来自麻省理工的图像设计语言Halide:AI、VR利器

随着人工智能，VR等领域的发展，我们对于高性能图像处理程序的需求越来越大；当前编程工具开发的高性能图像处理程序牺牲了程序的可读性，模块性，可移植性等；其主要原因是，当前程序将算法描述， 数据存储以及计算糅杂一起。同时手工编写高性能图像处理程序开发效率较低，难以快速构建大量高性能图像处理代码。

在这样的背景下，MIT的研究人员专门为图像处理设计了一种程序语言——Halide；Halide语言易于编写和修改，并且能够自动对代码进行优化，使应用程序获得更好的执行效率。Halide设计的核心思想是将算法的内容和算法的执行耦，这样程序员可以根据不同的设备设置不同的优化策略，获得更高质量的代码。

目前halide支持的设备情况为：

CPU架构：X86, ARM, MIPS, Hexagon, PowerPC

操作系统：Linux, Windows, Mac OS X, Android, iOS, Qualcomm QuRT

GPU计算API：CUDA, OpenCL, OpenGL, OpenGL Compute Shaders, Apple Metal, Microsoft Direct X 12

当前知名的自动优化框架，除了halide还有寒武纪的TVM，TVM在设计上借鉴了halide将算法内容和执行解耦的思路。本文主要主要内容如下：

- LLVM安装- Halide编译- Halide程序构建

 ##LLVM安装

首先下载LLVM源代码，源代码下载地址为：

http://releases.llvm.org/download.html#7.0.1

halide要求LLVM的版本为6.0以上，本文使用的是7.0.1版本；

需要下载一下几部分：

- LLVM source code (.sig)- Clang source code (.sig)- compiler-rt source code (.sig)- libc++ source code (.sig)- libc++abi source code (.sig)- clang-tools-extra (.sig) （可选）

源码编译LLVM：- 创建源码目录```mkdir LLVMtar xvf llvm-7.0.1.src.tar.xzmv llvm-7.0.1.src.tar.xz llvm-7.0.1cd llvm-7.0.1/tools/tar xvf cfe-7.0.1.src.tar.xz #clang的源代码包mv cfe-7.0.1.src clangcd ../projects/tar xvf compiler-rt-7.0.1.src.tar.xztar xvf libcxx-7.0.1.src.tar.xztar xvf libcxxabi-7.0.1.src.tar.xzmv libcxx-7.0.1.src libcxxmv libcxxabi-7.0.1.src libcxxabimv compiler-rt-7.0.1.src compiler-rt```以上是目录构建的方法，注意需要自己将下载的源代码包拷贝到对应的目录下；可选包clang-tools-extra-7.0.1.src.tar.xz放到llvm-7.0.1/tools/clang/tools目录下，解压，重命名为extra；- build LLVM笔者在LLVM-7.0.1目录的同一级，创建LLVM-build目录；```cd LLVM-buildcmake -DLLVM_ENABLE_TERMINFO=OFF -DLLVM_TARGETS_TO_BUILD="X86;ARM;NVPTX;AArch64;Mips;PowerPC" -DLLVM_ENABLE_ASSERTIONS=ON -DCMAKE_BUILD_TYPE=Release ../LLVM-7.0.1/

make -j4

make install```其中，-DLLVM_TARGETS_TO_BUILD选项也可以根据需求设置，目前LLVM支持的架构包含：AArch64AMDGPUARMBPFHexagonLanaiMipsMSP430NVPTXPowerPCSparcSystemZX86XCore

也可以不使用make install，在编译Halide的时候使用export：

export LLVM_CONFIG=/build/bin/llvm-configexport CLANG=/build/bin/clang

以上是关于LLVM的编译。

## Halide的编译安装

下载源码：git clone https://github.com/halide/Halide.git进入Halide目录，设置环境变量：export LLVM_CONFIG=/build/bin/llvm-configexport CLANG=/build/bin/clang编译方法有很多种，这里采用cmake编译，方法如下：```mkdir buildcd buildcmake -DLLVM_DIR=/you/path/install/lib/cmake/llvm -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/you/install/path ../make -j4make install

```note:如果编译失败，关注一下cmake命令执行的结果，查看缺少什么包，安装后重新编译即可；笔者在编译的过程中缺少，OpenBLAS，eign3, atlas；其中OpenBLAS采用的源码安装，下载源码：```git clone https://github.com/xianyi/OpenBLAS.gitcd OpenBLASmake -j4make PREFIX=/you/install/path/ install

```如果安装目录不是默认的/usr/local/，则需要指定环境变量；其他两个库采用apt-get大法安装即可；```sudo apt-get install libeigen3-devsudo apt-get install libatlas-dev

```至此完成了Halid的安装编译；注意Halide也可以不安装，只要使用的时候正确链接库就OK。

## Halide程序构建demo如下：```// Halide.h包含了整个Halide, 只需要include这个头文件即可#include "Halide.h"//c头文件是为了使用c函数#include

int main(int argc, char **argv) {

//定义函数Halide::Func gradient;//定义变量Halide::Var x, y;//定义计算Halide::Expr e = x + y;

gradient(x, y) = e;//获取计算结果Halide::Buffer output = gradient.realize(800, 600);

//验证计算结果for (int j = 0; j < output.height(); j++) {for (int i = 0; i < output.width(); i++) {if (output(i, j) != i + j) {printf("Something went wrong!\n""Pixel %d, %d was supposed to be %d, but instead it's %d\n",i, j, i+j, output(i, j));return -1;}}}printf("Success!\n");return 0;}

```编译方法：```g++ halide01.cpp -g -I /you/patn/include -L /you/path/bin -lHalide -lpthread -ldl -o halide01 -std=c++11```编译完该文件以后，获取可执行文件；执行该文件之前需要设置环境变量：```export LD_LIBRARY_PATH=/you/path/bin```该目录包含Halide.so至此Halide的demo构建结束；本文中只构建了简单的Halide的程序，能够看到Halide语言中算法描述与计算解耦的设计方式；之后的文章中会继续介绍Halide中关于优化策略等的设计，最终验证Halide自动优化代码的性能。