【2023CANN训练营第二季】——Ascend C算子调用及实验演示
自定义算子调用方式
完成自定义算子的开发部署后，可以通过单算子调用的方式来验证单算子的功能。单算子调用有API执行和模型执行两种方式：
- 单算子API执行：基于C语言的API执行算子，无需提供单算子描述文件进行离线模型的转换，直接调用单算子API接口。
- 单算子模型执行：基于图IR执行算子，先编译算子（例如，使用ATC工具将Ascend IR定义的单算子描述文件编译成算子om模型文件），再调用AscendCL接口加载算子模型，最后调用AscendCL接口执行算子。
两种方式对于自定义算子开发部署的不同约束要求如下：
下面分别梳理单算子调用的方式
单算子API执行，Aclnn调用方式
要进行单算子API执行，首先需要做一些前置工作：
参考基于msopgen工具创建算子工程完成算子工程的创建，参考kernel侧算子实现完成kernel侧实现的相关准备，参考host侧算子实现完成host侧实现相关准备。参考算子编译部署完成算子的编译部署。
然后检查API执行需要的头文件和库文件是否自动生成，算子工程build_out/auto_gen目录下会自动生成以下文件
├── aclnn_Xxx.cpp // 自动生成的单算子API执行接口实现文件
├── aclnn_Xxx.h // 自动生成的单算子API执行接口头文件
├── …
接下来准备验证代码工程：目录如下：
Aclnn调用步骤主要包括如下：
1.AscendCL初始化
调用allnit接口实现初始化AscendCL
2.运行管理资源申请，依次申请运行管理资源: Device、 Context. Stream
3.申请内存和传输数据
调用aclrtMalloc接口申请Device_上的内存，存放待执行算子的输入、输出数据
调用aclCreate的张量、aclcreateIntArray等接口构造算子的输入、输出，如aclTenser
如果需要将Host.上数据传输到Device,则需要调用acIrtMemcpy接口(同步接口)或AclrtmemcpyAsync接口(异步接口)通过内存复制的方式实现数据传输
4.计算workspace并执行算子
调用acInnXxxGetWorkspaceSize接口获取算子入参和算子执行流程需要的workspace大小
调用acltMalloc接口，根据workspaceSize大小申请Device侧内存
调用acInnXxx接口执行计算并得到结果
5.调用aclrtSynchronizeStream接口阻塞应用运行，直到指定Stream中的所有任务都完成。
6.运行管理资源释放
7.AscendCL去初始化
整理成图片形式如下：
单算子模型调用方式
单算子模型根据算子编译方式，分为在线和离线调用方式，主要步骤为：
先将自定义算子转换为单算子离线模型文件(*.om)，然后通过AscendCL接口加载单算子模型文件并运行。
主要步骤包括：
1.编译算子
根据算子编译的方式，分为离线编译(ofline)和在线编译(online):
- 编译算子后， 算子相关数据保存在* .om模型文件中，需使用ATC工具,将单算子定义文件(json) 编译成离线模型(.om文件)
- 编译算子后，算子相关数据保存在内存中，对于同一个算子，编译一次,多次执行的场景，调用aclopCompile接口编译算子
2.加载算子模型文件
调用aclopSetModelDir接口，设置加载模型文件的目录，目录下存放单算子模型文件(*.om文件)
3.调用aclrtMalloc接口申请Device,上的内存，存放执行算子的输入、输出数据，如果需要将Host_上数据传输到Device,则需要调用aclrtMemcpy接口(同步接口)或acltMemcpyAsync接口 (异步接口) 通过内存复制的方式实现数据传输
4.执行算子
调用aclopExecuteV2接口执行算子。每次执行算子时，系统内部都会根据算子描述信息匹配内存中的模型
5.调用aclrtSynchronizeStream接口阻塞应用运行，直到指定Stream中的所有任务都完成
6.调用aclrtFree接口释放内存
如果需要将Device.上的算子执行结果数据传输到Host,则需要调用aclrtMemcpy接口(同步接口)或aclrtMemcpyAsync接口 (异步接口)通过内存复制的方式实现数据传输，然后再释放内存。
下面自己做实验，演示上述三种自定义算子调用方式
调用方式样例演示
本次演示主要分为三种，分别为online，offline,Aclnn的模型，下面分别看每一种的演示步骤：
编译并运行在线编译的单算子API样例
因为我在在新版的samples仓库并没有看到课程里的那个文件夹下的aclnn_online_model文件
咨询了一下，在home/ma-user/samples/operator/AddCustomSample/FrameworkLaunch/AclNNInvocation文件夹下，所以如果是11月下载samples版本的伙伴可以在这个目录下找到上面三种模型。
！！重要：
单算子调用之前，需要先编译算子工程，进行AddCustom目录：
cd home/ma-user/work/samples/operator/AddCustomSample/FrameworkLaunch/AddCustom
修改CMakePresets.json文件的"ASCEND_CANN_PACKAGE_PATH"字段，修改为请替换为CANN软件包安装后的实际路径
修改好之后在当下的目录下编译工程：
bash build.sh
显示以下信息则说明成功：
此时在AddCustom文件夹下生成了一个新的文件夹build_out,里面有autogen等文件
接下来进行算子部署
进入到build_out目录下，执行以下命令：
./custom_opp_euleros_aarch64.run
生成以下信息说明部署成功：
准备工作做好了之后，就可以进行编译并运行单算子API样例
进入AclNNInvocation目录：
cd home/ma-user/work/samples/operator/AddCustomSample/FrameworkLaunch/AclNNInvocation
执行run.sh脚本
bash run.sh
运行成功显示如下：
编译并运行离线编译的单算子模型样例
进入到AclOfflineModel目录：
home/ma-user/work/samples/operator/AddCustomSample/FrameworkLaunch/AclOfflineModel
执行 bash run.sh命令，报错：
ERROR: acl executable run failed! please check your project!
报错原因应该是因为我在启智社区调式的镜像环境有问题，需要源码安装python3.7.5
下载python3.7.5并解压、安装
wget https://canncamp202302.obs.cn-north-4.myhuaweicloud.com/Python-3.7.5.tgz
tar -zxvf Python-3.7.5.tgz
cd Python-3.7.5
./configure --prefix=/usr/local/python3.7.5 --enable-loadable-sqlite-extensions --enable-shared
make
make install
设置环境变量
export PATH=/usr/local/python3.7.5/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:$LD_LIBRARY_PATH
安装依赖
pip3 install -i https://repo.huaweicloud.com/repository/pypi/simple/ --upgrade pip
pip3 install -i https://repo.huaweicloud.com/repository/pypi/simple/ attrs numpy decorator sympy cffi pyyaml pathlib2 psutil protobuf==3.19.0 scipy requests absl-py wheel typing_extensions
接下来再次运行AclOfflineModel目录下的命令：
bash run.sh
然后等一会儿，ATC在启动中
生成以下信息则说明运行成功：
编译并运行在线编译的单算子模型样例
进入到AclOnlineModel目录下：
cd home/ma-user/work/samples/operator/AddCustomSample/FrameworkLaunch/AclOnlineModel
使用aclopCompile模型调用的方式调用AddCustom算子工程
bash run.sh
生成以下信息说明运行成功
以上就是Ascend C算子调用的理论知识和实操环节，总结一下自己在进行实验的时候遇到了很多问题，报了一些错误，比如cmake版本太低，还有头文件找不到等错误，归根到底是路径设置，和版本更新问题，最后通过在群里，昇腾社区提问的方式，还有看了有经验的大佬写的帖子，解决了这些问题，说明还是要多加实操，遇到问题就解决，解决不了就寻求帮助，加油!