在大多数算子开发时，核函数计算过程需要使用临时内存来存储运算的中间结果，这些中间结果以临时变量表示，临时变量占用的内存可以使用TBuf数据结构来管理，具体介绍请参考。下文将以输入的数据类型为bfloat16_t、在单核上运行的Add算子为例，介绍TBuf的使用方式。本样例中介绍的算子完整代码请参见。
在Atlas A2 训练系列产品/Atlas 800I A2 推理产品上，接口不支持对数据类型bfloat16_t的源操作数进行求和计算。因此，需要先将算子输入的数据类型转换成Add接口支持的数据类型，再进行计算。为保证计算精度，调用接口将输入bfloat16_t类型转换为float类型，再进行Add计算，并在计算结束后将float类型转换回bfloat16_t类型。
通过以上分析，得到Ascend C Add算子的设计规格如下：
算子类型（OpType）：Add
算子输入输出：
表 1 Add算子输入输出规格
[object Object][object Object]
[object Object]核函数名称：tmp_buffer_custom
使用的主要接口：
- DataCopy：数据搬移接口
- Cast：矢量精度转换接口
- Add：矢量基础算术接口
- EnQue、DeQue等接口：Queue队列管理接口
算子实现文件名称：tmp_buffer.asc
该样例的CopyIn，CopyOut任务与相同，Compute任务的具体流程如下图所示。
图 1 输入为bfloat16_t类型的Add计算流程[object Object][object Object]
在Compute任务中，表示Cast转换结果、Add计算结果的临时变量均需要使用临时内存存储。与的KernelAdd算子类相比，本样例新增两个TBuf类型的成员变量tmpBuf0、tmpBuf1，用于管理计算过程中使用的临时内存，代码如下。
初始化函数阶段除原有步骤外，需要调用接口为TBuf变量分配内存，具体的初始化函数代码如下：
基于矢量编程范式，核函数需要实现3个基本任务：CopyIn，Compute，CopyOut。与相同，Process函数按顺序调用CopyIn函数，Compute函数，CopyOut函数。其中，CopyIn函数，CopyOut函数与、的实现没有差异，此处不过多赘述。Compute函数的实现步骤如下：
- 使用从VECIN的Queue中取出LocalTensor。
- 使用TBuf.从TBuf上获取全部长度的Tensor作为临时内存。
- 使用接口将LocalTensor转换为float类型，并存入临时内存。
- 使用接口完成矢量计算，将计算结果存入临时内存。
- 使用接口将临时内存中的计算结果转换为bfloat16_t类型。
- 使用将bfloat16_t类型的结果LocalTensor放入VECOUT的Queue中。
- 使用释放不再使用的LocalTensor。