如何使用MLIR工具链访问AMD NPU

在这个项目中，遵循Xilinx mlr - aie GitHub存储库中提供的说明，在Ubuntu上建立一个功能开发环境，并在AMD Ryzen™AI NPU上执行示例mlr - aie程序。目标是完成完整的设置工作流程，其中包括安装所需的工具链，配置系统依赖关系，并使用mlr -AIE框架构建简单的AI引擎(AIE)设计。环境准备好后，将编译包括的示例应用程序并将其部署到NPU中，以验证软件工具和硬件平台之间的正确集成。

此过程演示了为AMD Ryzen AI开发准备系统的实用方法，提供了对工具安装，环境配置和mlr - aie应用程序执行流程的见解。示例程序的成功执行证实了开发管道(从基于mlr的设计到硬件执行)的功能符合预期，为未来的实验和定制AIE应用程序开发奠定了基础。

AMD NPU (Neural Processing Unit)是集成在AMD Ryzen AI系列中的专用AI加速器。下面我们来看看

•系统配置

•Bios设置的变化

•工具链安装

•如何设置环境?

•如何在AMD NPU上运行样例测试用例并验证其执行?

•示例测试用例参考

系统配置

这个过程从Ubuntu 24.04的干净安装开始，确保笔记本电脑更新到最新的BIOS版本，并启用了NPU支持。

修改BIOS设置

然后确认在BIOS中禁用安全引导以允许使用未签名驱动程序。# BIOS→安全→安全启动→禁用

由于Ubuntu 24.04带有较旧的内核，更新到硬件支持(HWE)堆栈以获得Linux内核6.11+：

工具链安装

使用提供的安装脚本安装了Ryzen AI NPU的XDNA驱动程序和XRT。

重启后，检查NPU是否被检测到：

克隆了MLIR-AIE存储库，并为项目设置创建了专用的Python虚拟环境。

作为开发环境准备的一部分，安装了最新版本的mlr - aie和LLVM-AIE。

如何设置环境?

配置了所需的执行环境变量，以确保工具和库的正确集成。

如何在AMD NPU上运行示例并验证执行?

导航到mlir-aie/programming_examples/中提供的编程示例之一，并构建AIE设计：在测试用例路径上使用make命令构建设计：

获得XRT环境，并在单独的终端中执行无限监控脚本，以观察AI Engine活动。

sh脚本触发无限次NPU状态检查。在成功构建完成后，主机应用程序被编译并执行，以在Ryzen AI NPU上运行设计。

这触发了MLIR-AIE运行时，它将计算卸载到NPU。我们可以立即看到加速的结果。

下面是示例执行和验证的输出：

示例测试用例参考：

•直通dma -此设计演示了数据移动，以实现使用对象fifo的内存操作，仅使用dma而不涉及AIE核心。

•直通内核——这个设计演示了一个简单的AIE实现，在涉及AIE核心内核编程的整数向量上实现向量化内存。

•Vector Scalar Add- Single tile执行一个非常简单的+操作，内核从本地内存加载数据，将值加1并将其存储回来。

本文编译自hackster.io