算子编译生成kernel包

• 使用PyTorch的Python接口编程时，可通过Ascend PyTorch Profiler接口dump算子json文件，具体请参考《性能调优工具指南》中“性能分析（PyTorch训练/在线推理）”章节。
  1. 使用Ascend PyTorch Profiler接口开启PyTorch训练时的性能数据采集。

     在训练前，开启扩展参数experimental_config中“算子信息统计功能”，即参数record_op_args置为True。

  2. 查看采集到的PyTorch训练性能数据结果文件。

     训练结束后，Dump的算子信息统计文件默认在{worker_name}_{时间戳}_ascend_pt_op_args/{pid}目录下。

• 使用AscendCL的C++接口编程时，可通过aclopStartDumpArgs和aclopStopDumpArgs接口将算子信息统计文件Dump到指定目录下。接口的具体用法参考《CANN AscendCL应用软件开发指南（C&C++）》“AscendCL API参考 > 单算子执行> 单算子模型执行”章节。

默认模式编译命令样例：

op_compiler --op_params_dir=<dump_dir>  --soc_version=<soc_version> --log=info --job=128 --output=<output_dir>
op_compiler -p <dump_dir>  -v <soc_version> -l info -j 128 -o <output_dir>

调优模式编译命令样例：

op_compiler --op_params_dir=<dump_dir>  --soc_version=<soc_version> --log=info --job=128 --compile_mode=tune --output=<output_dir>
op_compiler -p <dump_dir>  -v <soc_version> -l info -j 128 -m tune -o <output_dir>

• --op_params_dir：简写为-p，必选，Dump工具导出的统计数据所在的文件夹路径，支持绝对和相对路径。
• --soc_version：简写为-v，执行算子编译功能时必选，配置为算子编译时AI处理器的型号。
  

  如果无法确定当前设备的soc_version，则在安装NPU驱动包的服务器执行npu-smi info命令进行查询，在查询到的“Name”前增加Ascend信息，例如“Name”对应取值为xxxyy，实际配置的soc_version值为Ascendxxxyy。

• --log：简写为-l，可选，设置算子编译过程中日志的级别。可设置为debug/info/warning/error/null级别，默认为null。
• --job：简写为-j，可选，设置编译时工作进程数。最小取值为1，默认为16。
• --compile_mode：简写为-m，可选，取值支持配置为tune，代表开启调优模式，执行调优编译流程。不使用该参数的情况下，执行默认编译流程。
• --output：简写为-o，可选，编译输出的安装包路径+名称，如xxx/xxx/xxx.run，支持相对路径和绝对路径。不输入路径的情况下，在当前路径下生成；不输入安装包名称的情况下，安装包默认命名为“static_kernel_${datatime}.run”。

工具支持的全量参数的具体说明可参见参数说明。

当出现类似如下回显信息代表编译成功。

generate run package static_kernel_${datatime}.run success