[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…

---

---

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.run
chmod +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 --uninstall
sudo 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/.bashrc
source /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-credentials
vim .git-credentials
#输入以下内容，请自行替换username和password
https://username:password@gitee.com
git 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Addcdiv。
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、Addcdiv算子

打开目录operator/AddcdivCustomSample
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(AddcdivCustomTilingData)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(AddcdivCustom, AddcdivCustomTilingData)
}
#endif // ADDCDIV_CUSTOM_TILING_H

以下为op_kernel内的部分代码

 private:TPipe pipe;// TQue<QuePosition::VECIN, BUFFER_NUM> inQueueX, inQueueY, inQueueZ;TQue<QuePosition::VECIN, BUFFER_NUM> inQueueIN;TQue<QuePosition::VECOUT, BUFFER_NUM> outQueueOUT;GlobalTensor<half> xGm;GlobalTensor<half> yGm;GlobalTensor<half> zGm;GlobalTensor<half> 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 addcdiv_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 implKernelAddcdiv 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 function
void addcdiv_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) {addcdiv_custom<<<blockDim, l2ctrl, stream>>>(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 		<-由msopgen工具生成
├── KernelLaunch
│   ├── myCustom.cpp
│   ├── cmake
│   ├── CMakeLists.txt
│   ├── data_utils.h
│   ├── run.sh
│   └── scripts
└── myCustom.json

2、 KernelLaunch编写

1、myCustom.cpp

我们直接cv add算子的，对输入做下修改，然后修改compute就行了。

2、main.cpp

这里主要是将算子名称以及传入的参数修改下

3、scripts/gen_data.py

这里根据你要实现的代码编写生成数据和真值的程序就行了，在比赛时，我们可以直接从官方给出的AclNN中取。

3、 framework编写

在kernelLaunch测试通过后我们直接修改myCustom.json。如果是多个数据类型，如下所示。

[{"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"]}]}
]

然后生成工程（具体目录请自行修改）

/usr/local/Ascend/ascend-toolkit/latest/python/site-packages/bin/msopgen gen -i /home/HwHiAiUser/myCustom/myCustom.json -c ai_core-ascend310B1 -lan cpp -out /home/HwHiAiUser/myCustom/myCustom

接着就是参考add和addcdiv算子在op_host中实现tiling策略，将kernelLaunch中测试通过的代码加上tiling相关的代码后搬运到op_kernel。编译安装算子。

4、 Aclnn测试

这里因为我做的是比赛里给出的题目，因此直接使用官方给的案例进行测试。对于自定义算子，除修改gen_data外，我们还需要修改op_runner以及main.cpp。

四、torch_npu重新编译（可选）

参考仓库说明：https://gitee.com/ascend/op-plugin

五、常用api

为了简化使用，以下仅列出常用的2级接口，如需高性能实现，请使用0级接口。310b系列似乎不支持高级api，因此也不列出了。详细内容请直接看api文档

名称	功能	表达式	二级接口样例
Exp	按元素取自然指数		Exp(dstLocal, srcLocal, 512);
Abs	按元素取绝对值		Abs(dstLocal, srcLocal, 512);
Reciprocal	按元素取倒数		Reciprocal(dstLocal, srcLocal, 512);
Sqrt	按元素做开方		Sqrt(dstLocal, srcLocal, 512);
Ln	按元素取自然对数		Ln(dstLocal, srcLocal, 512);
Add	按元素求和		Add(dstLocal, src0Local, src1Local, 512);
Mul	按元素求积		Mul(dstLocal, src0Local, src1Local, 512);
Adds/Muls	矢量内每个element与标量求和/积	同上	Adds(dstLocal, srcLocal, half(2), 512);
Sub	按元素求差		Sub(dstLocal, src0Local, src1Local, 512);
Div	按element求商		Div(dstLocal, src0Local, src1Local, 512);
Max	按element求最大值		Max(dstLocal, src0Local, src1Local, 512);
Min	按element求最小值		Min(dstLocal, src0Local, src1Local, 512);
Duplicate	将一个变量或一个立即数，复制多次并填充到向量		Duplicate(dstLocal, half(18.0), 512);

注意：标量双目指令中没有减法和除法，基础api没有log只有ln。

问题

一句话，多看文档，有问题就先去社区搜一下。160001，error code 0这种就直接查代码吧，没有具体原因。

1、fatal error: register/tilingdata_base.h: No such file or directory

检查一下CANN路径

其他能稳定复现的bug等我后面遇到了再补充解决办法吧。

总结

也许，有时歪门邪道比正道更简单。不要被文档和案例限制了，不要问能不能，跑下试试最快。
就像adds直接乘标量不好使，那就直接把这个标量填满整个local，直接用张量去计算嘛。而且这样能用的api还更多呢。