CANN add_abs逐元素算子

add_abs 算子【免费下载链接】cann-outreach项目地址: https://gitcode.com/cann/cann-outreach概述add_abs是一个 PyPTO 逐元素element-wise动态算子计算 $y a |b|$即输入a与输入b的绝对值逐元素相加。属性值算子名称add_abs内核函数add_abs_kernel算子类型逐元素Element-wise动态轴n 轴支持运行时可变 n源文件add_abs.py算子 测试一体化数学公式$$ y a |b| $$对于任意位置 $(i, j)$$$ y[i][j] a[i][j] |\ b[i][j]\ | $$张量规格参数形状数据类型说明输入a[n, d]float32第一输入张量输入b[n, d]float32第二输入张量取绝对值后与 a 相加输出y[n, d]float32计算结果张量n 轴: 动态轴支持运行时指定任意正整数值。d 轴: 固定维度编译时由输入 shape 决定。精度标准指标值绝对容差 (atol)0.000025相对容差 (rtol)0.005实现细节内核签名pypto.frontend.jit(runtime_options{run_mode: global_run_mode}) def add_abs_kernel( a: pypto.Tensor([], pypto.DT_FP32), b: pypto.Tensor([], pypto.DT_FP32), out: pypto.Tensor([], pypto.DT_FP32) ):JIT 编译: 使用pypto.frontend.jit装饰器自动编译。动态形状: 张量声明使用Tensor([], ...)表示动态 shape 支持。Tile 配置:set_vec_tile_shapes(2, 8)设置向量 tile 形状。核心计算# torch # y a torch.abs(b) # pypto: # tiling # operator涉及的 PyPTO API | API | 用途 | 约束 | |-----|------|------| |pypto.set_vec_tile_shapes| 设置基本块tiling | 尾轴必须32B对齐 | |pypto.abs| 计算张量b的逐元素绝对值 | | |pypto.add| 将a与abs(b)逐元素相加 | |API 使用指导 https://gitcode.com/cann/pypto/blob/master/docs/api/config/pypto-set_vec_tile_shapes.md https://gitcode.com/cann/pypto/blob/master/docs/api/operation/pypto-abs.md https://gitcode.com/cann/pypto/blob/master/docs/api/operation/pypto-add.md运行模式NPU 模式(--run_mode npu): 在 Ascend NPU 上真实执行输出实际计算结果并进行精度校验。SIM 模式(--run_mode sim): 编译 代价模型仿真不执行实际计算输出为未初始化内存常用于编译验证和性能预估算。快速开始环境准备# 设置 NPU 设备 ID export TILE_FWK_DEVICE_ID0 # 安装依赖如未安装 pip install pypto torch numpy运行全部测试NPU 模式python add_abs.py运行仿真模式python add_abs.py --run_mode sim列出所有可用测试python add_abs.py --list运行指定测试python add_abs.py add_abs::test_add_abs_basic python add_abs.py add_abs::test_add_abs_dynamic_n python add_abs.py add_abs::test_add_abs_edge_cases测试用例测试 ID名称说明add_abs::test_add_abs_basic基础功能验证固定小张量[2, 2]验证 $y a |b|$ 的正确性add_abs::test_add_abs_dynamic_n动态 n 轴验证测试n ∈ {3, 7, 15}运行时动态 shape验证算子对不同 n 值的正确性add_abs::test_add_abs_edge_cases边界场景验证覆盖全零输入、b 全部为负数、大数值等边界情况预期输出示例NPU 模式 PyPTO add_abs Operator Tests Test: Basic Usage of add_abs Operator Input a: tensor([[ 1., -2.], [ 3., -4.]]) Input b: tensor([[-2., 3.], [-4., 5.]]) Output: tensor([[3., 1.], [7., 1.]]) Expected: tensor([[3., 1.], [7., 1.]]) ✓ Basic usage of add_abs operator completed successfully Test: add_abs Operator - Dynamic n-axis n 3, d4: max_diff0.00000000 ✓ n 7, d4: max_diff0.00000000 ✓ n 15, d4: max_diff0.00000000 ✓ ✓ Dynamic n-axis test completed successfully Test: add_abs Operator - Edge Cases [zeros] azeros, bzeros ✓ [neg_b] aones, b-3 ✓ [large] a[100,-200], b[-50,150] ✓ ✓ Edge cases test completed successfully All add_abs tests passed! 文件结构kadc_test/01-beginner/elewise_ops/ ├── add_abs.md # 需求规格文档 ├── add_abs.py # 算子实现 测试用例唯一文件 ├── ReadMe.md # 本文档 └── __pycache__/ # Python 字节码缓存编译产物运行后在项目根output/目录下生成性能分析数据bubble_analysis.log— 气泡分析报告merged_swimlane.json— 泳道图数据可在 ui.perfetto.dev 或 vscode插件 PyPTO ToolKits 打开已知限制SIM 模式: 不会产生实际计算结果仅编译验证和代价模型仿真精度校验自动跳过。NPU 环境依赖: 需要正确安装 CANN 及相关库libhccl.so、libc_sec.so、torch_npu。Tile 配置: 当前使用固定set_vec_tile_shapes(2, 8)尾轴需要32B对齐。【免费下载链接】cann-outreach项目地址: https://gitcode.com/cann/cann-outreach创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考