build

功能说明

对schedule对象进行编译生成算子二进制文件与算子描述文件。

函数原型

build(sch, config_map=None)

参数说明

• sch：计算schedule对象。
• config_map：build的参数配置，是一个字典，默认是None，则直接使用默认配置，包含如下key。
  • print_ir：是否打印lower IR code，默认值：False。
  • need_build：是否进行build，默认是True。
  • name：算子的名字，默认是`cce_op`。

    只能是大小写字母、数字、“_”的组合，且必须是字母或者“_”开头，长度小于或等于200个字符。

  • tensor_list：算子的输入和输出tensor列表，输入是placeholder接口返回的tensor对象，输出是经过计算后的tensor对象，必填值，否则会报错。而且这个列表决定了生成算子的kernel函数的参数的顺序，和此list中的输入和输出的顺序是一致的。
  • bool_storage_as_1bit：Bool类型存储时是否按照1 bit存储。
    • True：按照1bit存储。
    • False：按照8bit存储。

    默认值是True。

  • kernel_meta_parent_dir：设置算子编译过程中存储调试文件的“kernel_meta”文件夹的父路径。其中调试过程文件包括算子.o（算子二进制文件）、.json（算子描述文件）、.cce等文件。

    取值：数据类型为string，配置为执行编译命令所在路径的相对路径。

    默认值为“.”，即调试过程文件存储在执行编译命令当前路径的./kernel_meta文件夹中。

  • tbe_debug_level：debug等级设置。
    有以下几种取值：

    • 0：不开启debug功能，仅在kernel_meta文件夹中生成.o（算子二进制文件）和.json文件（算子描述文件）。
    • 1：单算子调试时，开启算子debug功能，AI Core指令串行执行，会导致执行性能下降，并在kernel_meta文件夹中生成TBE指令映射文件（算子cce文件*.cce、python-cce映射文件*_loc.json、.o和.json文件）。
    • 2：单算子调试时，开启算子debug功能，AI Core指令串行执行，会导致执行性能下降，并在kernel_meta文件夹中生成TBE指令映射文件（算子cce文件*.cce、python-cce映射文件*_loc.json、.o和.json文件），并关闭CCEC编译器的编译优化开关且打开CCEC调试功能（CCEC编译器选项设置为-O0-g）。

    默认值为“0”。

    

    • 若执行ATC模型转换或者执行训练脚本时配置了“op_debug_level”参数，则以“op_debug_level”参数的值为准。
    • 配置为2，即开启ccec调试功能的场景下，会增大算子Kernel（*.o文件）的大小。动态shape场景下，由于算子编译时会遍历可能存在的所有场景，最终可能会导致由于算子Kernel文件过大而无法进行编译的情况，此种场景下，建议不要配置为2。

      由于算子kernel文件过大而无法编译的日志显示如下：

      message:link error ld.lld: error: InputSection too large for range extension thunk ./kernel_meta_xxxxx.o:(xxxx)

返回值

无。

支持的型号

Atlas 200/300/500 推理产品

Atlas 训练系列产品

Atlas 推理系列产品（Ascend 310P处理器）

Atlas 200/500 A2推理产品

Atlas A2训练系列产品/Atlas 800I A2推理产品

调用示例

from tbe import tvm
from tbe import dsl

# 定义输入占位符
data = tvm.placeholder(shape, name="data", dtype=dtype)
with tvm.target.cce():
    # 描述算子计算过程
    res = tbe.vabs(data)
    # 生成schedule对象
    sch = dsl.auto_schedule(res)
# 定义build配置参数
config = {"print_ir" : True,
        "need_build" : True,
        "name" : "abs_28_28_float16",
        "tensor_list" : [data,res]
    }
# build算子
dsl.build(sch, config)