---
title: GPU/NPU映射表获取
description: "本节涉及的.json文件、目录等名称均为举例，请根据实际环境替换。其中，-out指定的结果存放路径，需确保操作用户具有读写权限。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/devaids/ModelAccuracyAnalyzer/atlasaccuracy_16_0056.html
sourcePath: /source/zh/canncommercial/900/devaids/ModelAccuracyAnalyzer/atlasaccuracy_16_0056.html
indexId: 8cb8c698ab6690464c96588a78b02a90e9eb1564ab2cd4c04ad7eede320d8c8586
---
# GPU/NPU映射表获取

#### 说明

本节涉及的.json文件、目录等名称均为举例，请根据实际环境替换。其中，-out指定的结果存放路径，需确保操作用户具有读写权限。


#### 操作步骤

1. 以HwHiAiUser用户登录开发环境。
2. 生成json文件。

```
atc --mode=
1
--om=
$HOME/data/resnet50.om
--json=
$HOME/data/resnet50.json
```


3. 进入${INSTALL_DIR}/tools/operator_cmp/compare，${INSTALL_DIR}请替换为CANN软件安装后文件存储路径。以root用户安装为例，安装后文件默认存储路径为：/usr/local/Ascend/cann。
4. 执行获取GPU/NPU的映射表命令。
  由于dump和npy比对数据文件是由多个文件组成，故下文操作步骤中-m和-g参数须指定数据文件所在的父目录。如：$HOME/MyApp/resnet50，其中resnet50文件夹下直接保存比对数据文件。 目录结构示例如下： 1 2 3 4 5 6 root@xxx:$HOME/MyApp/resnet50# tree . ├── BatchMatMul.bert_encoder_layer_0_attention_self_MatMul_1.24.1614717261785536 ├── BatchMatMul.bert_encoder_layer_0_attention_self_MatMul.21.1614717261768864 ├── BatchMatMul.bert_encoder_layer_10_attention_self_MatMul_1.235.1614717263664916 # 仅为示例，此处省略剩余文件名。

```
python3 msaccucmp.py compare -m
$HOME/MyApp_mind/resnet50
-g
$HOME/Standard_caffe/resnet50
-f
$HOME/data/resnet50.json
-out
$HOME/result
-map
```


  输出结果为mapping_*.csv文件内容如图1所示。

  图1 GPU/NPU的映射表

**表1 输出参数说明**

| 参数 | 说明 |
| --- | --- |
| Index | 算子的ID。 |
| OpType | 算子类型。指定\-f，\-cf或\-q参数时获取算子类型。 |
| NPUDump | 表示基于AI处理器运行生成的dump数据的算子名。 |
| GroundTruth | 表示基于GPU/CPU运行生成的npy或dump数据的算子名。 |
| TensorIndex | 表示基于AI处理器运行生成的dump数据的算子的input ID和output ID。 |
| NPUDumpPath | 表示基于AI处理器运行生成的dump文件路径。 |
| GroundTruthPath | 表示基于GPU/CPU运行生成的npy或dump文件路径。 |