news 2026/5/9 21:18:30

CANN/ops-math常数填充算子

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
CANN/ops-math常数填充算子

aclnnConstantPadNd

【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math

📄 查看源码

产品支持情况

产品是否支持
Ascend 950PR/Ascend 950DT√
Atlas A3 训练系列产品/Atlas A3 推理系列产品√
Atlas A2 训练系列产品/Atlas A2 推理系列产品√
Atlas 200I/500 A2 推理产品×
Atlas 推理系列产品√
Atlas 训练系列产品√

功能说明

  • 接口功能：对输入的张量self，以pad参数为基准进行数据填充，填充值为value。

  • 计算公式：

    • out tensor的shape推导公式： $$ \begin{aligned} &假设输入self的shape为： \ &[dim0_{in},dim1_{in}, dim2_{in}, dim3_{in}] &假设 \ &pad = &[dim3_{begin},dim3_{end}, \&&dim2_{begin},dim2_{end}, \&&dim1_{begin},dim1_{end}, \&&dim0_{begin},dim0_{end}] \end{aligned} $$

      $$ \begin{aligned} &则输出out的shape为： \ &[dim0_{out}, dim1_{out}, dim2_{out}, dim3_{out}] = &[dim0_{begin}+dim0_{in}+dim0_{end}, \&&dim1_{begin}+dim1_{in}+dim1_{end}, \&&dim2_{begin}+dim2_{in}+dim2_{end}, \&&dim3_{begin}+dim3_{in}+dim3_{end}] \end{aligned} $$

    • 例子1：
      (pad数组长度等于self维度的两倍的情况)

      $$ \begin{aligned} selfShape &= [1, 1, 1, 1, 1]\ pad &= \lbrace 0, 1, 2, 3, 4, 5, 6, 7, 8, 9\rbrace \ outputShape &= [8+1+9, 6+1+7, 4+1+5, 2+1+3, 0+1+1]\ &= [18,14,10,6,2] \end{aligned} $$

    • 例子2：
      (pad数组长度小于self维度的两倍的情况)

      $$ \begin{aligned} selfShape &= [1, 1, 1, 1, 1]\ pad &= \lbrace 0, 1, 2, 3, 4, 5\rbrace \ outputShape &= [0+1+0, 0+1+0, 4+1+5, 2+1+3, 0+1+1]\ &= [1,1,10,6,2] \end{aligned} $$

函数原型

每个算子分为两段式接口，必须先调用“aclnnConstantPadNdGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnConstantPadNd”接口执行计算。

aclnnStatus aclnnConstantPadNdGetWorkspaceSize( const aclTensor* self, const aclIntArray* pad, const aclScalar* value, aclTensor* out, uint64_t* workspaceSize, aclOpExecutor** executor)
aclnnStatus aclnnConstantPadNd( void* workspace, uint64_t workspaceSize, aclOpExecutor* executor, aclrtStream stream)

aclnnConstantPadNdGetWorkspaceSize

  • 参数说明

    参数名输入/输出描述使用说明数据类型数据格式维度（shape）非连续Tensor
    self（aclTensor*）输入待填充的原输入数据-FLOAT、FLOAT16、INT32、INT64、INT16、INT8、UINT8、UINT16、UINT32、UINT64、BOOL、DOUBLE、COMPLEX64、COMPLEX128 、BFLOAT16、HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2。ND0-8√
    pad（aclIntArray*）输入输入中各轴需要填充的维度数组长度必须为偶数且不能超过self维度的两倍。INT64---
    value（aclScalar*）输入填充部分的填充值-可转换为self的数据类型---
    out（aclTensor*）输出输出tensor填充后的输出结果与self一致ND维度和self保持一致√
    workspaceSize（uint64_t*）输出返回需要在Device侧申请的workspace大小。-----
    executor（aclOpExecutor**）输出返回op执行器，包含了算子计算流程。-----
    • Atlas 训练系列产品 、 Atlas 推理系列产品 ：数据类型不支持BFLOAT16、HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2。
    • Atlas A3 训练系列产品/Atlas A3 推理系列产品 、 Atlas A2 训练系列产品/Atlas A2 推理系列产品 ：数据类型不支持 HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2。
    • value与self的数据类型满足数据类型推导规则（参见互推导关系）。
    • 对于CANN 9.0.0版本，self的数据类型为HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0时，仅支持value的bit值全为0。

