1. 系统环境
硬件环境(Ascend/GPU/CPU): Ascend910
MindSpore版本：2.3.1
执行模式（PyNative/ Graph）:不限
Python版本：不限
操作系统平台：Linux
2. 报错信息
2.1 问题描述及报错
在使用mindspore的2.3.1版本调用ascendc算子时，该算子是原地计算的算子，算子定义如下：
算子内部更新向量x，在用c++进行aclnn调用时，可以在计算完毕后将device侧的x内存拷贝到host侧输出。但是使用mindspore进行aclnn调用时，CustomRegOP注册该算子时，无论添不添加output注册，都无法获取原地输出的值。该如何将原地计算的值从device侧拷贝到host侧
class MysarStage1Pre(Cell):
def __init__(self):
super (MysarStage1Pre, self).__init__()
ari_stage1pre = CustomRegOp("ac lnnStage1Pre") \
.input(0, "a", "required") \
.input(1, "b", "required") \
.output(0, "c", "required") 1
.dtype_format(DataType.F32_Default, DataType.F32_Default, DataType. F32_Default) \
.target("Ascend") \
.get_op_info()
ari_stage1 = CustomRegOp( "aclnnStage1") \
.input(0, "x", "required") \
.input(1, "y", "required") \
.output(0, "x", "required") 1
.dtype_format(DataType.F32_Default, DataType.F32_Default, DataType. F32_Default) \
.target("Ascend") \
.get_op_info()
self.stage1pre = ops.Custom(func="ac InnStage1Pre", out_shape-lambda x, y: [1, mysar_colunm], out_dtype=lambda x, _: x, func_type="aot", bprop=None, reg_info=ari_stage1pre)
self.stage1 = ops.Custom(func="aclnnStage1", out_shape=lambda x, _: x, out_dtype=lambda x, _: x, func_type="aot", bprop=None, reg_info=ari_stage1)
def construct(self, a, sig):
colunm_mean = self. stage1pre(a, sig)
dc = self.stage1(sig, colunm_mean)
print("*"*12, "dc is :", "*"*12, "\n", dc)
print("*"*12, "sig is :", "*"*12, "\n", sig)
return sig3 根因分析
******此处由用户填写******
4 解决方案
******此处由用户填写******
包含文字方案和最终脚本代码
请将正确的脚本打包并上传附件
点赞
收藏
回复
分享
举报
1. 系统环境
硬件环境(Ascend/GPU/CPU): Ascend910
MindSpore版本：2.3.1
执行模式（PyNative/ Graph）:不限
Python版本：不限
操作系统平台：Linux
2. 报错信息
2.1 问题描述及报错
在使用mindspore的2.3.1版本调用ascendc算子时，该算子是原地计算的算子，算子定义如下：
this->Input("x") .ParamType(REQUIRED) .DataType({ge::DT FLOAT}) .Format({ge::FORMAT ND}) .UnknownShapeFormat({ge::FORMAT ND}); this->Input("y") .ParamType(REQUIRED) .DataType({ge::DT FLOAT}) .Format({ge::FORMAT ND}) .UnknownShapeFormat( {ge::FORMAT ND}); this->SetInferShape(ge:: InferShape); this->AICore() .SetTiling(optiling::TilingFunc); this->AICore().AddConfig("ascend310");算子内部更新向量x，在用c++进行aclnn调用时，可以在计算完毕后将device侧的x内存拷贝到host侧输出。但是使用mindspore进行aclnn调用时，CustomRegOP注册该算子时，无论添不添加output注册，都无法获取原地输出的值。该如何将原地计算的值从device侧拷贝到host侧
class MysarStage1Pre(Cell): def __init__(self): super (MysarStage1Pre, self).__init__() ari_stage1pre = CustomRegOp("ac lnnStage1Pre") \ .input(0, "a", "required") \ .input(1, "b", "required") \ .output(0, "c", "required") 1 .dtype_format(DataType.F32_Default, DataType.F32_Default, DataType. F32_Default) \ .target("Ascend") \ .get_op_info() ari_stage1 = CustomRegOp( "aclnnStage1") \ .input(0, "x", "required") \ .input(1, "y", "required") \ .output(0, "x", "required") 1 .dtype_format(DataType.F32_Default, DataType.F32_Default, DataType. F32_Default) \ .target("Ascend") \ .get_op_info() self.stage1pre = ops.Custom(func="ac InnStage1Pre", out_shape-lambda x, y: [1, mysar_colunm], out_dtype=lambda x, _: x, func_type="aot", bprop=None, reg_info=ari_stage1pre) self.stage1 = ops.Custom(func="aclnnStage1", out_shape=lambda x, _: x, out_dtype=lambda x, _: x, func_type="aot", bprop=None, reg_info=ari_stage1) def construct(self, a, sig): colunm_mean = self. stage1pre(a, sig) dc = self.stage1(sig, colunm_mean) print("*"*12, "dc is :", "*"*12, "\n", dc) print("*"*12, "sig is :", "*"*12, "\n", sig) return sig3 根因分析
******此处由用户填写******
4 解决方案
******此处由用户填写******
包含文字方案和最终脚本代码
请将正确的脚本打包并上传附件