接口简介

概述

为加速模型算力释放，CANN（Compute Architecture for Neural Networks）提供了算子加速库（Ascend Operator Library，简称AOL）。

该库提供了一系列丰富的深度优化、硬件亲和的高性能算子，如Neural Network、Digital Vision Pre-Processing算子等，为神经网络在昇腾硬件上加速计算奠定了基础。为方便开发者调用算子，提供了单算子API执行方式调用算子（基于C语言的API，无需提供IR（Intermediate Representation）定义），以便开发者高效使能模型创新与应用，API的调用流程如图1所示。

此外，本文档还提供了不同深度学习框架IR（Intermediate Representation）定义的算子规格信息，支撑开发者自行构建网络模型。

本文档提供的CANN算子均为系统支持的算子，对于系统不支持的算子，支持开发者自定义，自定算子开发指导请参见《Ascend C算子开发指南》。

图1 API调用流程

接口说明

本文档提供的不同领域算子接口或算子规格清单如表1所示，其在不同产品型号的支持情况参见表2。

算子接口章节重点阐述了接口定义、功能描述、参数说明、约束限制和调用示例等，指导开发者快速上手调用算子API。

对于各类算子接口或算子规格/清单中未审明支持的场景（如产品型号、数据类型、数据格式、数据维度等），不推荐开发者使用，当前版本不保证其调用效果。
调用算子接口过程中可能会遇到各类异常，可以参考《故障处理》中“故障案例集 > 算子执行问题”，该章提供了典型/高频的算子执行问题，辅助开发者进行问题定位和解决。

表1 AOL列表
接口分类	说明	备注
基础接口	调用NN算子、融合算子、DVPP算子API过程中依赖的公共Meta接口，如创建aclTensor、aclScalar、aclIntArray等。	-
NN算子接口	Neural Network算子，CANN内置的基础算子，接口前缀为aclnnXxx，主要覆盖TensorFlow、Pytorch、MindSpore、ONNX等框架中深度学习算法相关的计算类型，例如常见的Softmax、MatMul、Convolution等。目前该类算子API在整个算子库中占最大比重。	本质是一套基于C语言的API，可直接调用API执行算子，无需提供额外的IR定义。该调用方式被称为单算子API执行调用，更多详细介绍参见《CANN AscendCL应用软件开发指南（C&C++）》中“单算子调用”章节。调用NN、融合算子接口时，会直接调用算子二进制包（Ascend-cann-kernels）中已经编译好的算子，无需再编译算子。算子二进制包的安装请参见《CANN 软件安装指南》。调用DVPP算子接口时，无需再编译算子。
融合算子接口	CANN内置的融合算子，接口前缀为aclnnXxx，由多个独立的基础“小算子”（如向量Vector、矩阵Cube等）融合成“大算子”，多个小算子功能与大算子功能等价，而大算子在性能或内存收益优于小算子。例如常见的Flash Attention、通算融合算子（简称MC2算子）等。说明：除了本文档提供的融合算子，您还可以单击Link访问Gitee cann-ops-adv仓获取代码开放的融合算子。当前融合算子不支持使用昇腾虚拟化实例。
DVPP算子接口	Digital Vision Pre-Processing算子，接口前缀为acldvppXxx，提供高性能视频/图片编解码、图像裁剪缩放等预处理API。
CANN算子规格说明	罗列了基于Ascend IR定义的算子信息。	-
AI框架算子支持清单	罗列了基于原生框架IR定义的算子信息（如TensorFlow、Caffe等）。	-

表2 产品支持度表
产品型号	NN算子接口	融合算子接口	DVPP算子接口	CANN算子规格说明	TensorFlow算子清单	Caffe算子清单	ONNX算子清单
Atlas 200/300/500 推理产品	x	x	x	√	√	√	√
Atlas 200I/500 A2 推理产品	√（部分支持）	x	x	√	√	√	√
Atlas 训练系列产品	√（部分支持）	x	x	√	√	√	√
Atlas A2 训练系列产品/Atlas 800I A2 推理产品	√	√（部分支持）	√	√	√	x	√
Atlas 推理系列产品	√（部分支持）	√（部分支持）	x	√	√	√	√