Halide学习

目的：在现代机器上完成高性能的图像处理。

支持的CPU体系结构：x86，ARM，MIPS，Hexagon，PowerPC

支持的操作系统：Linux，Windows，macOS，Android，IOS，Qualcomm QuRT

GPU计算API：,CUDA,  OpenCL,  OpenGL，apple Metal，Microsoft Direct X 12

大致流程：用Halide::Var, Halide::Expr, Halide::Func类型的对象完成c++程序，然后调用Halide::Func::compile_to_file来生成对象文件和头文件。或者调用Halide::Func::realize即时编译(JIT)并即刻运行整套pipeline，这有利于测试小的程序。

明确定位：想对代码加速，又不想花太多精力在上面，那么Halide将是非常优秀的选择。唯一要做的就是把算法用halide重写一遍即可。而且Halide重写算法，和正常理解的完全一样，不需要拐弯抹角，这在图像处理中非常有用。

Halide重要的类：

1. 定义、调度、计算：Halide::Func, Halide::Stage, Halide::Var

2. 图像数据类型：Halide::Buffer

3. passing around and reusing halide expression: Halide::Expr

4. 表示标量和图像参数：Halide::Param, Halide::ImageParam

5. reduce or scatter over some domain: Halide::RDom

6. 返回多值：Halide::Tuple, Halide::Realization

大体是上述六种，可以再大致浏览下每个类中的方法详情，对每个类实现的功能，有个总体概念。

 

Halide编译产出很简洁，so仅有：libHalide.so, libauto_schedule.so, libgradient_autoscheduler.so, halide.cpython-37m-x86_64-linux-gnu.so, 缺点是编出来的libHalide.so有121MB左右，太重了，还要分析下halide运行时环境要多大。