1 什么是算子tiling
在计算机科学和深度学习领域，算子 tiling（有时也被称作操作符 tiling 或者循环 tiling）是一种优化技术，主要用于提高计算效率，尤其是在处理大规模张量运算时。Tiling 技术通常用于将大的计算任务分解成更小的块，这些小块可以在内存中更高效地处理，或者更适合并行计算环境。
在深度学习框架中，算子 tiling 可以应用于不同的场景：
- 内存优化：通过将大的张量切分成更小的部分，可以更好地利用高速缓存（cache），减少内存访问延迟，从而提高计算性能。
- 并行计算：在分布式系统或GPU上，数据可以被切分成块（tiles），然后并行处理。这样可以让更多的处理器同时工作，加快计算速度。
- 避免内存溢出：对于非常大的张量，直接处理可能会导致内存不足的问题。通过 tiling，可以将数据分批处理，从而避免一次性加载整个张量到内存中。
在深度学习模型的实现过程中，特别是在卷积神经网络（CNNs）中，经常会遇到需要对输入数据进行切片处理的情况。例如，在一些深度学习框架中，可以使用特定的API来实现 tiling 操作。
需要注意的是，“tiling”一词在不同的上下文中可能有不同的含义。在图像处理中，tiling 也可能指的是将图像分割成多个小块（tiles），以便于独立处理或存储。而在计算机图形学中，tiling 则可能涉及到纹理映射或屏幕渲染中的技术。不过，在上述情况下讨论的“算子 tiling”主要指的是与计算优化相关的一种技术。
2 tiling data
tiling操作输出的数据，就叫做tilingdata，是kernel的分片参数，用于决定kernel实际计算时的分片策略。在ATB中（ATB是什么？ - 知乎 (zhihu.com)）通常以结构体的形式存储，由用户输入的参数与张量Shape计算而来。
tiling data的计算通常放到host侧，tiling data在host侧计算完毕后，ATB再将其拷贝到device侧，作为kernel的输入提供给kernel。
既然是host->device肯定涉及到内存的拷贝，那如何优化这种拷贝任务也需要一种设计上的优化。在ATB中，存在三种不同的tiling data搬移策略：tiling整体搬移、多stream搬移、tiling随kernel下发搬移，当前默认使用的是tiling随kernel下发搬移这一方式。
3 ATB中的Tiling data搬移策略
3.1 整体搬移
tiling整体搬移方式会把每次计算出的tiling data存放到一片连续的host内存中，待所有kernel的tiling data计算完成后，再一次性搬移到device侧。
在性能优化方面，内存整体搬移相较于单个内存搬移，肯定是由有优势的。机器指令下发次数少，机器寻址次数也少。
3.2 多stream搬移方式
多stream搬移方式则是针对整体搬移方式做出的改良，其核心思路是通过stream并行的方式来减少tiling data搬移所消耗的时间。在该搬移策略中，ATB会准备好两个stream、一个环状的device缓冲区以及一系列同步信号量。
- 其中一条stream用于kernel的执行，另一条则单独用于tiling data的拷贝。由于kernel的执行依赖于tiling data拷贝的完成，此时需要用同步信号量来保证另一条stream上的kernel执行动作位于当前kernel的tiling data拷贝完成之后。
- 环状的device内存缓冲区则是用于处理在tiling data拷贝速度快于kernel执行速度时，提前拷贝到device侧的tiling data数据可以保存下来且不互相冲突。但在tiling data拷贝速度过于快时，有可能会出现device缓冲区被填满的情况，这种情况下需要增大device缓冲区中的内存块数。
如上这种方式，也就是将tiling搬移作为异步任务下发，与kernel的执行形成流水的任务。这也是性能优化一种常用的手段。
注意：多stream搬移方式下的tiling data还是多个kernel的tiling data，不是单kernel的tiling data。
3.3 tiling随kernel下发搬移
该策略对tiling整体搬移方式进行了性能优化，但优化方式与多stream搬移方式不同。
tiling随kernel下发搬移的核心思路是：
- 不再等待所有tiling data计算完毕后再一次性搬移到device侧，而是每次计算完一个kernel的tiling data就搬移至device侧。
- 在kernel任务下发至device侧时，同时启动tiling data的搬移任务。这样就可以使host侧与device侧的设备并行，在host侧准备下一个kernel的tiling data的时候，device侧同时执行当前kernel任务，从而显著提升了tiling data的搬移效率。
如下图所示，相较于多stream搬移方式，在tiling data搬移速度过快时会导致的device缓存区不足，从而导致tiling data被覆盖，tiling随kernel下发搬移的方式不受两者（tiling data拷贝速度与kernel执行速度）速度的限制，且性能优化也更进一步。
tiling随kernel下发搬移策略
这种方式下，还是一个异步操作。
疑问：性能上相比多stream搬移方式有提升吗？感觉是是差不多的，主要是不是解决device缓存区不足，从而导致tiling data被覆盖的问题？
参考：
工作原理-进阶专题-Ascend Transformer Boost加速库-领域加速库开发-CANN商用版8.0.RC2.2开发文档-昇腾社区
