CANN/ops-cv双线性抗锯齿上采样

aclnnUpsampleBilinear2dAA

【免费下载链接】ops-cv本项目是CANN提供的图像处理、目标检测相关的算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-cv

📄 查看源码

产品支持情况

功能说明

• 接口功能：对由多个输入通道组成的输入信号应用2D双线性抗锯齿采样。

• 计算公式：对于一个二维插值点$(N, C, H, W)$, 插值$I(N, C, H, W)$可以表示为：

  $$ {I(N, C, H, W)} = \sum_{i=0}^{kW}\sum_{j=0}^{kH}{w(i) * w(j)} * {f(h_i, w_j)}/\sum_{i=0}^{kW}w(i)/\sum_{j=0}^{kH}w(j) $$

  $$ scaleH =\begin{cases} (input.dim(2)-1) / (outputSize[0]-1) & alignCorners=true \ 1 / scalesH & alignCorners=false&scalesH>0\ input.dim(2) / outputSize[0] & otherwise \end{cases} $$

  $$ scaleW =\begin{cases} (input.dim(3)-1) / (outputSize[1]-1) & alignCorners=true \ 1 / scalesW & alignCorners=false&scalesW>0\ input.dim(3) / outputSize[1] & otherwise \end{cases} $$

  其中：

  • $kW$、$kH$分别表示W方向和H方向影响插值点大小的点的数量

  • 如果$scaleH >= 1$，则$kH = floor(scaleH) * 2 + 1$，否则$kH = 3$

  • 如果$scaleW >= 1$，则$kW = floor(scaleW) * 2 + 1$，否则$kW = 3$

  • $f(h_i, w_j)$是原图像在$(h_i, w_j)$的像素值

  • $w(i)$、$w(j)$是双线性抗锯齿插值的W方向和H方向权重，计算公式为：

    $$ w(i) = \begin{cases} 1 - |h_i - h| & |h_i -h| < 1 \ 0 & otherwise \end{cases} $$

    $$ w(j) = \begin{cases} 1 - |w_j - w| & |w_j -w| < 1 \ 0 & otherwise \end{cases} $$

函数原型

每个算子分为两段式接口，必须先调用“aclnnUpsampleBilinear2dAAGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnUpsampleBilinear2dAA”接口执行计算。

aclnnStatus aclnnUpsampleBilinear2dAAGetWorkspaceSize( const aclTensor *input, const aclIntArray *outputSize, bool alignCorners, double scalesH, double scalesW, aclTensor *out, uint64_t *workspaceSize, aclOpExecutor **executor)

aclnnStatus aclnnUpsampleBilinear2dAA( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)

aclnnUpsampleBilinear2dAAGetWorkspaceSize

• 参数说明

  参数名	输入/输出	描述	使用说明	数据类型	数据格式	维度(shape)	非连续Tensor
  input（aclTensor*）	输入	表示进行采样的输入张量，对应公式中的`input`。	不支持空Tensor。 当数据格式为ND时，默认按照NCHW格式处理。	FLOAT32、FLOAT16、BFLOAT16	NCHW、ND	4	√
  outputSize（aclIntArray*）	输入	指定输出空间大小，表示指定`out`在H和W维度上的空间大小。对应公式中的`outputSize`。	size为2，且各元素均大于零。	INT64	-	-	-
  alignCorners（bool）	输入	决定是否对齐角像素点，对应公式中的`alignCorners`。	如果设置为`true`，则输入和输出张量按其角像素的中心点对齐，保留角像素处的值。如果设置为`false`，则输入和输出张量通过其角像素的角点对齐，并使用边缘值对边界外的值进行填充。	-	-	-	-
  scalesH（double）	输入	指定空间大小的height维度乘数，对应公式中的`scalesH`。	不能传入负值。	-	-	-	-
  scalesW（double）	输入	指定空间大小的width维度乘数，对应公式中的`scalesW`。	不能传入负值。	-	-	-	-
  out（aclTensor*）	输出	表示采样后的输出张量，对应公式中的`I`。	不支持空Tensor。 数据类型、数据格式和shape与入参`input`保持一致。	FLOAT32、FLOAT16、BFLOAT16	NCHW、ND	4	√
  workspaceSize（uint64_t*）	输出	返回需要在Device侧申请的workspace大小。	-	-	-	-	-
  executor（aclOpExecutor**）	输出	返回op执行器，包含了算子计算流程。	-	-	-	-	-

• 返回值：

  aclnnStatus：返回状态码，具体参见aclnn返回码。

  第一段接口完成入参校验，出现以下场景时报错：

  返回码	错误码	描述
  ACLNN_ERR_PARAM_NULLPTR	161001	传入的input、outputSize或out是空指针。
  ACLNN_ERR_PARAM_INVALID	161002	input或out的数据类型不在支持的范围之内。
  		input和out的数据类型不一致。
  		input和out的数据格式不一致。
  		input的shape不是4维。
  		outputSize的取值小于等于0。
  		scalesH或scalesW的取值小于0。

aclnnUpsampleBilinear2dAA

• 参数说明

  参数名	输入/输出	描述
  workspace	输入	在Device侧申请的workspace内存地址。
  workspaceSize	输入	在Device侧申请的workspace大小，由第一段接口aclnnUpsampleBilinear2dAAGetWorkspaceSize获取。
  executor	输入	op执行器，包含了算子计算流程。
  stream	输入	指定执行任务的Stream。

