固定输入/输出顺序的算子json配置

json配置说明

固定输入/输出顺序的算子json配置文件中“inputs”和“outputs”参数按照“输入/输出规则排布”，所以要求Kernel入口函数的参数也是按照该规则排布。

输入/输出规则排布（所有输出参数排布在输入参数之后）：例如Kernel入口函数的参数排布为extern "C" __global__ __aicore__ void add_custom(GM_ADDR input1, GM_ADDR input2，uint32_t input3, GM_ADDR output)
标准自定义算子工程场景、ops_adv工程场景的开发人员一般按此方式配置算子json文件。

以AddCustom算子为例（非原地算子），对应的json配置示例如下，参数说明参见表1。

{
    "op_type": "AddCustom",
    "data_script": "./add_golden.py",
    "gen_data": true,
    "inputs": [
        {
            "name": "x",
            "dtype": "int32",
            "format": "ND",
            "ignore": false,
            "shape": [32],
            "param_type": "required",
            "data_file": "x.bin"
        },
        {
            "name": "y",
            "dtype": "int32",
            "format": "ND",
            "ignore": false,
            "shape": [32],
            "param_type": "required",
            "data_file": "y.bin"
        }
    ],
    "outputs": [
        {
            "name": "z",
            "dtype": "int32",
            "format": "ND",
            "ignore": false,
            "shape": [32],
            "param_type": "required",
            "data_file": "z.bin"
        }
    ],
    "attrs": [
        {
            "name": "mask",
            "dtype": "list_int",
            "value": [0,0]
        },
        {
            "name": "repeatTimes",
            "dtype": "int",
            "value": 1
        },
        ......
    ]
}

以AddCustom算子为例（原地算子），对应的json配置示例如下，参数说明参见表1。

{
    "op_type": "AddCustom",
    "data_script": "./add_golden.py",
    "gen_data": true,
    "inputs": [
        {
            "name": "x",
            "dtype": "int32",
            "format": "ND",
            "ignore": false,
            "shape": [32],
            "param_type": "required",
            "data_file": "x.bin"
        },
        {
            "name": "y",
            "dtype": "int32",
            "format": "ND",
            "ignore": false,
            "shape": [32],
            "param_type": "required",
            "data_file": "y.bin"
        }
    ],
    "outputs": [
        {
            "name": "x",
            "dtype": "int32",
            "format": "ND",
            "ignore": false,
            "shape": [32],
            "param_type": "required",
            "data_file": "ref_x.bin"
        }
    ],
    "attrs": [
        {
            "name": "mask",
            "dtype": "list_int",
            "value": [0,0]
        },
        {
            "name": "repeatTimes",
            "dtype": "int",
            "value": 1
        },
        ......
    ]
}

表1 固定输入/输出顺序的算子json全量参数说明
配置项		数据类型	参数说明	取值说明	是否必选
op_type		string	算子名。	与待调测算子严格匹配。	是
data_script		string	数据生成脚本（python），用于生成输入和标杆数据。	根据实际情况设置，如"/home/flash_attention_golden.py"。说明：若无数据生成脚本，填写空字符或null。	否
gen_data		bool	是否根据data_script生成输入和标杆数据。	true：采用脚本生成数据。 false：不采用脚本生成数据，默认false。	是
inputs / outputs	name	string	核函数输入/输出的参数名。	根据实际情况设置（若通过算子二进制模板文件生成，不建议修改）。	是
	dtype	string	输入/输出的数据类型。	目前支持bool、int、int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64、bfloat16。说明：算子json配置时dtype仅允许输入一种数据类型，不支持多种数据类型。	是
	format	string	输入/输出的存储格式。	支持的数据格式有ND、NZ。	是
	shape	list	输入/输出的shape。	根据算子实际shape填写，例如[24,20,144,8]。说明：当输入为Scalar时，shape填null。	是
	ignore	bool	是否忽略该输入/输出。	true：表示输入/输出可忽略，不分配Global Memory内存。 false：表示输入/输出不可忽略。	否
	param_type	string	是否必选该输入/输出。	required：必选。 optional：可选。	是
	data_file	string	inputs场景下，指输入数据bin文件。 outputs场景下，指标杆数据bin文件。	根据实际情况设置数据bin文件路径，必须为绝对路径，例如"/home/data.bin"。说明：当data_file设为空字符或null，表示不对运行输出作精度比对。当输入为Scalar时，data_file字段删除，只需配置data_value。	否
	data_value	由dtype确定	输入的Scalar值。	根据实际情况填写。说明：只有input节点才可以配置该参数。 data_value与data_file互斥。若配置data_value则data_file必须删除，且shape必须为null，表示本节点是Scalar输入。	否
attrs	name	string	算子的属性名，是区分每个算子的唯一标识，不可重复。	部分场景允许没有attrs，请根据实际情况填写。	是
	dtype	string	数据类型。		是
	value	可变	属性值。		是

特殊格式输入

场景1：支持Scalar格式的输入。

当输入为Scalar格式，json中“inputs”配置项中删除data_file，shape配为null，data_value配为指定的标量值。

{
  "op_type": "xxxx",
  "data_script": "",
  "gen_data": false,
  "inputs": [{
      "name": "tileNumIn",
      "dtype": "uint32",
      "param_type": "required",
       ......
      "shape": null,
      "data_value": 8
    }]
    ......
}

场景2：支持TensorList格式的输入。

当输入为TensorList格式，该参数需要用[ ]表示，List中的每一项表示一个Tensor，示例如下：

{
  "op_type": "xxxx",
  "data_script": "",
  "gen_data": false,
  "inputs": 
      # 输入为tensor list
      [{
          "name": "key0",
          "dtype": "float16",
          "format": "ND",
          "ignore": false,
          "shape": [1,5,8192,128],
          "param_type": "required",
          "data_file": "/home/data/input/k_0.bin"
      },{
          "name": "key1",
          "dtype": "float16",
          "format": "ND",
          "ignore": false,
          "shape": [1,5,8192,128],
          "param_type": "required",
          "data_file": "/home/data/input/k_1.bin"
      }]
  ......
}

父主题： 命令行方式下数据和配置说明