[嵌入式AI从0开始到入土]17

[嵌入式AI从0开始到入土]嵌入式AI系列教程

注：等我摸完鱼再把链接补上

可以关注我的B站号工具人呵呵的个人空间，后期会考虑出视频教程，务必催更，以防我变身鸽王。

第1期 昇腾Altas 200 DK上手

第2期 下载昇腾案例并运行

第3期 官方模型适配工具使用

第4期 炼丹炉的搭建（基于Ubuntu23.04 Desktop）

第5期 炼丹炉的搭建（基于wsl2_Ubuntu22.04）

第6期 Ubuntu远程桌面配置

第7期 下载yolo源码及样例运行验证

第8期 在线Gpu环境训练（基于启智ai协作平台）

第9期 转化为昇腾支持的om离线模型

第10期 jupyter lab的使用

第11期 yolov5在昇腾上推理

第12期 yolov5在昇腾上应用

第13期_orangepi aipro开箱测评

第14期 orangepi_aipro小修补含yolov7多线程案例

第15期 orangepi_aipro欢迎界面、ATC bug修复、镜像导出备份

第16期 ffmpeg_ascend编译安装及性能测试

第17期 Ascend C算子开发

未完待续…

文章目录

• [嵌入式AI从0开始到入土]嵌入式AI系列教程
• 前言
• 一、环境配置
• • 1、CANN包安装
  • 2、配置ssh密钥（可选）
  • 3、配置git（可选）
  • 二、获取sample样例
  • • 1、add算子
    • • 1、KernelLaunch
      • 2、Framework
      • 3、AclNN
      • 2、Addcp算子
      • 三、编写自己的算子
      • • 1、搭建框架
        • 2、 KernelLaunch编写
        • • 1、myCustom.cpp
          • 2、main.cpp
          • 3、scripts/gen_data.py
          • 3、 framework编写
          • 4、 Aclnn测试
          • 四、torch_npu重新编译（可选）
          • 五、常用api
          • 问题
          • • 1、fatal error: register/tilingdata_base.h: No such file or directory
            • 总结

              ---

              前言

              我在24年3月和我的小伙伴一起参加了第一届昇腾AI原生创新精英挑战赛，在这里做一下总结。这里以orangepi Ai Pro为例。

              注：我们的代码仓最早将于24.05.10开放，大家可以直接看op_kernel内的compute，kernelLaunch内可能有错，实在来不及改了

              代码仓地址：https://gitee.com/toolsmanhehe/acl_ops

              一、环境配置

              我们基于正常能够使用的镜像作为基础镜像。这里我推荐使用minimal镜像。这样就不用先卸载cann了，甚至你可以直接删除/opt/compress目录，反正咱后面直接远程连接敲代码了，也用不上。

              1、CANN包安装

              wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/Milan-ASL/Milan-ASL%20V100R001C17SPC702/Ascend-cann-toolkit_8.0.RC1.alpha002_linux-aarch64.runchmod +x Ascend-cann-toolkit_8.0.RC1.alpha002_linux-aarch64.run#卸载旧的CANN./Ascend-cann-toolkit_8.0.RC1.alpha002_linux-aarch64.run --uninstallsudo rm -rf /usr/local/Ascend/ascend-toolkit/*#安装指定版本的CANN./Ascend-cann-toolkit_8.0.RC1.alpha002_linux-aarch64.run --install#安装依赖pip install protobuf==3.20.0#添加环境变量echo “source /usr/local/Ascend/ascend-toolkit/set_env.sh” >> /home/HwHiAiUser/.bashrcsource /home/HwHiAiUser/.bashrc

              2、配置ssh密钥（可选）

              主要是vscode等ide连接时都需要输入密码，比较麻烦。

              这里可以参考我之前的文章来实现免密登录，在七、问题 的第5点

              3、配置git（可选）

              因为我们三个人在三个城市，因此为了方便讨论和开发，我们建立了代码仓库，但是每次推送和拉取都需要账号密码（在完赛前是不可能公开的），这不符合本懒人的性格啊。

              这里我们需要在开发环境上执行

              cd ~touch .git-credentialsvim .git-credentials#输入以下内容，请自行替换username和passwordhttps://username:password@gitee.comgit config --global credential.helper store