• 返回值

aclnnStatus：返回状态码，具体参见aclnn返回码。

约束说明

• Atlas A3 训练系列产品/Atlas A3 推理系列产品 、 Atlas A2 训练系列产品/Atlas A2 推理系列产品 ：

  输入数据缩放场景缩小倍数必须小于等于50，即：

  $$ 输入shape的高度H/outputSize_H <= 50 $$

  $$ 输入shape的宽度W/outputSize_W <=50 $$

• 参数input、outputSize、scalesH、scalesW需要满足如下约束：

  $$ outputSize_H = floor(input_H * scalesH) $$

  $$ outputSize_W = floor(input_W * scalesW) $$

• 确定性计算：

  • aclnnUpsampleBilinear2dAA默认确定性实现。

调用示例

示例代码如下，仅供参考，具体编译和执行过程请参考编译与运行样例。

#include <iostream> #include <vector> #include "acl/acl.h" #include "aclnnop/aclnn_upsample_bilinear2d_aa.h" #define CHECK_RET(cond, return_expr) \ do { \ if (!(cond)) { \ return_expr; \ } \ } while (0) #define LOG_PRINT(message, ...) \ do { \ printf(message, ##__VA_ARGS__); \ } while (0) int64_t GetShapeSize(const std::vector<int64_t> &shape) { int64_t shapeSize = 1; for (auto i : shape) { shapeSize *= i; } return shapeSize; } int Init(int32_t deviceId, aclrtStream *stream) { // 固定写法，资源初始化 auto ret = aclInit(nullptr); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret); ret = aclrtSetDevice(deviceId); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret); ret = aclrtCreateStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret); return 0; } template <typename T> int CreateAclNchwTensor(const std::vector<T> &hostData, const std::vector<int64_t> &shape, void **deviceAddr, aclDataType dataType, aclTensor **tensor) { auto size = GetShapeSize(shape) * sizeof(T); // 调用aclrtMalloc申请device侧内存 auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret); // 调用aclrtMemcpy将host侧数据复制到device侧内存上 ret = aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMemcpy failed. ERROR: %d\n", ret); return ret); // 计算连续tensor的strides std::vector<int64_t> strides(shape.size(), 1); for (int64_t i = shape.size() - 2; i >= 0; i--) { strides[i] = shape[i + 1] * strides[i + 1]; } // 调用aclCreateTensor接口创建aclTensor *tensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_NCHW, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { // 1. （固定写法）device/stream初始化，参考acl API手册 // 根据自己的实际device填写deviceId int32_t deviceId = 0; aclrtStream stream; auto ret = Init(deviceId, &stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret); // 2. 构造输入与输出，需要根据API的接口自定义构造 std::vector<int64_t> inputShape = {1, 1, 4, 2}; std::vector<int64_t> outShape = {1, 1, 8, 4}; void *inputDeviceAddr = nullptr; void *outDeviceAddr = nullptr; aclTensor *input = nullptr; aclTensor *out = nullptr; std::vector<float> inputHostData = {0, 1, 2, 3, 4, 5, 6, 7}; std::vector<float> outHostData(32, 0); std::vector<int64_t> outputSize = {8, 4}; bool alignCorners = true; double scalesH = 2.0; double scalesW = 2.0; // 创建input aclTensor ret = CreateAclNchwTensor(inputHostData, inputShape, &inputDeviceAddr, aclDataType::ACL_FLOAT, &input); CHECK_RET(ret == ACL_SUCCESS, return ret); // 创建input aclIntArray auto outputSizeArray = aclCreateIntArray(outputSize.data(), 2); // 创建out aclTensor ret = CreateAclNchwTensor(outHostData, outShape, &outDeviceAddr, aclDataType::ACL_FLOAT, &out); CHECK_RET(ret == ACL_SUCCESS, return ret); // 3. 调用CANN算子库API，需要修改为具体的API名称 uint64_t workspaceSize = 0; aclOpExecutor *executor; // 调用aclnnUpsampleBilinear2dAA第一段接口 ret = aclnnUpsampleBilinear2dAAGetWorkspaceSize( input, outputSizeArray, alignCorners, scalesH, scalesW, out, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnUpsampleBilinear2dAAGetWorkspaceSize failed. ERROR: %d\n", ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 void *workspaceAddr = nullptr; if (workspaceSize > 0) { ret = aclrtMalloc(&workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret); } // 调用aclnnUpsampleBilinear2dAA第二段接口 ret = aclnnUpsampleBilinear2dAA(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnUpsampleBilinear2dAA failed. ERROR: %d\n", ret); return ret); // 4. （固定写法）同步等待任务执行结束 ret = aclrtSynchronizeStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret); // 5. 获取输出的值，将device侧内存上的结果复制至host侧 auto size = GetShapeSize(outShape); std::vector<float> resultData(size, 0); ret = aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), outDeviceAddr, size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result from device to host failed. ERROR: %d\n", ret); return ret); for (int64_t i = 0; i < size; i++) { LOG_PRINT("result[%ld] is: %f\n", i, resultData[i]); } // 6. 释放aclTensor，需要根据具体API的接口定义修改 aclDestroyTensor(input); aclDestroyTensor(out); // 7. 释放device资源，需要根据具体API的接口定义修改 aclrtFree(inputDeviceAddr); aclrtFree(outDeviceAddr); if (workspaceSize > 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }

【免费下载链接】ops-cv本项目是CANN提供的图像处理、目标检测相关的算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-cv