB、CD，而图3的结果是ABC、D。由此可见，融合的顺序变化会导致融合过程和结果的不同。当前算法也存在局限性：当前的贪心算法仅考虑局部最优，可能会导致全局并非最优。例如，当A和D不能融合时，如果优先融合CD，可能会导致ABC无法融合，从全局角度来看，可能并非是最优策略。