📖 MLU-OPS 用户手册      🌏 寒武纪开发者社区      🛠️ 依赖组件获取

 

简介

MLU-OPS 提供基于寒武纪人工智能单元（MLU），使用 C 接口或者 Python 接口开发高性能算子的示例代码。 MLU-OPS 旨在通过提供示例代码，供开发者参考使用，可用于开发自定义算子，实现对应模型的计算。

MLU-OPS 提供了以下功能：

• 算子精度标准
• 算子性能标准
• Op List (高质量实现 BANG C 算子)
• 测试模块 GTest 支持 内存泄露测试、代码覆盖率测试
• Gen-case (运行时测例生成工具)
• Perf-Analyse (算子性能分析工具)

依赖条件

• 操作系统：
  • 支持 x86_64 下 Ubuntu18.04、Ubuntu20.04、Centos7.6、Centos8.5、Kylin10
• 寒武纪 MLU SDK：
  • 编译和运行时依赖 CNToolkit v3.6.1 或更高版本
• 寒武纪 MLU 驱动：
  • 运行时依赖驱动 v5.10.15 或更高版本
• 外部链接库：
  • libxml2-dev、libprotobuf-dev<=3.8.0、protobuf-compiler<=3.8.0、llvm-6.0-dev
• Python环境：
  • 依赖Python-3.8.0版本

依赖环境准备

• 获取 MLU-OPS 代码

  git clone https://github.com/Cambricon/mlu-ops.git
  cd mlu-ops
  git submodule update --init --recursive

• 准备 CNToolkit 环境

  sudo apt-get install ./cntoolkit-x.x.x_ubuntuxx.xx_amd64.deb
  sudo apt-get update
  sudo apt-get install cncc cnas cnbin cndrv cnrt cnrtc

• 准备 Python-3.8.0 环境

  wget https://www.python.org/ftp/python/3.8.0/Python-3.8.0.tgz
  tar -xvf Python-3.8.0.tgz
  cd Python-3.8.0
  make -j24 && make install

• 准备 BANGPy 环境

  获取 BANGPy 最新版发布包：(https://cair.cambricon.com/)

  pip3.8 install bangpy-x.x.x-py3-none-any.whl

• 准备链接库环境

  sudo apt-get update
  sudo apt-get install protobuf-compiler libxml2-dev libprotobuf-dev llvm-6.0-dev

开发、编译及测试

当前 C 接口（BANGC）、 Python 接口（BANGPy）算子开发、编译及测试相互独立

• BANGC 算子见 BANGC-OPS 算子开发流程、README.md
• BANGPy 算子见 BANGPy-OPS 算子开发流程、README.md

更多内容见 docs 目录下文档。

获取关于 BANG 语言基础和开发相关工具介绍的文档

可查看最新版 开发者文档

• BANG C/C++ 编程指南
• BANG C Developer Guide
• MLU 架构调优指南
• CNRT Developer Guide
• CNRTC Developer Guide
• CNDrv Developer Guide
• CNGDB Developer Guide
• Libdevice Developer Guide

目录文件结构

目录/文件	描述
bangc-ops	C 接口算子开发目录
bangpy-ops	Python 接口算子开发目录
docker	存放 docker 打包脚本，提供 CI 构建环境。
docs	算子开发、测试、精度验收的说明文档。