构建说明¶

注意：最新的构建说明嵌入在 FBGEMM 存储库中 setup_env.bash 下捆绑的一组脚本中。

构建 FBGEMM_GPU 的一般步骤如下

设置一个隔离的构建环境。
设置工具链。
运行构建脚本。

FBGEMM 要求¶

硬件要求¶

构建和运行 FBGEMM 需要支持 AVX2 指令集或更高版本的 CPU。

通常，FBGEMM 不依赖于 Intel MKL。但是，为了进行性能比较，一些基准测试使用 MKL 函数。如果找到 MKL 或通过 INTEL_MKL_DIR 环境变量提供 MKL 路径，则基准测试将使用 MKL 构建，并将报告 MKL 函数的性能数据。否则，这部分基准测试将不会构建。

软件依赖项¶

所有三个依赖项都通过 FBGEMM 存储库的 Git 子模块提供。但是，如果需要自定义版本，则可以在构建过程中使用环境变量 ASMJIT_SRC_DIR、CPUINFO_SRC_DIR 和 GOOGLETEST_SOURCE_DIR 设置它们。

asmjit¶

对于内部内核，FBGEMM 采用“一刀切”的方法，因此实现使用名为 asmjit 的第三方库动态生成有效的矩阵形状特定矢量化代码。

cpuinfo¶

FBGEMM 使用 PyTorch 项目提供的 cpuinfo 库在运行时检测 CPU 指令集支持，并为检测到的指令集分派优化的内核。

GoogleTest¶

GoogleTest 是构建和运行 FBGEMM 测试所必需的。但是，如果您不想运行 FBGEMM 测试，则不需要 GoogleTest。测试默认情况下与库一起构建；要关闭此功能，只需设置 FBGEMM_BUILD_TESTS=0。

设置一个隔离的构建环境¶

按照设置一个隔离的构建环境中的说明设置 Conda 环境。

安装构建工具¶

C/C++ 编译器¶

对于 Linux 和 macOS 平台，请按照 C/C++ 编译器 (GCC) 中的说明安装 GCC 工具链。对于基于 Clang 的构建，请按照 C/C++ 编译器 (Clang) 中的说明安装 Clang 工具链。

对于 Windows 机器上的构建，建议使用 Microsoft Visual Studio 2019 或更高版本。请按照 Microsoft 此处提供的安装说明进行操作。

其他构建工具¶

安装其他必要的构建工具，例如 ninja、cmake 等

conda install -n ${env_name} -y \
    bazel \
    cmake \
    doxygen \
    make \
    ninja \
    openblas

请注意，bazel 包仅在 Bazel 构建中需要，而 ninja 包仅在 Windows 构建中需要。

构建 FBGEMM 库¶

准备构建¶

克隆存储库及其子模块

# !! Run inside the Conda environment !!

# Clone the repo and its submodules
git clone --recurse-submodules https://github.com/pytorch/FBGEMM.git
cd FBGEMM

在 Linux 和 macOS 上构建 (CMake + GCC)¶

假设 Conda 环境中安装了所有工具，CMake 构建过程很简单

# !! Run inside the Conda environment !!

# Create a build directory
mkdir build
cd build

# Set CMake build arguments
build_args=(
  -DUSE_SANITIZER=address
  -DFBGEMM_LIBRARY_TYPE=shared
  -DPYTHON_EXECUTABLE=`which python3`

  # OPTIONAL: Set to generate Doxygen documentation
  -DFBGEMM_BUILD_DOCS=ON
)

# Set up the build
cmake ${build_args[@]} ..

# Build the library
make -j VERBOSE=1

# Run all tests
make test

# Install the library
make install

使用 GCC 12+ 的构建问题¶

截至撰写本文时，由于已知的编译器回归，在 GCC 12+ 上编译 FBGEMM 会失败。要解决此问题，请在运行 CMake 之前追加以下导出

# !! Run inside the Conda environment !!

export CFLAGS+=" -Wno-error=maybe-uninitialized -Wno-error=uninitialized -Wno-error=restrict"
export CXXFLAGS+=" -Wno-error=maybe-uninitialized -Wno-error=uninitialized -Wno-error=restrict"

有关更多详细信息，请参见 GitHub 问题 77939、1094 和 1666。

在 Linux 和 macOS 上构建 (CMake + Clang)¶

使用 Clang 构建 FBGEMM 的步骤与使用 GCC 构建的步骤完全相同。但是，需要将额外的构建参数添加到 CMake 调用以指定 Clang 路径、基于 LLVM 的 C++ 标准库 (libc++) 以及基于 LLVM 的 OpenMP 实现 (libomp)

# !! Run inside the Conda environment !!

# Locate Clang
cc_path=$(which clang)
cxx_path=$(which clang++)

# Append to the CMake build arguments
build_args+=(
  -DCMAKE_C_COMPILER="${cc_path}"
  -DCMAKE_CXX_COMPILER="${cxx_path}"
  -DCMAKE_C_FLAGS=\"-fopenmp=libomp -stdlib=libc++ -I $CONDA_PREFIX/include\"
  -DCMAKE_CXX_FLAGS=\"-fopenmp=libomp -stdlib=libc++ -I $CONDA_PREFIX/include\"
)

在 Linux 上构建 (Bazel)¶

同样，Bazel 构建也很简单

# !! Run inside the Conda environment !!

# Build the library
bazel build -s :*

# Run all tests
bazel test -s :*

在 Windows 上构建¶

# Specify the target architecture to bc x64
call "C:\Program Files (x86)\Microsoft Visual Studio\2019\Enterprise\VC\Auxiliary\Build\vcvarsall.bat" x64

# Create a build directory
mkdir %BUILD_DIR%
cd %BUILD_DIR%

cmake -G Ninja -DFBGEMM_BUILD_BENCHMARKS=OFF -DFBGEMM_LIBRARY_TYPE=${{ matrix.library-type }} -DCMAKE_BUILD_TYPE=Release -DCMAKE_C_COMPILER="cl.exe" -DCMAKE_CXX_COMPILER="cl.exe" ..
ninja -v all