GEMM优化(RISC-V平台)

RISC-V平台SGEMM优化之旅：从C到汇编的性能提升

最新推荐文章于 2025-10-15 13:27:21 发布

原创

最新推荐文章于 2025-10-15 13:27:21 发布 · 2.6k 阅读

38 ·

CC 4.0 BY-SA版权

文章标签：

#risc-v #性能优化 #人工智能 #矩阵 #HPC #推理

在这里插入图片描述
本项目记录了在riscv平台上优化SGEMM（单精度浮点通用矩阵乘法）的过程。代码仓库位于https://github.com/Zhao-Dongyu/sgemm_riscv

通用矩阵乘（General Matrix Multiplication，简称gemm）是深度学习框架的核心计算单元之一，广泛用于Convolution、Full connection、Matmul等算子实现。

我是在 全志 Nezha D1 开发板上进行的实验与探索，version 0 - version 5 是使用的 C 语言，version 6 - version 9 则部分使用了汇编，涉及到 RISC-V V 扩展指令。

注意：不同于其他的某些gemm优化工程，在本工程中，全部使用 行主序 的矩阵。因为我喜欢 行主序！

预备知识

在这里插入图片描述

RISC-V 是一种开放标准指令集架构 (ISA)，通过开放协作开启处理器创新的新时代。

在这里插入图片描述

GEMM 通用矩阵乘法，基本线性代数子程序之一。

FLOPS每秒浮点运算次数，亦称每秒峰值速度，（英语：Floating-point operations per second；缩写：FLOPS），即每秒所执行的浮点运算次数。一个 GFLOPS(gigaFLOPS) 等于每秒十亿（10^9）次的浮点运算；

矩阵乘的计算量是 2 * M * N * K，计算量除以耗时即为当前gemm版本的gflops。

乘以 2 是因为每次操作包含一次乘法和一次加法

准备工作

测试交叉编译

我使用的 全志 Nezha D1 开发板，在这里下载的交叉编译链接。

详细教程见readme

内存带宽测试

分别通过以下几个小工程对开发板内存带宽进行测试

在这里插入图片描述

roofline模型

Roofline 提出了使用 Operational Intensity（计算强度）进行定量分析的方法，并给出了模型在计算平台上所能达到理论计算性能上限公式。

根据OpenPPL 公开课 | RISC-V 技术解析所说

D1的算力可达 4 GFlops(@1GHz)
Memory : 2.727 GB/s (DDR3 792 MHz)。
- 虽然我测出来最高是2.592 GB/s，可能哪里出了问题？
- 商汤还是要相信一下的，暂时以他的为准吧

在这里插入图片描述

sgemm优化

使用说明

以 step0 为例，你需要先编辑 Makefile ，配置自己的交叉编译链。

$ cd sgemm/step0/
$ make
$ adb push test_bl_sgemm_step0.x ./.
$ adb shell './test_bl_sgemm_step0.x'

Version 0: naive版本

这个版本思路在我看来是最直观的，毕竟我当时就是这么学习、理解和计算矩阵乘法的:

A 的一行乘以 B 的一列得到 C 的一个元素。

在这里插入图片描述

优快云平台限制图片在5MB以内，所以计算过程的动图无法上传。如有需求可以去https://github.com/Zhao-Dongyu/sgemm_riscv/wiki查看

for ( i = 0; i < m; i ++ ) {
   
                 // Start 2-th loop
    for ( j = 0; j < n; j ++ ) {
   
             // Start 1-nd loop
        for ( p = 0; p < k; p ++ ) {
   
         // Start 0-st loop
            C( i, j ) += A( i, p ) * B( p, j );
        }                                 // End   0-th loop
    }                                     // End   1-st loop
}                                         // End   2-nd loop