CANN/ops-math Polar算子测试指南

Polar 算子测试步骤指导文档ops-math 仓内构建【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本文档指导验收人员在昇腾 NPU 环境复现全部测试。本地无 NPU 无法运行须在 Atlas A2/A3910B4环境ModelArts notebook / Developer Space操作。约定$OPSMATH ops-math 仓根目录含本算子experimental/math/polar/$POLAR$OPSMATH/experimental/math/polar。0. 环境前置所有测试共用source /home/ma-user/Ascend/cann-8.5.0/set_env.sh # 路径以实际环境为准 export PATH/home/ma-user/gcc/bin:$PATH # 如已配可跳过 export LD_LIBRARY_PATH/home/ma-user/gcc/lib64:$LD_LIBRARY_PATH1. 在 ops-math 仓内构建并部署 Polar 算子本算子已按 ops-mathexperimental/math约定集成随仓build.sh构建本算子在op_host/polar_def.cpp中通过AICore().AddConfig(ascend910b)与AddConfig(ascend910_93)同时注册 Atlas A2 / A3 两套 SoC 配置按--soc选择目标二进制cd $OPSMATH # Atlas A2 训练系列产品 (ascend910b) bash build.sh --pkg --socascend910b --opspolar --experimental --vendor_namecustomize -j16 -O3 # Atlas A3 训练系列产品 (ascend910_93)二选一即可亦可分别 build 各自的 .run # bash build.sh --pkg --socascend910_93 --opspolar --experimental --vendor_namecustomize -j16 -O3 ./build_out/*.run --quiet # 安装到 $ASCEND_HOME_PATH/opp/vendors/customize_math/使部署算子生效关键否则解析不到自定义实现source $ASCEND_HOME_PATH/opp/vendors/customize_math/bin/set_env.bash 2/dev/null || true export LD_LIBRARY_PATH$ASCEND_HOME_PATH/opp/vendors/customize_math/op_api/lib:$LD_LIBRARY_PATH注ops-math build 强制 vendor 名为customize_math与--vendor_name无关aclnn 接口aclnn_polar.haclnnPolar/aclnnPolarGetWorkspaceSize符号由 build 从 OpDef 自动生成并装入该 vendor 的op_api/。 ✅ 已在 Atlas A2910B4NPU 实测2026-05-19本步构建通过 §2 官方 AscendOpTest6/6 全 PASS与原 msopgen 产物精度一致、重构零回归。Atlas A3ascend910_93通过同一份 OpDef Kernel 同源构建得到对应.run包kernel 与 host tiling 不含任何平台分支grep 校验过构建产物结构与 A2 一致。2. 官方 AscendOpTest 精度验收任务权威精度判据优先跑pip install ml_dtypes cd $POLAR/tests git clone https://gitcode.com/HIT1920/AscendOpTest.git cd AscendOpTest # 修正用例 expect_func 绝对路径 → 指向本仓 polar_golden.py保留 :polar 函数名后缀 sed -i s#\expect_func\: \.*polar_golden.py:polar\#\expect_func\: \$POLAR/tests/aot/polar_golden.py:polar\#g \ $POLAR/tests/aot/polar_cases.json python run_test.py \ -i $POLAR/tests/Polar.json \ -c $POLAR/tests/aot/polar_cases.json \ --op-type custom --op-path $ASCEND_HOME_PATH/opp/vendors/customize_math/op_api --build结果在result.csv。6 用例Test_same_small、Test_same_16M、Test_bcast_lowhigh、Test_bcast_scalar、Test_bcast_2way、Test_highdim_unalign预期全 PASS含 16M。精度判据complex64 在 AscendOpTestaccuracy_config无内置默认 → 每个output_desc显式err_threshold:[0.0001,0.0001]compare_complex 实/虚部各自纯绝对误差 ≤ 1e-4无相对回退错误元素数 size×1e-4 即失败。性能msprof复用已 build 工程不再加 --buildpython run_test.py -i $POLAR/tests/Polar.json -c $POLAR/tests/aot/polar_cases.json \ --op-type custom --op-path $ASCEND_HOME_PATH/opp/vendors/customize_math/op_api --msprof聚合每用例op_summary*.csv的 Task Duration 每调用设备时与自测报告口径一致。3. pybind 测试框架16 case基础 8 泛化交叉 8依赖torch_npu算子已按 §1 部署。cd $POLAR/tests/pybind bash run.sh 1 # 同 shape 基础 bash run.sh 2 # 广播 低→高新增功能主战场 # case 列表见本目录 README.md / test_op.py 的 case_data输出xxx verify result pass!time_base... time_use...。verify_result与官方compare_complex逐行等价实/虚部纯绝对误差 1e-4。case9–16 泛化交叉8D 满秩 / 5D 中间轴广播 / 双向多轴广播 / 标量×高维 / 负 abs / 大角度归约 / 非 32B 对齐广播 / 大向量×标量。4. l0 参考实现性能基线对比tests/pybind_baseline/与 pybind 同构其common/pytorch_npu_helper.hpp强制GetOpApiFuncAddr只解析系统libopapi.sol0 参考不触碰任何共享 vendor 目录。cd $POLAR/tests/pybind_baseline bash run.sh 5 # 同 case 在 l0 参考上的耗时 性能基线与 §3/§2 本算子耗时对比得加速比核心验收所有核参与场景 ≥ 基线 95%本算子 16M 达 178%。5. standalone aclnn 两段式调用测试examples/test_aclnn_polar.cpp不依赖 torch5 用例 warmup计时CPU 校验_ref调系统 l0。CANN 8.5 编译OPP$ASCEND_HOME_PATH/opp/vendors/customize_math ACLINC$ASCEND_HOME_PATH/aarch64-linux/include ASCLIB$ASCEND_HOME_PATH/aarch64-linux/lib64 # 必须 lib64勿用 devlib g -O2 -stdc17 -I$ACLINC -I$OPP/op_api/include -L$ASCLIB -L$OPP/op_api/lib \ $POLAR/examples/test_aclnn_polar.cpp -o /tmp/test_aclnn_polar \ -lascendcl -lnnopbase -lcust_opapi LD_LIBRARY_PATH$OPP/op_api/lib:$ASCLIB:$LD_LIBRARY_PATH /tmp/test_aclnn_polar # 基线版源换 test_aclnn_polar_ref.cpp库 -lcust_opapi 换 -lopapistandalone 自带 verify 仅作冒烟精度以 §2 官方 AscendOpTest 为准。附测试与交付项对应任务书交付项本仓位置复现章节算子工程代码op_host/op_kernel/CMakeLists.txt§1全部测试用例tests/{aot,pybind,pybind_baseline}/、examples/§2–§5用例结果自测报告tests/自测报告.md—测试步骤指导文档本文档—设计文档已通过评审docs/design.md—【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