更全面的对比GPT4和Claude对MLIR的掌握能力

sockstack / 112 / 2023-12-31 12:02:38

ChatGPT 可用网址，仅供交流学习使用，如对您有所帮助，请收藏并推荐给需要的朋友。 <a href="https://ckai.xyz/?sockstack&section=detail" target="__blank">https://ckai.xyz</a> <article class="baidu_pl"><div id="article_content" class="article_content clearfix">
<link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/kdoc_html_views-1a98987dfd.css">
<link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/ck_htmledit_views-25cebea3f9.css">
<div id="content_views" class="markdown_views prism-atom-one-dark">
<svg xmlns="http://www.w3.org/2000/svg" style="display: none;"><path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path></svg><blockquote> 本文构造了20个MLIR基础概念的问题以及使用OneFlow IR转换为Tosa IR的5个代码段来评测GPT4和Claude对于MLIR的掌握能力，我的结论是对于基础概念的理解Claude整体上和GPT4持平，而在阅读相关代码片段时Claude表现出了比GPT4更强一点的理解能力。 
</blockquote> 
<h1>
<a id="0x0__2"></a>0x0. 前言</h1> 
前面的文章中以Review一段MLIR相关的Pass代码为例子，对比了ChatGPT3.5，Claude，NewBing在该任务上的理解能力。我得出的结论是在该MLIR的相关任务上，Claude&gt;ChatGPT3.5&gt;&gt;Newbing，评论区有人指出GPT4 &gt;&gt; Clude。我感觉上次的任务设计得不是特别好，并没有充分考察ChatGPT和Claude对MLIR的一些核心概念的理解。然后我今天借到了一个GPT4的官方账号 (daquexian 大老师提供的)，我打算更全面的对比一下GPT4和Claude在对MLIR的掌握能力。接下来将从MLIR基础概念以及一个OneFlow IR转换为TOSA IR的任务出发，更全面的评价GPT4和Claude对于MLIR的掌握能力。 
<h1>
<a id="0x1_MLIR_5"></a>0x1. MLIR基础概念</h1> 
Q1: MLIR中的IR是什么？为什么需要多层IR？ 
ChatGPT4的回答： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/be141b0acb48405e8872d36712ff455e.png" alt="在这里插入图片描述"> 
Claude回答： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/359a18835cb64f36ac9d97ea3d39f423.png" alt="在这里插入图片描述"> 
对于MLIR中的IR是什么GPT4的回答更好一些，然后对于为什么需要多层IR这个问题Claude相比于GPT4更加细节一点。 
Q2. 介绍一下MLIR Dialect的概念，并描述一下Dialect的相关组件。 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/8a654c99d99a47118711f986e9c716be.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/6b09ae5aef7c4efcac6431cfffca8f17.png" alt="在这里插入图片描述"> 
对于这个问题，GPT4的回答非常干净准确，而Claude虽然看起来更细节一些，但是总结得让人看起来很乱。 
Q3: 在MLIR中如何定义和实现一个新的Dialect? 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/07c9170b3c6b4163b2ad259fa9bf4c6b.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/c3600b943c0b4c1892e8fd22733542a2.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/877ad99370614804a330c113d3982e0a.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/df012043a7ab42e6be924067c5cf2d2c.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/0940b186acc4401aaff56561622fd0ce.png" alt="在这里插入图片描述"> 
按照GPT4给出的步骤基本可以自定义一个Dialect以及相关的组件，不过现在一般对于Dialect以及Operation甚至Pass的定义都依靠了MLIR的ODS系统在相应的<code>*.td</code>文件中定义，并自动生成C++代码更加方便和通用。这里还可以发现GPT4在列举结果的时候，序号一直是1，并没有递增，不知道是不是BUG。 
可以再看一下Claude的结果： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/039440051a0a42cc80a13f74567748fe.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/14628bf6b64a42c3b236a14a1c72b242.png" alt="在这里插入图片描述"> 
Claude的结果和GPT4的结果没有GPT4那么细节（比如GPT4把头文件的位置都列出来了），但是整体的步骤和GPT4基本一样，也算是比较好的理解了这个问题。 
Q4: 介绍一下MLIR Dialect中的ModuleOp, FuncOp, Block 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/410d5fe211b34eeba08c1e32e811292b.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/8c995646b8884a12aa9575e4a74769ba.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/c3185bc1373a427f80336f3f5cca6aa7.png" alt="在这里插入图片描述"> 
GPT4的回答相比于Claude主要多了几个代码示例，但主体的内容两者是基本一样的。 
Q5: 介绍一下MLIR Dialect中的Operation, Value, Type, Attribute 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/ba8f31d687fb47e59223a0c507634116.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/036a2700ab9341768b454e3b475d7950.png" alt="在这里插入图片描述"> 
