当前位置: 首页 > news >正文

华为CANN通信远端内存API

HcclChannelGetRemoteMems

【免费下载链接】hcommHCOMM(Huawei Communication)是HCCL的通信基础库,提供通信域以及通信资源的管理能力。项目地址: https://gitcode.com/cann/hcomm

产品支持情况

  • Ascend 950PR/Ascend 950DT:支持
  • Atlas A3 训练系列产品/Atlas A3 推理系列产品:不支持
  • Atlas A2 训练系列产品/Atlas A2 推理系列产品:不支持

功能说明

获取通信通道中交换的远端内存信息。

函数原型

HcclResult HcclChannelGetRemoteMems(HcclComm comm, ChannelHandle channel, uint32_t *memNum, CommMem **remoteMems, char ***memTags);

参数说明

参数名输入/输出说明
comm输入通信域句柄。
HcclComm类型的定义如下:
typedef void *HcclComm;
channel输入通信通道句柄。
ChannelHandle类型的定义请参见ChannelHandle。
memNum输出内存数量。
remoteMems输出远端内存列表。
CommMem类型的定义请参见CommMem。
memTags输出远端内存字符串列表。

返回值

HcclResult:接口成功返回HCCL_SUCCESS,其他失败。

约束说明

仅Ascend 950PR/Ascend 950DT的AIV引擎支持。

调用示例

uint32_t channelNum = 1; std::vector<HcclChannelDesc> channelDesc(channelNum); HcclChannelDescInit(channelDesc.data(), channelNum); // 省略 channelDesc 配置 HcclComm comm; CommEngine engine = CommEngine::COMM_ENGINE_AIV; std::vector<ChannelHandle> channels(channelNum); HcclChannelAcquire(comm, engine, channelDesc.data(), channelNum, channels.data()); uint32_t memNum = 0; CommMem* remoteMems = nullptr; char** memTags = nullptr; HcclChannelGetRemoteMems(comm, channels[0], &memNum, &remoteMems, &memTags);

【免费下载链接】hcommHCOMM(Huawei Communication)是HCCL的通信基础库,提供通信域以及通信资源的管理能力。项目地址: https://gitcode.com/cann/hcomm

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

http://www.jsqmd.com/news/787866/

相关文章:

  • CANN随机数算子库文档
  • Spring Boot 缓存优化:从入门到精通
  • 5G波形技术演进与新型解决方案对比
  • 钉钉机器人 Webhook 方式与 SDK 方式接入哪种更适合 CI/CD 场景?
  • 2026年四川地区钢材采购决策:如何筛选靠谱供应商与盛世钢联建立长期合作 - 四川盛世钢联营销中心
  • Arm安全协处理器寄存器架构与内存重映射技术解析
  • 2026粉末冶金加工厂家推荐:铜基与铁基粉末冶金厂家的工艺特点及应用领域 - 栗子测评
  • 使用HermesAgent工具连接Taotoken为自动化测试脚本添加智能分析步骤
  • 测试工程师年度成长清单:每月一个小目标,年底大变样
  • CANN/opbase:设置动态输出张量地址
  • CANN/ATVC PyTorch调用样例
  • 技术人副业指南:8种低门槛、高天花板的变现方式
  • PyTorch 张量操作优化:内存布局与计算效率
  • 杰理之打开OTA打印以及uboot打印的方法【篇】
  • 基于开源模板快速构建AI编程助手:从智能体原理到实战应用
  • Windows热键冲突终极解决方案:Hotkey Detective专业指南
  • 深度学习在计算病理学中的应用:从WSI分析到AI辅助诊断
  • ARM虚拟化中ICH_HFGWTR_EL2寄存器解析与应用
  • 嵌入式开发:从8/16位到32位ARM处理器的迁移指南
  • 杰理之设置IO状态的方法【篇】
  • PyTorch 自定义算子开发:C++ 扩展与 CUDA 加速
  • AGI与大型模型如何重塑医学影像分析:从专用工具到通用智能体
  • Unity C#入门:类与对象的基础认知与创建
  • 为AI代理注入情感氛围:agent-vibes项目设计与实战解析
  • 本地部署大语言模型实战:基于gpt4local的私有化AI解决方案
  • 杰理之添加AD通道的接口【篇】
  • 高效向量化Trie:加速器上的LLM生成检索约束解码技术
  • PyTorch 模型并行策略:数据并行 vs 模型并行
  • FPGA低功耗设计原理与工程实践优化
  • AI与XR技术融合:构建心脏健康数字孪生,重塑精准医疗