• 文档 >
  • 便携式 C++ 编程
快捷方式

便携式 C++ 编程

注意:本文档涵盖了需要为目标硬件环境构建和执行的代码。这适用于核心执行运行时,以及此存储库中的内核和后端实现。这些规则不一定适用于仅在开发主机上运行的代码,例如创作或构建工具。

ExecuTorch 运行时代码旨在可移植,并且应该能够构建用于各种系统,从服务器到手机到 DSP,从 POSIX 到 Windows 到裸机环境。

这意味着它不能假设存在

  • 文件

  • 线程

  • 异常

  • stdout, stderr

  • printf(), fprintf()

  • POSIX API 和概念(一般)

它也不能假设

  • 64 位指针

  • 给定整数类型的尺寸

  • char 的符号性

为了将二进制文件大小保持在最小,并严格控制内存分配,代码可能不会使用

  • malloc(), free()

  • new, delete

  • 大多数 stdlibc++ 类型;特别是管理自身内存的容器类型,如 stringvector,或内存管理包装器类型,如 unique_ptrshared_ptr

为了帮助降低复杂性,代码可能不依赖于任何外部依赖项,除了

  • flatbuffers(用于 .pte 文件反序列化)

  • flatcc(用于事件跟踪序列化)

  • 核心 PyTorch(仅限 ATen 模式)

平台抽象层 (PAL)

为了避免假设目标系统的功能,ExecuTorch 运行时允许客户端覆盖其平台抽象层 (PAL) 中的低级函数,该层定义在 //executorch/runtime/platform/platform.h 中,以执行以下操作

  • 获取当前时间戳

  • 打印日志消息

  • 使系统发生故障

内存分配

运行时代码不应使用 malloc()new,而应使用客户端提供的 MemoryManager//executorch/runtime/executor/memory_manager.h)分配内存。

文件加载

客户端不应直接加载文件,而应提供包含已加载数据的缓冲区,或将其包装在 DataLoader 等类型中。

整数类型

ExecuTorch 运行时代码不应假设诸如 intshortchar 等基本类型的尺寸。例如,C++ 标准仅保证 int 至少为 16 位宽。而 ARM 工具链将 char 视为无符号,而其他工具链通常将其视为有符号。

相反,运行时 API 使用一组更可预测但仍然标准的整数类型

  • <cstdint> 类型,如 uint64_tint32_t;这些类型保证了位宽和符号性,而不管体系结构如何。当您需要非常具体的整数宽度时,请使用这些类型。

  • size_t 用于事物的计数或内存偏移量。size_t 保证足够大以表示任何内存字节偏移量;即,它将与目标系统的本机指针类型一样宽。优先使用它而不是 uint64_t 用于计数/偏移量,以便 32 位系统无需为 64 位值的额外开销付费。

  • ssize_t 用于某些 ATen 兼容性情况,其中 Tensor 返回有符号计数。尽可能优先使用 size_t

浮点运算

并非每个系统都支持浮点运算:有些系统甚至在其工具链中不启用浮点仿真。因此,核心运行时代码在运行时不得执行任何浮点运算,尽管创建或管理floatdouble值(例如,在EValue中)是可以的。

内核位于核心运行时之外,允许执行浮点运算。尽管有些内核可能会选择不执行浮点运算,以便它们可以在没有浮点支持的系统上运行。

日志记录

ExecuTorch 运行时提供了 //executorch/runtime/platform/log.h 中的 ET_LOG 接口和 //executorch/runtime/platform/assert.h 中的 ET_CHECK 接口,而不是使用 printf()fprintf()coutcerrfolly::loggingglog 等库。这些消息使用 PAL 中的钩子打印,这意味着客户端可以将它们重定向到任何底层日志系统,或者如果可用,只将它们打印到 stderr

日志格式可移植性

定宽整数

当您有一个像这样的日志语句时

int64_t value;
ET_LOG(Error, "Value %??? is bad", value);

您应该为 %??? 部分输入什么,以匹配 int64_t?在不同的系统上,int64_t 类型定义可能是 intlong intlong long int。选择像 %d%ld%lld 这样的格式可能在一个目标上有效,但在其他目标上会出错。

为了实现可移植性,运行时代码使用来自 <cinttypes> 的标准(但必须承认很笨拙)的辅助宏。每个可移植整数类型都有一个对应的 PRIn## 宏,例如

  • int32_t -> PRId32

  • uint32_t -> PRIu32

  • int64_t -> PRId64

  • uint64_t -> PRIu64

  • 有关更多信息,请参见 https://cppreference.cn/w/cpp/header/cinttypes

这些宏是文字字符串,可以与格式字符串的其他部分连接,例如

int64_t value;
ET_LOG(Error, "Value %" PRId64 " is bad", value);

请注意,这需要将文字格式字符串分割(额外的双引号)。它还需要宏之前的引导 %

但是,通过使用这些宏,您可以保证工具链将对该类型使用适当的格式模式。

size_tssize_t

与定宽整数类型不同,格式字符串已经有一种可移植的方式来处理 size_tssize_t

  • size_t -> %zu

  • ssize_t -> %zd

强制转换

有时,特别是在跨越 ATen 和精简模式的代码中,值的类型本身在不同的构建模式下可能不同。在这些情况下,将值强制转换为精简模式类型,例如

ET_CHECK_MSG(
    input.dim() == output.dim(),
    "input.dim() %zd not equal to output.dim() %zd",
    (ssize_t)input.dim(),
    (ssize_t)output.dim());

在这种情况下,Tensor::dim() 在精简模式下返回 ssize_t,而在 ATen 模式下,at::Tensor::dim() 返回 int64_t。由于它们在概念上都返回(有符号)计数,因此 ssize_t 是最合适的整数类型。int64_t 可以工作,但它会不必要地要求 32 位系统在精简模式下处理 64 位值。

这是唯一需要强制转换的情况,即精简模式和 ATen 模式不一致。否则,使用与类型匹配的格式模式。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源