为 Accelerator NNPA 构建和测试

神经网络处理辅助功能 (NNPA) 在 IBM z16 的处理器单元上实现。Onnx-mlir 可以通过 IBM Z 深度神经网络库 (zDNN) 使用它。构建和 lit 测试在其他 IBM Z 系统（例如 z15）上运行，但数值测试需要在 z16 上运行。

构建

添加以下 CMake 选项以构建支持 NNPA 的 onnx-mlir。关于 Linux OS 的构建命令，请在此处参阅 此处。

• -DONNX_MLIR_ACCELERATORS=NNPA

测试

Lit 测试

NNPA 的 lit 测试包含在 test/mlir/accelerators/nnpa 中。在为 NNPA 构建 onnx-mlir 时，这些 lit 测试也使用与 CPU 相同的命令运行。

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

数值测试

NNPA 的数值测试在 test/accelerators/NNPA/numerical 中提供。目前提供了 Conv2D、MatMul2D、Gemm、LSTM 和 GRU 的测试，并使用以下命令运行。这些测试可以通过环境变量 TEST_INSTRUCTION 来检查生成的共享库中是否包含 zDNN 指令。此外，为了检查结果的准确性，可以使用环境变量 TEST_ATOL 和 TEST_RTOL 来设置 ATOL 和 RTOL。提供了环境变量 TEST_DATARANGE 来设置数据范围的下限和上限。它们可以设置为“,"，例如“-0.1,0.1”。要配置测试用例，提供了环境变量 TEST_CONFIG。当前的配置写在下面每个测试的章节中。

cmake --build . --config Release --target check-onnx-numerical-nnpa

这些测试使用与 CPU 数值测试相同的测试代码（test/modellib 和 test/numerial），但使用了不同的 cmake 文件（test/accelerator/NNPA/numerical/CMakeLists.txt）。

Conv2D

由于 zDNN 库中的 Conv2D 仅支持 dilation 等于一的情况，因此测试中 dilation 始终设置为一。此外，padding 类型设置为 VALID 和 SAME_UPPER，因为它们是唯一支持的。所有维度都是静态的，因为动态的高度和宽度维度目前不受支持。当使用 --maccel=NNPA 时，这些配置会自动设置，这等同于手动将环境变量 TEST_CONFIG 设置为“-dim=static -dilation=1 -padding=valid_upper”。

Gemm

Gemm 中的 alpha 和 beta 始终为一，这是 zDNN 库支持的情况。当使用 --maccel=NNPA 时，这些配置会自动设置，这等同于手动将环境变量 TEST_CONFIG 设置为“-alpha=1 -beta=1”。

LSTM

由于 zDNN 库中的 LSTM 不支持 Peephole 张量，因此不对其进行测试。当使用 --maccel=NNPA 时，这些配置会自动设置，这等同于手动将环境变量 TEST_CONFIG 设置为“-peephole=0”。

GRU

zDNN 库中的 GRU 仅支持在线性变换应用于乘以前重置门的输出的情况。当使用 --maccel=NNPA 时，它会自动配置，这等同于手动将环境变量 TEST_CONFIG 设置为“-linearBeforeReset=1”。

后端测试

NNPA 的后端测试在 test/accelerators/NNPA/backend 中提供。可以使用以下命令运行。只有 zDNN 支持的测试用例才会运行，如 test/accelerators/NNPA/backend/CMakeLists.txt 中所述。

cmake --build . --config Release --target check-onnx-backend-nnpa

NNPA 的 ATOL 和 RTOL 在 CMakeLists.txt 中使用环境变量 TEST_ATOL 和 TEST_RTOL 进行设置。此外，环境变量 TEST_INSTRUCTION_CHECK 和 TEST_CASE_BY_USER 允许您检查是否在共享库中生成了 NNPA 指令。在 CMakeLists.txt 中，TEST_INSTRUCTION_CHECK 被设置为 true，而 TEST_CASE_BY_USER 包含测试用例和指令名称。如果在共享库中找不到指令名称，测试将失败。