Ascend的aclgraph（一）aclgraph是什么？torchair又是怎么成图的？

原创

已于 2025-05-16 16:05:25 修改 · 3k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#昇腾 #aclgraph #cudagraph

于 2025-05-09 17:03:26 首次发布

1 aclgraph是什么？

PyTorch框架默认采用Eager模式，单算子下发后立即执行，每个算子都需要从Host侧Python API->Host侧C++层算子下发->Device侧算子kernel执行，在Device侧每次kernel执行之前都需要等待Host侧的下发逻辑完成。因此当单个算子计算量过小或者Host性能不佳时，很容易产生Device空闲时间，即每个kernel执行完后都需要一段时间来等待下一个kernel下发完成。

为了优化Host调度性能，CUDA提供了图模式方案，称为CUDA Graph，一种Device调度策略，即省略算子的Host调度过程，具体参见官网Accelerating PyTorch with CUDA Graphs。

类似地，NPU也提供了图模式方案，称为aclgraph，通过TorchAir提供的backend config配置Device调度模式。

2 aclgraph如何使用

首先，从昇腾aclgraph官网中介绍得知，
该功能通过torchair.get_npu_backend中compiler_config配置，示例如下：

import torch_npu, torchair
config = torchair.CompilerConfig()
# 设置图下沉执行模式
config.mode = "reduce-overhead"
npu_backend = torchair.get_npu_backend(compiler_config=config)
opt_model = torch.compile(model, backend=npu_backend)

可以看出来，aclgraph的功能与torchair是结合在一起使用的。
mode的设置如下：

参数名	参数说明
mode	设置图下沉执行模式，字符串类型。

max-autotune（缺省值）：表示Ascend IR Graph下沉模式，其具备了一定的图融合和下沉执行能力，但要求所有算子都注册到Ascend IR计算图，
reduce-overhead：表示aclgraph下沉模式，主要是单算子kernel的下沉执行，暂不具备算子融合能力，不需要算子注册到Ascend IR计算图。当PyTorch模型存在Host侧调度问题时，建议开启此模式。

3 函数调用栈

由于torchair的中注释少，Ascend社区上对项目的实现介绍也少。所以，能参考的资料，是真的很少（PS：建议后续给torchair项目做贡献的的同学多给点注释，方便外部开发者快速的阅读和理解代码）。因此，本次小编只能从代码的一层层的剥开去理解整体的逻辑。

从上述的例子着手，看下get_npu_backend中是如何将aclgraph的功能上使能的。

3.1 torchair代码库

torchair是开源的项目，地址参见：https://gitee.com/ascend/torchair

git clone https://gitee.com/ascend/torchair.git

本文从get_npu_backend作为入口函数，

def get_npu_backend(*, compiler_config: CompilerConfig = None, custom_decompositions: Dict = {
   
   }):
    if compiler_config is None:
        compiler_config = CompilerConfig()

    decompositions = get_npu_default_decompositions()
    decompositions.update(custom_decompositions)

    add_npu_patch(decompositions, compiler_config)

    return functools.partial(_npu_backend, compiler_config=compiler_config, decompositions=decompositions) // 作用在此

了解get_npu_default_decompositions前，需要对torch.compile有个简单的了解，

在 torch.compile 的上下文中，decompose 是一个重要的概念，它通常指的是将复杂的算子（或操作）分解为一系列较为简单、基础的操作。这个过程是编译优化的一部分，旨在使模型更易于优化和加速。

get_npu_default_decompositions作用就是添加npu上的算子分解，当前注册的是对allgather的算子的替换.
torch.ops.npu_define.allgather.default -> allgather_decomposition

decompositions.update(custom_decompositions)

也是同样的道理。custom_decompositions是可以自定义的。

传入的参数compiler_config作用在functools.partial函数，该函数是python的系统函数，是偏函数的概念。

functools.partial(_npu_backend, compiler_config=compiler_config, decompositions=decompositions)

该函数执行返回一个新的函数：
形式是：调用_npu_backend函数，传入参数是compiler_config和decompositions，其的参数采用默认参数。
特别注意gm:torch.fx.GraphModule参数，如果对torch.compile不熟悉可能该概念比较生疏，先贴出其大概解释如下：

torch.fx.GraphModule 是 PyTorch 的 FX 变换工具中的一个核心类。FX 是 PyTorch 提供的一个用于模型变换和分析的高级工具集，它允许用户对 PyTorch 模型执行图级别的操作，如插入、删除或修改计算图中的节点。
GraphModule 对象实际上是一个特殊的 PyTorch 模块，它由两部分组成：一个表示计算图的 Graph 和一个模块层次结构（module hierarchy）。这个计算图是原始模型的图形化表示，其中节点代表运算（比如卷积或ReLU），边代表数据流（即张量）。通过这种表示方法，FX 允许你以编程方式查询和修改模型的行为。
创建一个 GraphModule 通常涉及以下步骤：1. 使用 torch.fx.symbolic_trace 或其他方法从一个现有的 PyTorch 模块生成一个 Graph。2. 将这个 Graph 和一个包含模型架构信息的 Module 结合起来，形成一个 GraphModule。
由于 GraphModule 实质上也是一个 PyTorch 模块，它可以像普通的 PyTorch 模块一样被调用、保存或加载，并且可以作为更大模型的一部分使用。此外，由于其内部维护了一个计算图，它还支持进一步的分析和变换，这使得它成为实现高级功能（如量化、剪枝等）的理想选择。

该参数的生成处在torch.compile阶段，请先记住这个参数的大概意义。

3.2 torchair构图函数调用栈

由上分析可知，_npu_backend是分析的重点，先给出函数的调用栈，如下：

在这里插入图片描述

调用的函数如上图的虚线方框中所示。主要还是关注涉及到compiler_config的部分。

def _npu_backend(gm: torch.fx.GraphModule, example_inputs: List[torch.Tensor],
                 compiler_config: CompilerConfig = None, decompositions: Dict = {
   
   }):
    if compiler_config is None:
        compiler_config = CompilerConfig()
    compiler = get_compiler(compiler_config)

    input_dim_gears = dict()
    for i, t in enumerate(example_inputs):
        dim_gears = get_dim_gears(t)
        if dim_gears is not None:
            input_dim_gears[i - len(example_inputs)] = dim_gears

    fw_compiler, inference_compiler, joint_compiler = _wrap_compiler(compiler, compiler_config)
    fw_compiler = _set_gear_to_compiler(fw_compiler, compiler_config, input_dim_gears)
    inference_compiler = _set_gear_to_compiler(inference_compiler, compiler_config, input_dim_gears)

    partition_fn = _get_partition_fn(compiler_config)
    if compiler_config.experimental_config.aot_config_enable_joint_graph:
        output_loss_index = int(compiler_config.experimental_config.aot_config_output_loss_index.value)
        return aot_module_simplified_joint