← 返回博客主页
阅读 0

IREE v3.12.0 发布 HAL 0.7 破坏性升级并新增多款硬件目标；PyTorch 加速器工作组推进跨仓库 CI 与 PrivateUse1 参考后端

今日概览

2026 年 10 月 6 日：IREE 发布 v3.12.0，这是一次带破坏性变更的大版本——HAL 模块升至 0.7 使旧 VMFB 失效，codegen pipeline 名称改为 backend attribute 语法，同时重写 Vulkan 驱动、新增 WebGPU、NVIDIA Ada/Blackwell、AMD CDNA5/RDNA3 等目标，并为 ROCm 引入 skinny GEMM 优化。PyTorch 加速器集成工作组公布 2026 H1 进展，通过跨仓库 CI Relay、去设备化测试重构与 hw_classification 分类、OpenReg profiler stub 等基础设施，降低第三方加速器接入门槛。

重点变化

1. Release v3.12.0

IREE 发布 v3.12.0，累计约 720 个 PR。HAL 模块版本升至 0.7，使旧 VMFB 与 3.12 runtime 不兼容，需要重新编译；信号量系统改为由 async proactor 驱动的共享 iree_async_semaphore_t；Vulkan HAL 驱动重写并要求 Vulkan 1.3（timelineSemaphore、scalarBlockLayout、synchronization2）。codegen pipeline 改用 backend attribute 命名（如 #iree_gpu.pipeline、#iree_cpu.pipeline），旧关键字不再解析。新增 WebGPU WGSL 目标（经 SPIR-V 与 Tint，通过 IREE_TARGET_BACKEND_WEBGPU_SPIRV 开启）、NVIDIA Ada (sm_89) 与 Blackwell (sm_120/sm_121)、AMD CDNA5/MI455X 与 RDNA3，以及 Broadcom VideoCore VII、Arm Mali 5th-gen、llvmpipe 等 Vulkan 目标。ROCm codegen 为 M≤8 的 skinny GEMM 引入虚拟稠密 MFMA，在 gfx950 上最高约 24% 提速，并在 gfx950 默认启用 F16/BF16 GEMM 的 DMA；iree-dialects 项目与旧 transform.iree.match_callback 风格 ops 被移除。

为什么重要： 这是一次破坏性版本升级：HAL 0.7 的 VMFB 不兼容意味着已部署模型包需重新编译，pipeline 关键字改为 attribute 语法也要求用户更新编译脚本，迁移成本集中在前端与集成环节。同时硬件目标大幅扩展——WebGPU、Blackwell、CDNA5 等扩大了可部署范围——而 MFMA 与 DMA 默认开启则为 ROCm 平台上的 GEMM 工作负载带来实际性能提升。

涉及层级： frontend、optimization、kernel_codegen、hardware_backend、runtime

来源： 原始来源 1

事件评分： 90.8/100

2. PyTorch Hardware Enablement: Updates from the Accelerator Integration Working Group

PyTorch 加速器集成工作组发布 2026 H1 进展：引入跨仓库 CI Relay（CRCR），通过 webhook、GitHub OIDC 回调与分层 allowlist 回传跨仓库 CI 状态；测试套件去设备化重构迁移了 276+ 测试文件，并落地 hw_classification 分类元数据（GENERIC、DEVICE_GENERIC、CUDA、XPU、MPS）、-hw-classification 标志与 HW_CLASSIFICATION linter 护栏；基于 REGISTER_PRIVATEUSE1_PROFILER 实现 OpenReg 参考 profiler stub 栈，覆盖 session 生命周期、activity 类型与 correlation ID；整体工作流明确包含 compiler backend integration，OpenReg 作为 PyTorch 树内 PrivateUse1 参考后端持续扩展 device registration、operator dispatch、streams、events 等集成模式。

为什么重要： 对第三方加速器厂商而言，这些基础设施降低了把私有后端接入 PyTorch 生态的成本：CRCR 打通跨仓库 CI 状态可见性，hw_classification 让测试按硬件自动分派，OpenReg profiler stub 提供了可复制的 Kineto 集成范例，而 compiler backend integration 工作流则为后端编译器如何与 PyTorch 协同指明了路径。

涉及层级： hardware_backend、runtime

来源： 原始来源 1

事件评分： 62.7/100

值得继续观察

  • IREE v3.12：HAL 0.7 导致旧 VMFB 不兼容，需重新编译
  • IREE pipeline 关键字改为 backend attribute 语法
  • Vulkan HAL 重写并要求 Vulkan 1.3
  • IREE WebGPU WGSL 目标（SPIR-V + Tint，opt-in）
  • ROCm skinny GEMM 虚拟稠密 MFMA 与 F16/BF16 DMA 默认开启
  • PyTorch CRCR 跨仓库 CI 与 hw_classification 测试分类
  • OpenReg PrivateUse1 profiler stub 参考实现

数据与生成说明

  • 采集窗口：2026-10-05T08:00:00+08:00 至 2026-10-06T08:00:00+08:00
  • 生成模式：deepseek
  • 文章由程序根据一手来源生成；性能结论应以链接中的原始配置为准。
  • 原始条目：LLVM 1 条，PyTorch 2 条，arXiv 4 条，iree-org/iree 1 条

评论