CANN稀疏矩阵算子ATK测试
ATK_ops-sparse
【免费下载链接】cann-ops-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-ops-competitions
aclSparseSDDMM / SpGEMM / SpSM的 ATK 精度验收工程（NPU 被测，CPU golden；可选 GPU 对照）。
目录结构
ATK_ops-sparse/ ├── run_sparse_atk.sh # 统一入口 ├── sparse_executor_common.py # CSR 生成、seed、精度工具 ├── sparse_npu_acl.py # NPU aclsparse 绑定 ├── sparse_gpu_cusparse.py # GPU cuSPARSE 参考路径 ├── aclSparseSddmm/ │ ├── aclSparseSddmm.yaml │ ├── generator_aclSparseSddmm.py │ ├── executor_aclSparseSddmm.py │ └── result/aclSparseSddmm/json/all_aclSparseSddmm.json ├── aclSparseSpgemm/ # 同上结构 └── aclSparseSpsm/ # 同上结构依赖
- Python 3 + PyTorch
- NPU：
torch_npu、已安装libops_sparse.so（可设OPS_SPARSE_LIB_PATH） - GPU（可选）：CUDA +
libcusparse.so - CPU golden：
scipy（SpGEMM β≠0 必需） - ATK 框架：
atk命令可用
用法
cd /home/ATK_ops-sparse # NPU 精度验收（推荐） ./run_sparse_atk.sh sddmm npu --gen ./run_sparse_atk.sh spgemm npu -s 0 -e 10 ./run_sparse_atk.sh spsm npu # GPU 对照（cuSPARSE vs CPU） ./run_sparse_atk.sh spgemm gpu -s 0 -e 3 # 自动选 backend：npu → gpu → cpu ./run_sparse_atk.sh sddmm auto --gen参数说明：
- 第 1 个参数：
sddmm|spgemm|spsm - 第 2 个参数：
auto|npu|gpu|cpu（默认auto） --gen：重新生成用例 JSON（首次或改 generator 后）- 其余参数透传给
atk task（如-s 0 -e 10切片用例）
用例
- 用例定义：
aclSparse*/generator_*.py+*.yaml - 生成：
atk case -f aclSparseSddmm.yaml -p generator_aclSparseSddmm.py - 运行时会自动
--gen（若 JSON 不存在）
【免费下载链接】cann-ops-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-ops-competitions
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考