CANN/ops-sparse 构建命令 【免费下载链接】ops-sparse本项目是CANN提供的高性能稀疏矩阵计算的算子库专注于优化稀疏矩阵的计算效率。项目地址: https://gitcode.com/cann/ops-sparsename: sparse-build-commands description: ops-sparse 编译、构建、测试命令技能。提供各种场景下的编译和运行命令。ops-sparse 构建命令环境要求CANN 开发套件含 Ascend C 编译器CMake 3.16GCC与 CANN 版本匹配编译命令编译指定算子bash build.sh --ops{op_name} --soc{soc_version}参数说明--ops算子目录名snake_case如spmv、spmm。支持逗号分隔多算子--opsspmv,spmm--soc芯片版本号小写如ascend910b、ascend950--deviceid指定测试运行的 NPU 设备 ID默认 0如--device1--run编译后运行测试--pkg编译后打包 run 包编译全量bash build.sh --soc{soc_version}编译并运行测试bash build.sh --ops{op_name} --soc{soc_version} --run打包bash build.sh --pkg --soc{soc_version}常用芯片版本芯片--soc 参数NPU_ARCH架构目录Ascend910Bascend910bdav-2201arch22Ascend910_93ascend910_93dav-2201arch22Ascend950ascend950dav-3510arch35Ascend310Pascend310pdav-2002arch20build.sh内部做大小写无关匹配支持前缀匹配如ascend910b3匹配到ascend910b推荐使用小写形式。算子名解析--ops参数支持两种格式具体算子名如spmv、csrmv→ 直接编译该算子家族名如spmv→ 自动展开为家族下所有有当前 SOC arch 实现的子算子输出目录产物路径说明动态库build_out/lib64/libcann_ops_sparse.so安装后的算子库头文件build_out/include/cann_ops_sparse.h安装后的公共头文件测试二进制build/test/{op}/{op}_test编译后的测试程序测试运行# 方式一通过 build.sh 编译并运行 bash build.sh --ops{op_name} --soc{soc_version} --run # 方式二直接运行已编译的测试程序 ./build/test/{op_name}/{op_name}_test测试失败诊断快速排查检查编译日志确认无警告检查 NPU 设备状态npu-smi info检查 ACL 运行日志stdout 输出对比 golden 与 NPU 输出的最大误差和位置基线对比判断是否为本次修改引入当测试用例执行失败时需要判断是否为本次修改引入的问题获取最新基准分支代码git fetch cann切换到基准分支重新编译并运行相同算子的测试git checkout cann/master bash build.sh --ops{op_name} --soc{soc_version} --run对比结果若基准分支上测试通过→ 本次修改引入了问题需要排查若基准分支上测试同样失败→ 这是算子原有的问题非本次修改导致切回开发分支继续工作git checkout 你的分支名注意切换分支前确保当前修改已 commit 或 stash避免丢失工作进度。【免费下载链接】ops-sparse本项目是CANN提供的高性能稀疏矩阵计算的算子库专注于优化稀疏矩阵的计算效率。项目地址: https://gitcode.com/cann/ops-sparse创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

最新新闻

大模型为啥按Tokens收费?Tokens究竟是什么?

大模型为啥按Tokens收费?Tokens究竟是什么?

你有没有这种感觉?看了很多Transformer、LLM的文章,却总觉得云里雾里?今天我们来聊聊大型语言模型(LLM)中的一个核心概念——Token。直到我彻底掌握了"Token"和"分词器"的概念,这成为我…

2026/8/27 15:38:21
2025年大模型面试必备:30个RAG常见问题及答案,助你轻松过关!

2025年大模型面试必备:30个RAG常见问题及答案,助你轻松过关!

一、基础RAG面试问题 1、解释RAG系统的主要部分及其工作原理 一个RAG(检索增强生成)系统有两个主要组件:检索器和生成器。 ● 检索器:从外部来源(如数据库、文档或网站)搜索和收集相关信息。 ● 生成器…

2026/8/27 15:38:21
AI4AI实践:用35B开源模型构建自动研究流程

AI4AI实践:用35B开源模型构建自动研究流程

AI4AI(AI for AI)是把大模型引入人工智能研究流程,让模型参与假设生成、实验设计、代码编写、结果分析和迭代优化的一种工程实践。这个词在开源社区的热度上升得很快,背后是AI研究本身的复杂度在快速膨胀,研究者很难只…

2026/8/27 15:38:21
零基础人员如何入门AI大模型?AI入门指南:零基础人员的专属学习路径!

零基础人员如何入门AI大模型?AI入门指南:零基础人员的专属学习路径!

AI 已成趋势,这点自不必多言。如今网络上的AI课程可谓五花八门形形色色,让人眼花缭乱难辨真假。其实细究下来,不少都是通过贩卖焦虑吸引对AI一知半解的普通人报课。有感于此,我想给零基础的你,介绍一下入门AI路径指南。…

2026/8/27 15:38:20
[LLMD]中文开发:庖丁解牛-爬虫解剖,AI搜索引用的过程拆解

[LLMD]中文开发:庖丁解牛-爬虫解剖,AI搜索引用的过程拆解

# [LLMD] [AI搜索引用系统 八步链路 v2.0] # [文件名]: [ai_search_pipeline_v2.md] # [版本]: [2.0] # [作者]: [熵增就是商的余数] # [描述]: [本文档将“AI搜索和引用”的完整过程,定义为八个依次执行的筛选模块。] # [语言]: [中文语义代码 (Chinese Semantic …

2026/8/27 15:38:20
ComfyUI-KwaiKolorsWrapper采样器大揭秘:6种调度器实测对比,Kolors出图质量差一半的原因找到了吗

ComfyUI-KwaiKolorsWrapper采样器大揭秘:6种调度器实测对比,Kolors出图质量差一半的原因找到了吗

ComfyUI-KwaiKolorsWrapper采样器大揭秘:6种调度器实测对比,Kolors出图质量差一半的原因找到了吗 【免费下载链接】ComfyUI-KwaiKolorsWrapper Diffusers wrapper to run Kwai-Kolors model 项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-Kwai…

2026/8/27 15:33:20