              二、获取sample样例

              cd git clone https://gitee.com/ascend/samples.git

              在不修改算子名称，输入输出的时候，我们只需要关注图中框出来的文件即可。

              1、add算子

              打开目录operator/AddCustomSample

              1、KernelLaunch

              我们的调用顺序是main.cpp->add_custom_do->add_custom->op.Init->op.Process。

              因为我们要实现的算子的Z=X+Y，因此我们需要将这三个变量传入计算过程。

              虽然这里只有2个输入，但是输出也需要申请内存，因此是3个输入参数

              然后我们需要申明相关的变量和常量（这里使用静态shape）。

              接着就是初始化，为各个张量申请内存

              接着就是计算过程，这里因为使用的是静态shape，因此循环次数是定值（芯片内存空间有限，不可能一次性全部计算完成）

              在copyin的时候从xGM和yGM分别取出TILE_LENGTH个数据，存入xLocal和yLocal以供compute使用。

              在compute结束以后，我们需要先使用outQueueZ.EnQue来表示计算完成，但是此时不能释放zLocal的内存，因为我们还没有保存到zGM。

              在copyout环节，将输出结果存入zGM。

              接着我们看生成测试数据的程序，这里我们生成了2条16384个1~100随机half格式的数据。我们最后可以直接对比output/golden.bin和output/output_z.bin的md5值来判断算子正确与否。或者修改scripts/verify_result.py直接打印误差数量。

              最后来到KernelLaunch目录执行以下命令，测试核函数正确性。

              务必先进行cpu测试，通过后执行npu测试，在npu下有些报错不显示

              su   #使用root用户执行，否则可能报错bash run.sh -r cpu -v ascend310B1   #cpu测试bash run.sh -r npu -v ascend310B1   #npu测试

              以下为cpu测试结果

              以下为npu测试结果

              测试均通过的情况下，我们就可以进行下一步的framework的编写了

              2、Framework

              我们先看AddCustomSample/FrameworkLaunch/AddCustom.json这个文件，上面为输入变量，下面为输出变量。我们需要使用这个配置文件来生成framework工程。此处的变量应该和工程内的一致。

              接着我们看工程。

              op_host没什么可说的，可以去看本文下一个案例Addcp。

              op_kernel基本上就是把上面在kernelLaunch中测试通过的代码cv过来。

              注意图中的地方就可以了，这个tiling是从host侧传入的。然后在开头将静态shape删除了，因为这里我们是通过op_host实现的动态shape的切分，然后传入kernel侧的。

              接下来修改CMakePresets.json，将框出来的地方改成你的CANN路径。

              最后，我们进入framework目录，编译算子并安装

              bash build.sh./build_out/custom_opp_ubuntu_aarch64.run

              3、AclNN

              在算子大赛的时候，这个是由官方发布的（就是可能有错误），我们直接使用即可，一般测试能通过，就会有4-8分（10分满分）。

              这里的gen_data和kernelLaunch里是一样的，我们执行以下命令，验证算子正确与否。

              bash run.sh

              测试通过会有如下提示

              2、Addcp算子

              打开目录operator/AddcpCustomSample

              大部分与add算子相似，因此我们这里只看op_host和op_kernel部分。

              在头文件中你会发现多了许多东西,所有的东西我们都需要传入kernel侧。具体实现过程就去阅读代码吧，就是这个案例也是赶出来的，可能里面的切分策略不是最好的，但是确实是能用的。