对概念的解释还是比较准确的，接下来看下Claude的结果： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/069a5138d5e54639b3c02ee0bbb32e5b.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/40bd4e9bc10e44daa4f801ba364cc286.png" alt="在这里插入图片描述"> 
对于这个问题，感觉Claude的回答是要比GPT4的回答好一点的。 
为了进一步对比上述概念的理解，我们以MLIR的Toy Dialect示例中的transpose op定义为例，让GPT4和Claude分别详细解释下代码。 
Q6: 详细解释下这行代码。<code>%t_tensor = "toy.transpose"(%tensor) {inplace = true} : (tensor&lt;2x3xf64&gt;) -&gt; tensor&lt;3x2xf64&gt; loc("example/file/path":12:1</code> 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/f7fef653bb2a4b8a8421ee55809cb60b.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/3a2623263eba47689494599d84d75c49.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/147731665c2a4c0281cf37c7fc4bc4ba.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/969d34fb5ed44cf5b08e48d9e47aef16.png" alt="在这里插入图片描述"> 
我们可以看到GPT4的源码分析更加细致，比如GPT4给我们解释了inplace的含义，但Claude并没有。 
Q7：MLIR的Operation由Operation类和Op类的构成，请说一下它们的区别。 并说明一下ConstantOp和<code>mlir::Operation *operation</code>之间应该如何转换。 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/95576bab67174f528cc0f117b24f8393.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/9e74bdec64984bf593077c53c1aa1476.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/1bfcdca4b7424c97b5beacdc9407581a.png" alt="在这里插入图片描述"> 
Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/6e9086c3b181402792e639742bc2a7ae.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/8c50389098a744da89ec0be2ca9b3c75.png" alt="在这里插入图片描述"> 
GPT4和Claude的回答都还不错。 
Q8：介绍一下MLIR Value的2个派生类BlockArgument和OpResult，并说明一下Value和mlir::Operantion *operation之间如何相互转换。 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/745cdf7c19ed474687e59eccee2867af.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/11eae0d3f2684edd9d5cdf499d551379.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/48f847ef37754431beb1ea561de73a96.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/85ee3540f7174983acb1fa7192867514.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/62c9f44fbb914628a74d5adfa419a56c.png" alt="在这里插入图片描述"> 
对于Value的基础概念，GPT4和Claude都理解得不错。 
Q9: 介绍一下mlir::Type，mlir::ShapedType以及mlir::TensorType 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/86589065e94a4214b33c0d5e55bc778e.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/f712ea2ab80a4d759dbee2d0e88b10fb.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/efbab505d2924cf5945102bcaa09c4f3.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/0f1711aba7fe45388426a22d4b66ccb0.png" alt="在这里插入图片描述"> 
就这个回答来说，Claude的回答是超越了GPT4的。它不仅为我们解释了概念，还指出这三个Type的派生类之间应该如何转换。 
Q10: TensorType又可以分成RankedTensorType和UnrankedTensorType，请说明一下它们的区别以及如何判断当前的TensorType是否是Ranked。 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/acfa3b5ac5624b9e9f17ea4eb97c9398.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/67d64360fd7e4d748006a66e9cd111ec.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/a3cc0d49c13b48fc88c8d4531088f119.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/0343e40dc505431eb77ab355b8d0ac8e.png" alt="在这里插入图片描述"> 相比于GPT4，针对这个问题Claude的回答显得更好一点。主要好在它列出了RankedTensorType和UnrankedTensorType的主要成员函数并做了对比。 
Q11: 介绍一下MLIR的Attribute 