  • 返回值

    aclnnStatus：返回状态码，具体参见aclnn返回码。

    第一段接口完成入参校验，出现以下场景时报错：

    返回值错误码描述
    ACLNN_ERR_PARAM_NULLPTR161001传入的self、pad、value或out是空指针。
    ACLNN_ERR_PARAM_INVALID161002self、value或out的数据类型不在支持的范围之内。
    self与out的数据类型不一致。
    self与value的数据类型不满足数据类型推导规则。
    self的shape和pad的输入推导出的shape与out的shape不一致。
    pad中元素不为偶数或超过了self维度的两倍。
    self或out的维度大于8。
    pad中每个值都不能让out的shape小于0，如果pad中存在正数，则out的shape中不能有0。
    当self的数据格式不为ND，out的数据格式与self的数据格式不一致。
    当self的数据类型为HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0、FLOAT4_E2M1、FLOAT4_E1M2时，pad中元素是负数。
    对于CANN 9.0.0版本，当self的数据类型为HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0时，value不为0。

aclnnConstantPadNd

  • 参数说明

    参数名输入/输出描述
    workspace输入在Device侧申请的workspace内存地址。
    workspaceSize输入在Device侧申请的workspace大小，由第一段接口aclnnConstantPadNdGetWorkspaceSize获取
    executor输入op执行器，包含了算子计算流程。
    stream输入指定执行任务的Stream。