              #ifndef ADDCDIV_CUSTOM_TILING_H#define ADDCDIV_CUSTOM_TILING_H#include "register/tilingdata_base.h"namespace optiling {BEGIN_TILING_DATA_DEF(AddcpCustomTilingData)  TILING_DATA_FIELD_DEF(float, value); //参与计算的标量  TILING_DATA_FIELD_DEF(uint32_t, blockLength);  TILING_DATA_FIELD_DEF(uint32_t, tileNum);  TILING_DATA_FIELD_DEF(uint32_t, tileLength);  TILING_DATA_FIELD_DEF(uint32_t, lasttileLength);  TILING_DATA_FIELD_DEF(uint32_t, formerNum);  TILING_DATA_FIELD_DEF(uint32_t, formerLength);  TILING_DATA_FIELD_DEF(uint32_t, formertileNum);  TILING_DATA_FIELD_DEF(uint32_t, formertileLength);  TILING_DATA_FIELD_DEF(uint32_t, formerlasttileLength);  TILING_DATA_FIELD_DEF(uint32_t, tailNum);   TILING_DATA_FIELD_DEF(uint32_t, tailLength);  TILING_DATA_FIELD_DEF(uint32_t, tailtileNum);  TILING_DATA_FIELD_DEF(uint32_t, tailtileLength);  TILING_DATA_FIELD_DEF(uint32_t, taillasttileLength);    END_TILING_DATA_DEF;REGISTER_TILING_DATA_CLASS(AddcpCustom, AddcpCustomTilingData)}#endif // ADDCDIV_CUSTOM_TILING_H

              以下为op_kernel内的部分代码

               private:  TPipe pipe;  // TQue inQueueX, inQueueY, inQueueZ;  TQue inQueueIN;  TQue outQueueOUT;  GlobalTensor xGm;  GlobalTensor yGm;  GlobalTensor zGm;  GlobalTensor outGm;  half value;  uint32_t blockLength;  uint32_t tileNum;  uint32_t tileLength;  uint32_t lasttileLength;  uint32_t formerNum;  uint32_t formerLength;  uint32_t formertileNum;  uint32_t formertileLength;  uint32_t formerlasttileLength;  uint32_t tailNum;  uint32_t tailLength;  uint32_t tailtileNum;  uint32_t tailtileLength;  uint32_t taillasttileLength;};extern "C" __global__ __aicore__ void addcp_custom(GM_ADDR x, GM_ADDR y,      GM_ADDR z, GM_ADDR out,      GM_ADDR workspace,      GM_ADDR tiling) {  GET_TILING_DATA(tiling_data, tiling);  // TODO: user kernel impl  KernelAddcp op;  uint32_t tilingKey = 1;  if (TILING_KEY_IS(1)) {    tilingKey = 1;  } else if (TILING_KEY_IS(2)) {    tilingKey = 2;  } else {    tilingKey = 1;  }  op.Init(x, y, z, out, tiling_data.value, tiling_data.blockLength,          tiling_data.tileNum, tiling_data.tileLength,          tiling_data.lasttileLength, tiling_data.formerNum,          tiling_data.formerLength, tiling_data.formertileNum,          tiling_data.formertileLength, tiling_data.formerlasttileLength,          tiling_data.tailNum, tiling_data.tailLength, tiling_data.tailtileNum,          tiling_data.tailtileLength, tiling_data.taillasttileLength,          tilingKey);  op.Process();}#ifndef __CCE_KT_TEST__// call of kernel functionvoid addcp_custom_do(uint32_t blockDim, void* l2ctrl, void* stream,                       uint8_t* x, uint8_t* y, uint8_t* z, uint8_t* out,                       uint8_t* workspace, uint8_t* tiling) {  addcp_custom(x, y, z, out, workspace, tiling);}#endif

              三、编写自己的算子

              1、搭建框架

              我们可以使用参考add算子搭建以下目录结构。以下文件夹内的文件没有特别说明就直接从add算子工程内复制。

              myCustom├── AclNNInvocation│   ├── inc│   ├── scripts│   └── src│   ├── run.sh├── myCustom         "op": "myCustom",        "language": "cpp",        "input_desc": [            {                "name": "x",                "param_type": "required",                "format": [                    "ND","ND"                ],                "type": [                    "fp16","fp32"                ]            }        ],        "output_desc": [            {                "name": "y",                "param_type": "required",                "format": [                    "ND","ND"                ],                "type": [                    "fp16","fp32"                ]            }        ]    }]