---
title: --aicore_num
description: "| 产品 | 是否支持 |"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/devaids/atctool/atlasatcparam_16_0038.html
sourcePath: /source/zh/canncommercial/900/devaids/atctool/atlasatcparam_16_0038.html
indexId: 6977de922939c7baa422caa3a43fa67b04e1c4f405b998d199a6f4a6dd1f891572
---
# --aicore_num

#### 产品支持情况

| 产品 | 是否支持 |
| --- | --- |
| Atlas 350 加速卡 | √ |
| Atlas A3 训练系列产品 / Atlas A3 推理系列产品 | √ |
| Atlas A2 训练系列产品 / Atlas A2 推理系列产品 | √ |
| Atlas 200I/500 A2 推理产品 | √ |
| Atlas 推理系列产品 | √ |
| Atlas 训练系列产品 | √ |


#### 功能说明

用于配置模型编译时使用的AI Core核数。


#### 关联参数

无。


#### 参数取值

参数值："整数1|整数2"，中间使用“|”分隔。

- 场景1：针对如下产品，整数1表示算子编译时使用的AI Core中的Cube Core核数，整数2表示算子编译时使用的AI Core中的Vector Core核数，整数1与整数2都需要大于0，小于等于AI处理器包含的最大Cube Core和Vector Core数量：
  Atlas 350 加速卡

  Atlas A3 训练系列产品 / Atlas A3 推理系列产品

  Atlas A2 训练系列产品 / Atlas A2 推理系列产品

- 场景2：针对如下产品，仅需配置整数1，配置格式为："整数1|"，配置整数2不会生效，表示算子编译时使用的AI Core核数：
  Atlas 200I/500 A2 推理产品

  Atlas 推理系列产品

  Atlas 训练系列产品


参数值约束：

- 针对参数值中的场景1：
  不同AI处理器
  包含的最大Cube Core与Vector Core的数量可从"${INSTALL_DIR}
  /<arch>
  -linux/data/platform_config/xxx
  .ini"文件查看，如下所示，说明AI处理器
  上存在24个Cube Core，存在48个Vector Core。

```
[SoCInfo]
# 参数配置为默认值，默认值即为最大值
ai_core_cnt=24
cube_core_cnt
=24
vector_core_cnt
=48
```


- 针对参数值中的场景2：
  不同AI处理器
  包含的最大AI Core数量可从"${INSTALL_DIR}
  /<arch>
  -linux/data/platform_config/xxx
  .ini"文件查看，如下所示，说明AI处理器
  上存在10个AI Core。

```
[SoCInfo]
# AI Core默认值，默认值即为最大值
ai_core_cnt
=10
vector_core_cnt=8
```


- 如果配置该参数的同时启用了算子编译缓存功能（  --op_compiler_cache_mode
参数配置为“enable”或者“force”），此参数仅在首次编译时生效。若您想在非首次编译时生效该参数，需要清理编译磁盘的缓存。

其中，${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。<arch>表示具体操作系统架构，xxx请根据实际产品进行选择。


#### 推荐配置及收益

无。


#### 示例

- 场景1配置示例：

```
--aicore_num="24|48"
```


- 场景2配置示例

```
--aicore_num="10|"
或
--aicore_num="10"
```


#### 了解AI Core、Cube Core、Vector Core的关系

为便于理解AI Core、Cube Core、Vector Core的关系，此处先明确Core的定义，Core是指拥有独立Scalar计算单元的一个计算核，通常Scalar计算单元承担了一个计算核的SIMD（单指令多数据，Single Instruction Multiple Data）指令发射等功能，所以我们也通常也把这个Scalar计算单元称为核内的调度单元。不同产品上的AI数据处理核心单元不同，当前分为以下几类：

- 当AI数据处理核心单元是AI Core：

  - 在AI Core内，Cube和Vector共用一个Scalar调度单元，例如Atlas 训练系列产品。
  - 在AI Core内，Cube和Vector都有各自的Scalar调度单元，因此又被称为Cube Core、Vector Core。这时，一个Cube Core和一组Vector Core被定义为一个AI Core，AI Core数量通常是以多少个Cube Core为基准计算的，例如Atlas A2 训练系列产品 / Atlas A2 推理系列产品。
- 当AI数据处理核心单元是AI Core以及单独的Vector Core：AI Core和Vector Core都拥有独立的Scalar调度单元，例如Atlas 推理系列产品。


#### 依赖约束

无。