GPT4: <img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/c3d073f1e4a74b2ea03216d0638b556d.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/51754e6ef51340f582a6c010a30870f0.png" alt="在这里插入图片描述"> Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/04a6d6fe48ce4eb8a4a6ada04e2a853e.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/8362e4f517954f25993159ac12342129.png" alt="在这里插入图片描述"> 
对于Attribute的解释，我感觉Claude也是比GPT4好一点。 
Q12：介绍一下MLIR的Builder和OpBuilder。 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/274b0c17243a4b0abf224547dda8e08f.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/12faf022897a4323b169b60ce3ad46d5.png" alt="在这里插入图片描述"> Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/1edfccb3cd7b41359efd12b500aa8772.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/14154560c92f4b45b4e01b7e398ff293.png" alt="在这里插入图片描述"> 
个人感觉GPT4和Claude的回答都不是很完善，如果综合一下GPT4和Claude的结果会更好，这个问题双方算是平手。 
Q13: 介绍一下MLIR Context和Region 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/d4ec88ecca6545e18f05a9b8183d35e8.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/3d5f6afb2db14e36a6dd84841c962a3a.png" alt="在这里插入图片描述"> 
Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/22d2060110004bbfa5691e630347505f.png" alt="在这里插入图片描述"> 
这个问题的回答，感觉Claude更加准确，并且Claude指出了使用Context和Region的一般构建流程。 
我们知道在MLIR中定义OP有2种方式，一种是直接在C++定义，另外一种是基于ODS进行定义。目前主流的做法就是基于ODS也就是在一个td文件中定义OP，然后利用TableGen自动生成相应的C++代码。MLIR在OpBase.td中已经定义了一些公共的结构，接下来我们就提问GPT4和Claude是否知道这些公共的结构。 
Q14: MLIR的OpBase.td有哪些公共结构 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/0072144ebfae4c1cbbbf0b69ad5fa8a8.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/e00e93b7654b4c69afd591db909a4212.png" alt="在这里插入图片描述"> 
Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/8bb3a5e86dcb483d9ae9d5c5816d5976.png" alt="在这里插入图片描述"> 
我期待的回答应该类似于： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/a74b2628fdcd4649ae74aaad3659f842.png" alt="在这里插入图片描述"> 
显然，GPT4和Claude都没有给出理想的答案，而是随机挑选了一些OpBase.td定义的类，所以这个问题并没有很好的被语言模型理解。 
Q15: 解释一下TF Dialect中对AvgPool Op使用ODS进行定义涉及到的TableGen语法，AvgPool Op定义的代码如下： 
<pre><code class="prism language-cpp"># https://github.com/tensorflow/tensorflow/blob/master/tensorflow/compiler/mlir/tensorflow/ir/tf_generated_ops.td#L965
def TF_AvgPoolOp : TF_Op&lt;"AvgPool", [Pure]&gt; {let summary = "Performs average pooling on the input.";let description = [{
Each entry in `output` is the mean of the corresponding size `ksize`
window in `value`.}];let arguments = (insArg&lt;TF_FloatTensor, [{4-D with shape `[batch, height, width, channels]`.}]&gt;:$value,ConfinedAttr&lt;I64ArrayAttr, [ArrayMinCount&lt;4&gt;]&gt;:$ksize,ConfinedAttr&lt;I64ArrayAttr, [ArrayMinCount&lt;4&gt;]&gt;:$strides,TF_AnyStrAttrOf&lt;["SAME", "VALID"]&gt;:$padding,DefaultValuedOptionalAttr&lt;TF_ConvnetDataFormatAttr, "\"NHWC\""&gt;:$data_format);let results = (outsRes&lt;TF_FloatTensor, [{The average pooled output tensor.}]&gt;:$output);TF_DerivedOperandTypeAttr T = TF_DerivedOperandTypeAttr&lt;0&gt;;
}
</code></pre> 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/7ffc75a95d7445018bffbf861e77ef17.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/fe9223ebdcee4baaa48894fd8f0d3f60.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/32832cf4a66944089eb9a0bee2b83e9e.png" alt="在这里插入图片描述"> 
GPT4和Claude的结果比较类似，都是逐行解析了涉及到的TableGen语法。 
Q16: 请解释一下MLIR中的Bufferization 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/0fb6fcfb400f4a7ebd556ba79ccf60d4.png" alt="在这里插入图片描述"> 
Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/33cab057c06f4b319437b30bfe1076fb.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/533f981e24d6456cad660ae170ddfe67.png" alt="在这里插入图片描述"> 
GPT4的回答宏观一些，Claude的回答更具体一些，都有优点。 
Q17: 对于将分散的memref.alloc操作优化合并成单一的memref.alloc统一分配并通过类似memref.subview进行复用，你有什么建议吗，有现成的类似的pass实现吗 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/c1a7458989904b57be4afe6496f7ddbf.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/7c21e592094a4a139143e606220f9a3d.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/9f38ccf4116d484caba34971da06fac6.png" alt="在这里插入图片描述"> 
对于这个问题，GPT4总结得比Claude更细一些。 
Q18: 讲一下MLIR中One-Shot Bufferize设计的目的和目前成熟的应用 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/9b2cb5f915d04aec9b46f083761dc8c5.png" alt="在这里插入图片描述"> 
Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/9ab3d7bbb68641be8c0bb88d63bf8273.png" alt="在这里插入图片描述"> 
两种回答差不多，不分高下。 
Q19: https://mlir.llvm.org/docs/Bufferization/ 这个网页你能解读一下吗 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/7de9c45055924bc39b0b03e1eda9217d.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/246b35ae082c4c10a9fc66929b7061d0.png" alt="在这里插入图片描述"> 
GPT4的总结稍微更贴合网页一些，但是自己去浏览网页可以发现还是有一些细节被漏掉了，如果要学习Bufferization还是建议去看下原始的网页。 
Q20: 解释下linalg的算子融合算法 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/3d471d00f16c45e3baa31aad32510585.png" alt="在这里插入图片描述"> Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/ccfdff216254427f943e5cc76bd62384.png" alt="在这里插入图片描述"> 
对Linalg的学习有限，个人感觉这两个答案都是比较宏观的，需要查看Linalg的文档或者代码进一步获取相关信息。 
上面一共问了20个问题，我个人感觉GPT4相比于Claude并没有很大的优势，我的初步结论是就MLIR的基础概念理解来看，GPT4和Claude几乎打成平手。 
<h1>
<a id="0x2__346"></a>0x2. 代码阅读</h1> 
这一节，我以OneFlow中的OneFlow Dialect中的Op转换为TOSA Dialect中的Op为例子，对比一下GPT4和Claude对相关代码的理解能力。这部分代码在 https://github.com/Oneflow-Inc/oneflow/blob/master/oneflow/ir/lib/OneFlow/Conversion/OneFlowToTosa.cpp 这个c++文件中。 
Code 1 
解释一下 
<pre><code class="prism language-cpp">Type convertToSignless(MLIRContext* context, Type type) {if (auto ranked_tensor = type.dyn_cast&lt;RankedTensorType&gt;()) {if (auto intTy = ranked_tensor.getElementType().dyn_cast&lt;IntegerType&gt;()) {if (!intTy.isSignless()) {return RankedTensorType::get(ranked_tensor.getShape(),IntegerType::get(context, intTy.getWidth(),mlir::IntegerType::SignednessSemantics::Signless));}}}return type;
}FunctionType convertToSignlessFuncType(MLIRContext* context, FunctionType funcType) {llvm::SmallVector&lt;Type, 4&gt; inputs;llvm::SmallVector&lt;Type, 4&gt; results;for (auto arg : funcType.getInputs()) { inputs.push_back(convertToSignless(context, arg)); }for (auto res : funcType.getResults()) { results.push_back(convertToSignless(context, res)); }return FunctionType::get(context, inputs, results);
}
</code></pre> 
GPT4： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/16c0250c4aab4784b3508bcbe0467943.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/be8ca6273ab84e5d84913107d7aaa83b.png" alt="在这里插入图片描述"> 
GPT4和Claude对这段代码的解释基本相同，并且都是正确的。 
Code2 解释一下： 
<pre><code class="prism language-cpp">bool isSignLessTensorOrOther(Type type) {if (auto ranked_tensor = type.dyn_cast&lt;RankedTensorType&gt;()) {if (auto intTy = ranked_tensor.getElementType().dyn_cast&lt;IntegerType&gt;()) {if (intTy.isUnsigned()) { return false; }if (intTy.isSigned()) { return false; }}}return true;
}
bool allSignless(mlir::TypeRange types) {for (auto type : types) {if (!isSignLessTensorOrOther(type)) { return false; }}return true;
