隨著人工智能，VR等領域的發展，我們對于高性能圖像處理程序的需求越來越大；當前編程工具開發的高性能圖像處理程序犧牲了程序的可讀性，模塊性，可移植性等；其主要原因是，當前程序將算法描述， 數據存儲以及計算糅雜一起。同時手工編寫高性能圖像處理程序開發效率較低，難以快速構建大量高性能圖像處理代碼。

在這樣的背景下，MIT的研究人員專門為圖像處理設計了一種程序語言——Halide；Halide語言易于編寫和修改，并且能夠自動對代碼進行優化，使應用程序獲得更好的執行效率。Halide設計的核心思想是將算法的內容和算法的執行耦，這樣程序員可以根據不同的設備設置不同的優化策略，獲得更高質量的代碼。

目前halide支持的設備情況為：

CPU架構：X86, ARM, MIPS, Hexagon, PowerPC

操作系統：Linux, Windows, Mac OS X, Android, iOS, Qualcomm QuRT

GPU計算API：CUDA, OpenCL, OpenGL, OpenGL Compute Shaders,Apple Metal, Microsoft Direct X 12

當前知名的自動優化框架，除了halide還有寒武紀的TVM，TVM在設計上借鑒了halide將算法內容和執行解耦的思路。本文主要主要內容如下：

- LLVM安裝- Halide編譯- Halide程序構建

##LLVM安裝

首先下載LLVM源代碼，源代碼下載地址為：

http://releases.llvm.org/download.html#7.0.1

halide要求LLVM的版本為6.0以上，本文使用的是7.0.1版本；

需要下載一下幾部分：

- LLVM source code (.sig)- Clang source code (.sig)- compiler-rt source code (.sig)- libc++ source code (.sig)- libc++abi source code (.sig)- clang-tools-extra (.sig) （可選）

源碼編譯LLVM：- 創建源碼目錄```mkdir LLVMtar xvf llvm-7.0.1.src.tar.xzmv llvm-7.0.1.src.tar.xz llvm-7.0.1cd llvm-7.0.1/tools/tar xvf cfe-7.0.1.src.tar.xz #clang的源代碼包mv cfe-7.0.1.src clangcd ../projects/tar xvf compiler-rt-7.0.1.src.tar.xztar xvf libcxx-7.0.1.src.tar.xztar xvf libcxxabi-7.0.1.src.tar.xzmv libcxx-7.0.1.src libcxxmv libcxxabi-7.0.1.src libcxxabimv compiler-rt-7.0.1.src compiler-rt```以上是目錄構建的方法，注意需要自己將下載的源代碼包拷貝到對應的目錄下；可選包clang-tools-extra-7.0.1.src.tar.xz放到llvm-7.0.1/tools/clang/tools目錄下，解壓，重命名為extra；- build LLVM筆者在LLVM-7.0.1目錄的同一級，創建LLVM-build目錄；```cd LLVM-buildcmake -DLLVM_ENABLE_TERMINFO=OFF -DLLVM_TARGETS_TO_BUILD="X86;ARM;NVPTX;AArch64;Mips;PowerPC" -DLLVM_ENABLE_ASSERTIONS=ON -DCMAKE_BUILD_TYPE=Release ../LLVM-7.0.1/

make -j4

make install```其中，-DLLVM_TARGETS_TO_BUILD選項也可以根據需求設置，目前LLVM支持的架構包含：AArch64AMDGPUARMBPFHexagonLanaiMipsMSP430NVPTXPowerPCSparcSystemZX86XCore

也可以不使用make install，在編譯Halide的時候使用export：

export LLVM_CONFIG=/build/bin/llvm-configexport CLANG=/build/bin/clang

以上是關于LLVM的編譯。

## Halide的編譯安裝

下載源碼：git clone https://github.com/halide/Halide.git進入Halide目錄，設置環境變量：export LLVM_CONFIG=/build/bin/llvm-configexport CLANG=/build/bin/clang編譯方法有很多種，這里采用cmake編譯，方法如下：```mkdir buildcd buildcmake -DLLVM_DIR=/you/path/install/lib/cmake/llvm -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/you/install/path ../make -j4make install

```note:如果編譯失敗，關注一下cmake命令執行的結果，查看缺少什么包，安裝后重新編譯即可；筆者在編譯的過程中缺少，OpenBLAS，eign3, atlas；其中OpenBLAS采用的源碼安裝，下載源碼：```git clone https://github.com/xianyi/OpenBLAS.gitcd OpenBLASmake -j4make PREFIX=/you/install/path/ install

```如果安裝目錄不是默認的/usr/local/，則需要指定環境變量；其他兩個庫采用apt-get大法安裝即可；```sudo apt-get install libeigen3-devsudo apt-get install libatlas-dev

```至此完成了Halid的安裝編譯；注意Halide也可以不安裝，只要使用的時候正確鏈接庫就OK。

## Halide程序構建demo如下：```// Halide.h包含了整個Halide, 只需要include這個頭文件即可#include "Halide.h"http://c頭文件是為了使用c函數#include

int main(int argc, char **argv) {

//定義函數Halide::Func gradient;//定義變量Halide::Var x, y;//定義計算Halide::Expr e = x + y;

gradient(x, y) = e;//獲取計算結果Halide::Buffer output = gradient.realize(800, 600);

//驗證計算結果for (int j = 0; j < output.height(); j++) {for (int i = 0; i < output.width(); i++) {if (output(i, j) != i + j) {printf("Something went wrong!\n""Pixel %d, %d was supposed to be %d, but instead it's %d\n",i, j, i+j, output(i, j));return -1;}}}printf("Success!\n");return 0;}

```編譯方法：```g++ halide01.cpp -g -I /you/patn/include -L /you/path/bin -lHalide -lpthread -ldl -o halide01 -std=c++11```編譯完該文件以后，獲取可執行文件；執行該文件之前需要設置環境變量：```export LD_LIBRARY_PATH=/you/path/bin```該目錄包含Halide.so至此Halide的demo構建結束；本文中只構建了簡單的Halide的程序，能夠看到Halide語言中算法描述與計算解耦的設計方式；之后的文章中會繼續介紹Halide中關于優化策略等的設計，最終驗證Halide自動優化代碼的性能。