适配开发及调用（pybing）

本文档基于C++ extensions方式，使用torch_npu单算子API进行适配开发的完整流程。流程涵盖了算子定义、算子适配、ATen IR注册绑定，最终实现调用自定义算子。区别于常见的TORCH_LIBRARY方式，本用例采用PYBIND进行绑定注册，以获得更灵活的输入类型支持。

算子适配开发

前提条件

在开始之前，请确保您已完成以下环境的安装。

请参考《CANN 软件安装》（商用版）或《CANN 软件安装》（社区版），安装NPU驱动固件和CANN软件（Toolkit、ops和NNAL）。
请参考《Ascend Extension for PyTorch 软件安装指南》完成PyTorch框架的安装。

适配文件结构

├── build_and_run.sh                // 自定义算子wheel包编译安装并执行用例的脚本
├── csrc                            // 算子适配层c++代码目录
│   └── add_custom.cpp              // 自定义算子正反向适配代码、aten ir注册以及绑定
├── cpp_extension_pybind            // 自定义算子包python侧代码
│   ├── __init__.py                 // python初始化文件
│   └── ops                         // 定义ops调用
│       └── __init__.py             // python初始化文件
├── setup.py                        // wheel包编译文件
└── test                            // 测试用例目录
    └── test_add_custom.py          // 执行eager模式下算子用例脚本

操作步骤

在算子适配层c++代码目录（csrc）中，通过add_custom.cpp文件完成C++侧的算子代码适配、注册自定义算子schema及具体实现的绑定。具体示例如下：

Note

以下是基于单卡场景提供的示例代码。在此场景下，const c10::OptionalDeviceGuard device_guard(device_of(self));语句是可选的。在多卡场景中，则必须在适配代码中加入此语句。

// 为NPU设备注册前向实现
at::Tensor add_custom_impl_npu(const at::Tensor& self, const at::Tensor& other)
{
    const c10::OptionalDeviceGuard device_guard(device_of(self));
    // 创建输出内存
    at::Tensor result = at::empty_like(self);

    at::Scalar alpha = 1.0;

    // 调用aclnn接口计算
    EXEC_NPU_CMD_EXT(aclnnAdd, self, other, alpha, result);
    return result;
}

PYBIND11_MODULE(custom_ops_lib, m)
{
    m.def("add_custom", &add_custom_impl_npu, "");
}

在cpp_extension_base目录下的__init__.py及ops.py文件中，添加ops调用及so读取。

# __init__.py
__all__ = ['ops', 'add_custom']
from .ops import add_custom

# ops/__init__.py
__all__ = ["add_custom"]
from cpp_extension_pybind.custom_ops_lib import add_custom

调用样例

完成了算子适配开发后，即可实现C++ extensions的方式调用自定义算子。

完成自定义算子工程创建、算子开发及编译部署流程，具体可参考《CANN Ascend C算子开发指南》。

下载示例代码。

# 下载样例代码
git clone https://gitcode.com/Ascend/op-plugin
# 进入代码目录
cd examples/cpp_extension_pybind

完成算子适配，具体可参考算子适配开发。
执行如下命令，完成编译、安装、测试。
```
bash build_and_run.sh
```
得到结果如下即为执行成功。
```
Ran xx tests in xx s
OK
```