}bool allSignless(FunctionType funcType) {for (auto arg : funcType.getInputs()) {if (!isSignLessTensorOrOther(arg)) { return false; }}for (auto res : funcType.getResults()) {if (!isSignLessTensorOrOther(res)) { return false; }}return true;
}
</code></pre> 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/ed39bfda0c434874870d595cfa85e708.png" alt="在这里插入图片描述"> 
Claude： 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/c1de82e9c8d24416b871e9e6a671d5ca.png" alt="在这里插入图片描述"> 
GPT4和Claude的结果也比较类似，但Claude有个优点就是它对每个函数都给出了一个例子，可以帮助读者更方便的去理解这段代码的含义。 
Code3 
解释一下： 
<pre><code class="prism language-cpp">Value CreateTransposeValue(Location&amp; loc, ConversionPatternRewriter&amp; rewriter, Value input,ArrayRef&lt;int32_t&gt; perms) {int perms_size = perms.size();auto transpose_perms = rewriter.create&lt;tosa::ConstOp&gt;(loc, RankedTensorType::get({perms_size}, rewriter.getI32Type()),rewriter.getI32TensorAttr(perms));const auto shape_type = input.getType().cast&lt;ShapedType&gt;();std::vector&lt;int64_t&gt; ranked_type;for (const auto&amp; index : perms) ranked_type.push_back(shape_type.getDimSize(index));return rewriter.create&lt;tosa::TransposeOp&gt;(loc, RankedTensorType::get(ranked_type, shape_type.getElementType()), input, transpose_perms);
};RankedTensorType CreateTransposeType(ShapedType output, ArrayRef&lt;int32_t&gt; perms) {std::vector&lt;int64_t&gt; ranked_type;for (auto index : perms) ranked_type.push_back(output.getDimSize(index));return RankedTensorType::get(ranked_type, output.getElementType());
};
</code></pre> 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/ad4f59a144b14bd982001d1c926592b1.png" alt="在这里插入图片描述"> 
Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/e622422ed91b46d0a3931c3ac1a0949b.png" alt="在这里插入图片描述"> 
相比之下，感觉Claude的解释可以胜出。 
Code4 
解释一下： 
<pre><code class="prism language-cpp">Value CreateBNOp(Location loc, ConversionPatternRewriter&amp; rewriter, Type output_type, Value x,Value mean, Value variance, Value epsilon, Value gamma, Value beta) {// sub_op = sub(input, mean)auto sub_op0 = rewriter.create&lt;tosa::SubOp&gt;(loc, output_type, x, mean);// add_op0 = add(var, epsilon)auto add_op0 = rewriter.create&lt;tosa::AddOp&gt;(loc, variance.getType(), variance, epsilon);// rsqrt_op = rsqrt(add_op0)auto rsqrt_op = rewriter.create&lt;tosa::RsqrtOp&gt;(loc, variance.getType(), add_op0);// op4 = mul(sub_op, rsqrt_op)auto mul_op0 = rewriter.create&lt;tosa::MulOp&gt;(loc, output_type, sub_op0, rsqrt_op, 0);// op5 = mul(mul_op0, gamma)auto mul_op1 = rewriter.create&lt;tosa::MulOp&gt;(loc, output_type, mul_op0, gamma, 0);// op6 = add(mul_op1, beta)Value batch_norm = rewriter.create&lt;tosa::AddOp&gt;(loc, output_type, mul_op1, beta);return batch_norm;
};
</code></pre> 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/2075e59fc43842e39d98fe55cb7fde06.png" alt="在这里插入图片描述"> 
Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/6dc4bbd8df4445749ff4b61ec78df10e.png" alt="在这里插入图片描述"> 
感觉GPT4和Claude对代码的理解是一样的。 
Code5 
再看一个卷积Op，解释一下： 
