当前位置：首页 > news >正文

ANNC社区贡献指南：从问题反馈到代码提交的完整流程

news 2026/6/30 18:05:11

ANNC社区贡献指南：从问题反馈到代码提交的完整流程

【免费下载链接】ANNCAccelerated Neural Network Compiler.项目地址: https://gitcode.com/openeuler/ANNC

前往项目官网免费下载：https://ar.openeuler.org/ar/

ANNC（Accelerated Neural Network Compiler）是基于OpenXLA/XLA框架的AI编译器，专注于CPU平台神经网络推理优化。作为开源项目，社区贡献是推动ANNC持续发展的核心动力。本文将详细介绍从问题反馈到代码提交的完整流程，帮助新手快速参与ANNC社区建设。

一、贡献前准备：了解项目与环境

1.1 项目结构概览

ANNC项目主要包含以下核心模块：

annc/service/：核心编译优化逻辑，包含CPU后端实现（如xla/kernel_selector.cc）和算子优化（如bisheng-cpu/concat_partition.cc）
python/annc/optimize/：模型优化工具实现（如constant_folding.py）
third_party/：依赖库（如kpgemm高性能计算库）
docs/：项目文档（如constant-folding.md）

1.2 开发环境配置

贡献代码前需准备以下环境：

Bazel 6.5.0
Python 3.x
GCC/G++（支持C++17）
依赖库：OpenXLA/XLA、OpenBLAS、XNNPACK

详细环境配置可参考TESTING.md中的"测试环境搭建"章节。

二、问题反馈：清晰报告与有效沟通

2.1 提交Issue的规范

发现bug或有功能建议时，建议通过以下方式提交Issue：

标题明确：包含问题类型（如"Bug"、"Feature"）和核心描述
环境信息：提供ANNC版本、硬件架构（如鲲鹏950）、软件依赖版本
复现步骤：详细描述如何复现问题，可附测试代码或模型
预期结果：说明正常情况下应该发生什么
实际结果：记录当前观察到的异常现象

2.2 讨论交流渠道

Issue跟踪：通过项目Issue系统提交问题和跟进进度
社区讨论：在相关讨论专区交流技术方案和实现思路

三、代码贡献：从克隆到提交的完整步骤

3.1 克隆代码仓库

git clone https://gitcode.com/openeuler/ANNC.git cd ANNC

3.2 创建开发分支

建议基于最新主分支创建功能分支：

git checkout main git pull origin main git checkout -b feature/your-feature-name

3.3 代码开发规范

C++代码：遵循Google C++风格指南，关键逻辑需添加注释
Python代码：使用PEP8规范，通过pylint检查代码质量
提交信息：格式为[模块名] 简明描述，如[xla] 添加GEMM算子路由逻辑

3.4 编译与测试

开发完成后需进行本地验证：

3.4.1 编译共享库

bazel --output_user_root=./output build -c opt annc/service/cpu:libannc.so

3.4.2 运行测试工具

bazel build -c opt annc/tools/kp-opt:kp-opt bazel-bin/annc/tools/kp-opt/kp-opt {test_hlo_cluster_file.dat}

3.4.3 性能测试

参考TESTING.md中的"性能测试"章节，验证优化效果：

# 示例：启动TF-Serving测试优化后模型 export TF_XLA_FLAGS="--tf_xla_auto_jit=2 --tf_xla_cpu_global_jit --tf_xla_min_cluster_size=16" export ANNC_FLAGS="--gemm-opt --graph-opt" /path/to/tensorflow_model_server --port=7004 --model_name=deepfm --model_base_path=/path/to/model