PolyTOPS：可重构且灵活的多面体调度器

多面体技术已广泛用于底层编译器和高层流程中的自动代码优化。循环优化是这项技术的核心，已提出多种多面体调度器，如Feautrier、Pluto、isl和Tensor调度器，每种都针对不同的架构、并行模型或应用场景。由于架构的异构性，对特定场景优化的需求日益增长。最具代表性的案例之一是用于人工智能的NPU（神经处理单元），它们可能需要具有不同目标的循环优化。另一个需要考虑的因素是多面体优化发生的框架或编译器。根据目标架构、编译环境和应用领域的不同，不同场景可能需要不同类型的优化，以最佳地利用架构特性集。我们引入了一种新的可配置多面体调度器PolyTOPS，它可以通过直接、高层的配置适应各种场景。该调度器允许创建多样化的调度策略，这些策略既可以针对特定场景（如同当前最优的调度器），也可以针对特定内核，打破了“一刀切”调度器方法的概念。PolyTOPS已与isl和CLooG作为代码生成器一起使用，并已集成到MindSpore AKG深度学习编译器中。不同场景下的实验结果显示其性能良好：在MindSpore（针对NPU昇腾架构）混合自定义算子中，相较于isl调度，几何平均加速比为7.66倍；在不同多核架构的PolyBench上，相较于Pluto调度，几何平均加速比高达1.80倍。最后，在PolyMage场景中展示了与不同当前最优工具的一些比较。