<pre><code class="prism language-cpp">struct Conv2DOpLowering final : public OpConversionPattern&lt;Conv2DOp&gt; {public:using OpConversionPattern&lt;Conv2DOp&gt;::OpConversionPattern;LogicalResult matchAndRewrite(Conv2DOp op, OpAdaptor adaptor,ConversionPatternRewriter&amp; rewriter) const override {auto get_pair_int64_from_array = [](ArrayAttr arr) -&gt; std::pair&lt;int64_t, int64_t&gt; {return {arr.getValue()[0].cast&lt;IntegerAttr&gt;().getSInt(),arr.getValue()[1].cast&lt;IntegerAttr&gt;().getSInt()};};auto stride_pairs = get_pair_int64_from_array(op.getStrides());auto pad_pairs = get_pair_int64_from_array(op.getPaddingBeforeAttr());auto dilation_pairs = get_pair_int64_from_array(op.getDilationRate());const auto pad = rewriter.getDenseI64ArrayAttr({pad_pairs.first, pad_pairs.second, pad_pairs.first, pad_pairs.second});const auto stride = rewriter.getDenseI64ArrayAttr({stride_pairs.first, stride_pairs.second});const auto dilation =rewriter.getDenseI64ArrayAttr({dilation_pairs.first, dilation_pairs.second});auto bias = op.getBias();auto loc = op.getLoc();if (!bias) {const auto output_shape = op.getOut().getType().cast&lt;ShapedType&gt;();// support nhwcconst auto output_channels = output_shape.getDimSize(op.IsNCHW() ? 1 : 3);const auto bias_elem_type = output_shape.getElementType();const auto type = RankedTensorType::get(output_channels, bias_elem_type);bias = rewriter.create&lt;tosa::ConstOp&gt;(op.getLoc(), type, DenseElementsAttr::get(type, rewriter.getZeroAttr(bias_elem_type)));}auto in = op.getIn();auto weight = op.getWeight();auto out_type = op.getOut().getType().cast&lt;ShapedType&gt;();if (out_type.getRank() != 4) {LOG(FATAL) &lt;&lt; "Failed to lowering oneflow op";op-&gt;dump();}// support nhwcif (op.IsNCHW()) {const auto perms = {0, 2, 3, 1};const auto reverse_perms = {0, 3, 1, 2};in = CreateTransposeValue(loc, rewriter, in, perms);weight = CreateTransposeValue(loc, rewriter, weight, perms);out_type = CreateTransposeType(out_type, perms);auto conv2d =rewriter.create&lt;tosa::Conv2DOp&gt;(loc, out_type, in, weight, bias, pad, stride, dilation);auto res = CreateTransposeValue(loc, rewriter, conv2d, reverse_perms);rewriter.replaceOp(op, {res});} else {rewriter.replaceOpWithNewOp&lt;tosa::Conv2DOp&gt;(op, out_type, in, weight, bias, pad, stride,dilation);}return success();}
};
</code></pre> 
GPT4: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/fe30c77b76434ab09eb5aa56b418fdf2.png" alt="在这里插入图片描述"> 
Claude: 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/7ab4b408fc2a4fa68659570532023c6b.png" alt="在这里插入图片描述"> 
我们再问一下，为什么format为"NHWC"的时候要加transpose操作？ 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/4574567e1fe9428f8035ab28c453d4f4.png" alt="在这里插入图片描述"> 
<img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/f3704d5af69e4e50b479f16b19a8df7e.png" alt="在这里插入图片描述"> 
可以看到Claude理解了我的问题，并指出这是因为Tosa的conv2d不支持nhwc数据格式，所以需要加transpose。而GPT4在这个问题上就没有理解我的意思并字面意义的重复了我的问题。 
<h1>
<a id="0x3__578"></a>0x3. 总结</h1> 
本文构造了20个MLIR基础概念的问题以及使用OneFlow IR转换为Tosa IR的5个代码段来评测GPT4和Claude对于MLIR的掌握能力，我的结论是对于基础概念的理解Claude整体上和GPT4持平，而在阅读相关代码片段时Claude表现出了比GPT4更强一点的理解能力。
</div>
<link href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/markdown_views-98b95bb57c.css" rel="stylesheet">
<link href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/style-c216769e99.css" rel="stylesheet">
</div>
<div id="treeSkill"></div>
</article>

作者

sockstack

许可协议

CC BY 4.0

发布于

2023-12-31

修改于

2024-07-25

上一篇：软件：常用 Linux 软件汇总，值得收藏下一篇：chatgpt赋能python：Python如何将空格变成换行

尚未登录

更全面的对比GPT4和Claude对MLIR的掌握能力

文章分类

博客重构之路

Spring Boot简单入门

k8s 入门教程

MySQL 知识

NSQ 消息队列

ThinkPHP5 源码分析

使用 Docker 从零开始搭建私人代码仓库

日常开发汇总

标签列表

springboot

hyperf

swoole

webman

php

多线程

数据结构

docker

k8s

thinkphp

mysql

tailwindcss

flowbite

css

前端