Я пытаюсь разработать наилучшее расписание для эталонного кода Halide, и я могу что-то упустить, потому что результаты времени не имеют для меня особого смысла.
Я использую компиляцию AOT, и вот часть алгоритма кода:
ImageParam input1(type_of<float>(), 3);
ImageParam input2(type_of<float>(), 3);
Func in1 = BoundaryConditions::constant_exterior(input1, 0.0f);
Func in2 = BoundaryConditions::constant_exterior(input2, 0.0f);
f1(x, y, z) = (in1(x + 1, y, z) + in1(x, y, z) + in1(x - 1, y,z));
f2(x, y, z) = (in2(x + 2, y, z) + in2(x + 1, y, z) + in2(x, y, z) +in2(x - 1, y, z) + in2(x - 2, y, z));
res(x, y, z) = f1(x, y, z) + f1(x - 1, y, z) + f2(x - 1, y, z) + f2(x, y, z);
Для расписания это то, что у меня есть:
f1.store_at(res, y).compute_at(res, yi).vectorize(x, 8);
f2.store_at(res, y).compute_at(res, yi).vectorize(x, 8);
res.split(y, y, yi, 8).vectorize(x, 8).parallel(y);
res.print_loop_nest();
Я использую функцию current_time для определения времени выполнения моего кода. Когда я использую упомянутое расписание как для f1, так и для f2, время выполнения больше, чем когда я использую расписание только для одной из этих функций. Учитывая структуру трафаретов, я подумал, что планирование их обоих улучшит производительность. Что мне здесь не хватает? Также, когда я печатаю циклы, чтобы увидеть сгенерированный код:
for k:
parallel j.j:
store f1:
store f2:
for j.in_y in [0, 7]:
produce f1:
for k:
for j:
for i.i:
vectorized i.v122 in [0, 7]:
f1(...) = ...
consume f1:
produce f2:
for k:
for j:
for i.i:
vectorized i.v126 in [0, 7]:
f2(...) = ...
consume f2:
for i.i:
vectorized i.v133 in [0, 7]:
result(...) = ...
consume result:
Это просто отступ или продукт f2 вложен в продукт f1? Есть предложения по лучшему расписанию?