  • 返回值：

    aclnnStatus：返回状态码，具体参见aclnn返回码。

约束说明

  • 确定性计算：
    • aclnnConstantPadNd默认确定性实现。

调用示例

示例代码如下，仅供参考，具体编译和执行过程请参考编译与运行样例。

#include <iostream> #include <vector> #include "acl/acl.h" #include "aclnnop/aclnn_constant_pad_nd.h" #define CHECK_RET(cond, return_expr) \ do { \ if (!(cond)) { \ return_expr; \ } \ } while (0) #define LOG_PRINT(message, ...) \ do { \ printf(message, ##__VA_ARGS__); \ } while (0) int64_t GetShapeSize(const std::vector<int64_t>& shape) { int64_t shapeSize = 1; for (auto i : shape) { shapeSize *= i; } return shapeSize; } int Init(int32_t deviceId, aclrtStream* stream) { // 固定写法，资源初始化 auto ret = aclInit(nullptr); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret); ret = aclrtSetDevice(deviceId); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret); ret = aclrtCreateStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret); return 0; } template <typename T> int CreateAclTensor(const std::vector<T>& hostData, const std::vector<int64_t>& shape, void** deviceAddr, aclDataType dataType, aclTensor** tensor) { auto size = GetShapeSize(shape) * sizeof(T); // 调用aclrtMalloc申请device侧内存 auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret); // 调用aclrtMemcpy将host侧数据拷贝到device侧内存上 ret = aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMemcpy failed. ERROR: %d\n", ret); return ret); // 计算连续tensor的strides std::vector<int64_t> strides(shape.size(), 1); for (int64_t i = shape.size() - 2; i >= 0; i--) { strides[i] = shape[i + 1] * strides[i + 1]; } // 调用aclCreateTensor接口创建aclTensor *tensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { // 1. （固定写法）device/stream初始化，参考acl API手册 // 根据自己的实际device填写deviceId int32_t deviceId = 0; aclrtStream stream; auto ret = Init(deviceId, &stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret); // 2. 构造输入与输出，需要根据API的接口自定义构造 std::vector<int64_t> selfShape = {3, 3}; std::vector<int64_t> outShape = {5, 5}; void* selfDeviceAddr = nullptr; void* outDeviceAddr = nullptr; aclTensor* self = nullptr; aclIntArray* pad = nullptr; aclScalar* value = nullptr; aclTensor* out = nullptr; std::vector<float> selfHostData = {0, 1, 2, 3, 4, 5, 6, 7, 8}; std::vector<float> outHostData(25, 0); float valueValue = 0.0f; std::vector<int64_t> padData = {1,1,1,1}; // 创建self aclTensor ret = CreateAclTensor(selfHostData, selfShape, &selfDeviceAddr, aclDataType::ACL_FLOAT, &self); CHECK_RET(ret == ACL_SUCCESS, return ret); // 创建pad数组 pad = aclCreateIntArray(padData.data(), 4); CHECK_RET(pad != nullptr, return ret); // 创建value aclScalar value = aclCreateScalar(&valueValue, aclDataType::ACL_FLOAT); CHECK_RET(value != nullptr, return ret); // 创建out aclTensor ret = CreateAclTensor(outHostData, outShape, &outDeviceAddr, aclDataType::ACL_FLOAT, &out); CHECK_RET(ret == ACL_SUCCESS, return ret); // 3. 调用CANN算子库API，需要修改为具体的Api名称 uint64_t workspaceSize = 0; aclOpExecutor* executor; // 调用aclnnConstantPadNd第一段接口 ret = aclnnConstantPadNdGetWorkspaceSize(self, pad, value, out, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnConstantPadNdGetWorkspaceSize failed. ERROR: %d\n", ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 void* workspaceAddr = nullptr; if (workspaceSize > 0) { ret = aclrtMalloc(&workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret); } // 调用aclnnConstantPadNd第二段接口 ret = aclnnConstantPadNd(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnConstantPadNd failed. ERROR: %d\n", ret); return ret); // 4. （固定写法）同步等待任务执行结束 ret = aclrtSynchronizeStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret); // 5. 获取输出的值，将device侧内存上的结果拷贝至host侧，需要根据具体API的接口定义修改 auto size = GetShapeSize(outShape); std::vector<float> resultData(size, 0); ret = aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), outDeviceAddr, size * sizeof(float), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result from device to host failed. ERROR: %d\n", ret); return ret); for (int64_t i = 0; i < size; i++) { LOG_PRINT("result[%ld] is: %f\n", i, resultData[i]); } // 6. 释放aclTensor和aclScalar，需要根据具体API的接口定义修改 aclDestroyTensor(self); aclDestroyIntArray(pad); aclDestroyScalar(value); aclDestroyTensor(out); // 7. 释放device资源，需要根据具体API的接口定义修改 aclrtFree(selfDeviceAddr); aclrtFree(outDeviceAddr); if (workspaceSize > 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }

【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/5/9 21:17:33

深入解析BlueClaw：轻量级网络代理工具的设计原理与实战应用

1. 项目概述与核心价值最近在GitHub上看到一个挺有意思的项目&#xff0c;叫brandon-dacrib/blueclaw。乍一看这个仓库名&#xff0c;你可能会有点摸不着头脑&#xff0c;blueclaw&#xff08;蓝爪&#xff09;听起来像是个代号&#xff0c;而作者brandon-dacrib也并非社区里耳…

作者头像 李华
网站建设 2026/5/9 21:10:47

终极指南：如何使用qmc-decoder轻松解密QQ音乐加密文件

终极指南&#xff1a;如何使用qmc-decoder轻松解密QQ音乐加密文件 【免费下载链接】qmc-decoder Fastest & best convert qmc 2 mp3 | flac tools 项目地址: https://gitcode.com/gh_mirrors/qm/qmc-decoder 你是否曾经在QQ音乐下载了心爱的歌曲&#xff0c;却发现只…

作者头像 李华
网站建设 2026/5/9 21:07:51

Taotoken多模型聚合能力在智能客服场景下的落地实践

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 Taotoken多模型聚合能力在智能客服场景下的落地实践 1. 场景概述与核心挑战 在构建在线客服系统时&#xff0c;开发团队通常会面临…

作者头像 李华