输入数据和标杆数据准备

使用Ascend C调测工具进行算子调测前，必须提供算子的输入数据和标杆数据。

• 输入数据（input数据）：固定shape算子运行时的输入数据，bin格式。
• 标杆数据（golden数据）：根据输入数据计算出来的真值数据，用于与输出数据进行精度比对，bin格式。

数据该如何准备，本章节提供了多种方式，用户可以根据实际情况选择合适的方式。

• 方式1：采用外部提供的input/golden数据。

  用户采用外部数据源进行算子调测，一般适合首次调测场景。

  在算子信息json配置文件中，将gen_data配为false，data_file配为输入数据、标杆数据对应的路径（必须为绝对路径），示例如下：

  "gen_data": false,                       
  "data_file": "/path/to/input_data_q.bin",   
  "data_file": "/path/to/golden_data_out.bin",

  若外部提供的数据是.pt文件，需要转换为.bin文件，以Pytorch为例：

  import torch
  model = torch.load('model.pt')   # 加载.pt文件
  torch.save(model, 'model.bin')   # 将模型参数保存为二进制文件

• 方式2：采用已生成过的input/golden数据，无需重新生成。

  当用户需要多次重跑，建议直接使用历史生成的数据，避免重复生成，导致调测耗时过长。

  在算子信息json配置文件中，将gen_data配为false，data_file配为输入数据、标杆数据对应的bin文件名（不含路径信息，默认在当前路径下查找数据文件），示例如下：

  "gen_data": false,                       
  "data_file": "input_data_q.bin",   
  "data_file": "golden_data_out.bin",

• 方式3：采用工具随机生成input数据。

  用户未准备任何数据，可采用工具随机生成的input数据，生成的bin数据文件默认在当前路径下的对应算子的data文件夹中。该场景下没有golden数据，因此不支持精度比对。

  在算子信息json配置文件中，将gen_data配为true，data_script配为空字符串或null，data_file配为输入数据、标杆数据对应的bin文件名（不含路径信息，默认在当前路径下查找数据文件），示例如下：

  "data_script": "",      
  "gen_data": true,
   ......
  "shape": [1, 16384],
  "data_file": "sample.bin",

• 方式4：采用脚本生成input/golden数据。

  用户自行准备数据生成脚本（一般是.py文件），同时配置算子信息json配置文件。

  将gen_data配为true，data_script配为数据生成脚本路径（以FlashAttentionScore算子为例），data_file配为输入数据、标杆数据对应的bin文件名（不含路径信息，默认在当前路径下查找数据文件），示例如下：

  "data_script": "${fa_case_dir}/flash_attention_score_golden.py",      
  "gen_data": true,
   ......
  "data_file": "sample.bin",

  生成数据时，会调用该脚本，并固定传入以下参数：

  sys.argv[1]: 输入的算子json配置文件
  sys.argv[2]: 输出bin文件路径（工作路径下的data文件夹，例如debug_wkplace/FlashAttentionScore/data/）

  • 用户需要根据输入的sys.argv[1]读取算子json配置文件内容，获取生成数据所需的算子shape信息。
  • 用户需要根据输入的sys.argv[1]读取算子json配置文件内容，获取生成数据文件的文件名，在脚本中适配生成的文件名。
  • 用户需要根据输入的sys.argv[2]设置存放input/output数据文件的路径，将生成的文件保存到该路径下。