aclnnCoalesceSparse
【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
将相同坐标点的value进行累加求和，进而减少Coo_Tensor的内存大小。
函数原型
每个算子分为两段式接口，必须先调用“aclnnCoalesceSparseGetWorkspaceSize”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“aclnnCoalesceSparse”接口执行计算。
aclnnStatus aclnnCoalesceSparseGetWorkspaceSize( const aclTensor *uniqueLen, const aclTensor *uniqueIndices, const aclTensor *indices, const aclTensor *values, const aclTensor *newIndicesOut, const aclTensor *newValuesOut, uint64_t *workspaceSize, aclOpExecutor **executor);aclnnStatus aclnnCoalesceSparse( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream);aclnnCoalesceSparseGetWorkspaceSize
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 uniqueLen（aclTensor*） 输入 去重后的索引数。 不支持空Tensor。 INT32、INT64 ND 1 √ uniqueIndices（aclTensor*） 输入 去重后的索引数组。 不支持空Tensor。 INT32、INT64 ND 1 √ indices（aclTensor*） 输入 索引数组。 - 不支持空Tensor。
- 重索引后的indices值不能超过int32上限。
INT32、INT64 ND 2 √ values（aclTensor*） 输入 每个坐标对应的元素值。 不支持空Tensor。 INT32、FLOAT16、FLOAT32 ND 1-8 √ newIndicesOut（aclTensor*） 输出 合并后的索引数组。 不支持空Tensor。 INT32、INT64 ND 2 √ newValuesOut（aclTensor*） 输出 合并后的元素值。 不支持空Tensor。 INT32、FLOAT16、FLOAT32 ND 1-8 √ 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。 - - - - - 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：
返回码 错误码 描述 ACLNN_ERR_PARAM_NULLPTR 161001 传入的uniqueLen、uniqueIndices、indices、values、newIndicesOut或newValuesOut是空指针。 ACLNN_ERR_PARAM_INVALID 161002 uniqueLen、uniqueIndices、indices、values、newIndicesOut或newValuesOut的数据类型不在支持范围之内。 values或newValuesOut的维度超过8维。 重索引后的indices值不能超过int32上限。
aclnnCoalesceSparse
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aclnnCoalesceSparseGetWorkspaceSize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
无
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_coalesce_sparse.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，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文档 // 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> uniqueLenShape = {1}; std::vector<int64_t> uniqueIndicesShape = {2,2}; std::vector<int64_t> indexShape = {2,4}; std::vector<int64_t> valueShape = {4}; std::vector<int64_t> newIndexShape = {4}; std::vector<int64_t> newValueShape = {2}; void* uniqueLenDeviceAddr = nullptr; void* uniqueIndicesDeviceAddr = nullptr; void* indexDeviceAddr = nullptr; void* valueDeviceAddr = nullptr; void* newIndexDeviceAddr = nullptr; void* newValueDeviceAddr = nullptr; aclTensor* uniqueLen = nullptr; aclTensor* uniqueIndices = nullptr; aclTensor* index = nullptr; aclTensor* value = nullptr; aclTensor* newIndex = nullptr; aclTensor* newValue = nullptr; std::vector<int32_t> uniqueLenData = {2}; std::vector<int32_t> uniqueIndicesData = {0, 1, 0, 2}; std::vector<int32_t> indexData = {0, 0, 1, 1, 0, 0, 2, 2}; std::vector<float> valueData = {1, 2, 3, 4}; std::vector<int32_t> newIndexData = {0, 0, 0, 0}; std::vector<float> newValueData = {0, 0}; // 创建in aclTensor ret = CreateAclTensor(uniqueLenData, uniqueLenShape, &uniqueLenDeviceAddr, aclDataType::ACL_INT32, &uniqueLen); CHECK_RET(ret == ACL_SUCCESS, return ret); // 创建in aclTensor ret = CreateAclTensor(uniqueIndicesData, uniqueIndicesShape, &uniqueIndicesDeviceAddr, aclDataType::ACL_INT32, &uniqueIndices); CHECK_RET(ret == ACL_SUCCESS, return ret); // 创建in aclTensor ret = CreateAclTensor(indexData, indexShape, &indexDeviceAddr, aclDataType::ACL_INT32, &index); CHECK_RET(ret == ACL_SUCCESS, return ret); // 创建in aclTensor ret = CreateAclTensor(valueData, valueShape, &valueDeviceAddr, aclDataType::ACL_FLOAT, &value); CHECK_RET(ret == ACL_SUCCESS, return ret); // 创建out aclTensor ret = CreateAclTensor(newIndexData, newIndexShape, &newIndexDeviceAddr, aclDataType::ACL_INT32, &newIndex); CHECK_RET(ret == ACL_SUCCESS, return ret); // 创建out aclTensor ret = CreateAclTensor(newValueData, newValueShape, &newValueDeviceAddr, aclDataType::ACL_FLOAT, &newValue); 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aclnnCoalesceSparse第一段接口 ret = aclnnCoalesceSparseGetWorkspaceSize(uniqueLen, uniqueIndices, index, value, newIndex, newValue, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnCoalesceSparseGetWorkspaceSize 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 > static_cast<uint64_t>(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aclnnCoalesceSparse第二段接口 ret = aclnnCoalesceSparse(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnCoalesceSparse 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(newValueShape); std::vector<float> resultData(size, 0); ret = aclrtMemcpy( resultData.data(), resultData.size() * sizeof(resultData[0]), newValueDeviceAddr, size * sizeof(resultData[0]), 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，需要根据具体API的接口定义修改 aclDestroyTensor(uniqueLen); aclDestroyTensor(uniqueIndices); aclDestroyTensor(index); aclDestroyTensor(value); aclDestroyTensor(newIndex); aclDestroyTensor(newValue); // 7. 释放device资源 aclrtFree(uniqueLenDeviceAddr); aclrtFree(uniqueIndicesDeviceAddr); aclrtFree(indexDeviceAddr); aclrtFree(valueDeviceAddr); aclrtFree(newIndexDeviceAddr); aclrtFree(newValueDeviceAddr); if (workspaceSize > static_cast<uint64_t>(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
