代码拉取完成,页面将自动刷新
同步操作将从 Ascend/DrivingSDK 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
本项目基于昇腾NPU开发了用于自动驾驶场景的高性能算子
暂未正式发布
安装依赖
安装对应的版本的torch、torch_npu、cann包,具体配套关系见pytorch仓(https://gitee.com/ascend/pytorch)首页readme
并source cann包环境变量
# 下载ads仓
git clone https://gitee.com/ascend/ads.git
# 编译
# NOTE: 请在仓库根目录下执行编译命令
cd ads
bash ci/build.sh --python=3.7
架构 | pytorch版本 | 出包版本 |
---|---|---|
x86 | pytorch1.11 | Python3.7(>=3.7.5), Python3.8, Python3.9, Python3.10 |
x86 | pytorch2.0.1 | Python3.8, Python3.9, Python3.10 |
x86 | pytorch2.1.0 | Python3.8, Python3.9, Python3.10 |
aarch64 | pytorch1.11 | Python3.7(>=3.7.5), Python3.8, Python3.9, Python3.10 |
aarch64 | pytorch2.0.1 | Python3.8, Python3.9, Python3.10 |
aarch64 | pytorch2.1.0 | Python3.8, Python3.9, Python3.10 |
参数 | 取值范围 | 说明 | 缺省值 | 备注 |
---|---|---|---|---|
python | pytorch1.11,支持3.7及以上;pytorch1.11以上版本,支持3.8及以上 | 指定编译过程中使用的python版本 | 3.7 | 仅pytorch版本为1.11时才支持指定python版本为3.7 |
cd ads/dist
pip3 install ads-1.0-cp37-cp37m-linux_aarch64.whl
当前ADS包还未商发,需到https://cmc-szv.clouddragon.huawei.com/cmcversion/index/search 搜索 FrameworkPTAdapter V100R001C01B001 取最新的包即可,注意需要根据环境的torch版本和python版本选择下载,如 ADS_v1.11.0_py37.tar.gz,其中v1.11.0表示torch版本,py37表示python版本。
后续计划发包版本
架构 | pytorch版本 | 出包版本 |
---|---|---|
x86 | pytorch1.11 | Python3.7(>=3.7.5), Python3.8, Python3.9, Python3.10 |
x86 | pytorch2.0.1 | Python3.8, Python3.9, Python3.10 |
x86 | pytorch2.1.0 | Python3.8, Python3.9, Python3.10 |
aarch64 | pytorch1.11 | Python3.7(>=3.7.5), Python3.8, Python3.9, Python3.10 |
aarch64 | pytorch2.0.1 | Python3.8, Python3.9, Python3.10 |
aarch64 | pytorch2.1.0 | Python3.8, Python3.9, Python3.10 |
注意:其中xxx表示当前环境上的python安装路径
# 查看ads安装路径
pip3 show ads-accelerator
export ASCEND_CUSTOM_OPP_PATH=xxx/site-packages/ads/packages/vendors/customize/
export LD_LIBRARY_PATH=xxx/site-packages/ads/packages/vendors/customize/op_api/lib/:$LD_LIBRARY_PATH
算子调用
import torch
import torch_npu
import numpy as np
import ads.common
device = torch.device("npu:5")
a=torch.rand([8, 2048]).half().npu()
b=torch.rand([8, 2048]).half().npu()
c = ads.common.npu_ads_add(a,b)
print(c)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。