cann-robot修复examples目录README.md里安装方式路径与实际路径不同的问题

文件	最后提交记录	最后更新时间
scripts	迁移examples simd样例，新增simd basic与simd c_api目录	2 个月前
CMakeLists.txt	迁移examples simd样例，新增simd basic与simd c_api目录	2 个月前
README.md	修复examples目录README.md里安装方式路径与实际路径不同的问题	2 个月前
data_utils.h	迁移examples simd样例，新增simd basic与simd c_api目录	2 个月前
reduce.asc	迁移examples simd样例，新增simd basic与simd c_api目录	2 个月前

Reduce样例

概述

本样例介绍了调用WholeReduceSum和BlockReduceSum高阶API实现reduce算子，实现了连续内存上数据元素的累加，返回累加结果的功能。

支持的产品

Ascend 950PR/Ascend 950DT
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

目录结构介绍

├── reduce
│   ├── scripts
│   │   ├── gen_data.py         // 输入数据和真值数据生成脚本
│   ├── CMakeLists.txt          // 编译工程文件
│   ├── data_utils.h            // 数据读入写出函数
│   └── reduce.asc              // Ascend C算子实现 & 调用样例

算子描述

算子功能：
ReduceCustom算子实现了连续内存上数据元素的累加，返回累加结果的功能。对应的数学表达式为：
```
z = sum(x)
```
算子规格：

算子类型(OpType) reduce

算子输入

name shape data type format

x 4096 float ND

算子输出

y 32 float ND

核函数名 reduce_custom

算子实现：
本样例中实现的是固定shape为输入x[4096]，输出y[32]的ReduceCustom算子。x长度的取值范围为(0,4096]float；(0,16384]half。

样例将一段连续的输入做累加，得到这段连续buffer内元素的和。

- 1、在小于256B时，ComputeKey = 1，采用WholeReduceSum一次性可以得到结果。

- 2、长度在float输入(256B,2KB]，或者half输入(256B,4KB]时，ComputeKey = 2。由于同样长度的输入，BlockReduceSum比WholeReduceSum的执行速度更快，所以采用一条BlockReduceSum加一条WholeReduceSum的做法，得到更高的计算效率。

- 3、长度在float输入(2KB,16KB]，或者half输入(4KB,32KB]时，ComputeKey = 3。由于一条WholeReduceSum的累加效率比使用两条BlockReduceSum的累加效率更高。所以采用两条WholeReduceSum（而不是两条BlockReduceSum+一条WholeReduceSum），得到这段buffer的累加和。

- 4、长度在float输入为10000时，ComputeKey = 4，对应WholeReduceSumImpl中的处理方法，在Counter模式下，采用WholeReduceSum指令，循环处理二维数据中的每一行，得到每一行的归约运行结果。

- 5、长度在float输入为20000时，ComputeKey = 5，对应BinaryReduceSumImpl中的处理方法，在Counter模式下，先将运算数据一分为二，使用Add指令将两部分数据相加，循环往复，最后一条WholeReduceSum指令得到归约的运行结果。此种操作方式，相比较WholeReduceSum单指令操作的方式，在数据量较大，循环次数较多的场景下，性能更优。

注意代码中使用了Counter模式。

Kernel实现

计算逻辑是：Ascend C提供的矢量计算接口的操作元素都为LocalTensor，输入数据需要先搬运进片上存储，然后使用Reduce高阶API接口完成reduce计算，得到最终结果，再搬出到外部存储上。

ReduceCustom算子的实现流程分为3个基本任务：CopyIn，Compute，CopyOut。CopyIn任务负责将Global Memory上的输入Tensor xGm存储在xLocal中，Compute任务对xLocal执行reduce计算，计算的方式通过ComputeKey参数决定，ComputeKey由输入的长度决定，计算结果存储在zLocal中，CopyOut任务负责将输出数据从zLocal搬运至Global Memory上的输出Tensor zGm。
调用实现
使用内核调用符<<<>>>调用核函数。

编译运行

在本样例根目录下执行如下步骤，编译并执行算子。

配置环境变量
请根据当前环境上CANN开发套件包的安装方式，选择对应配置环境变量的命令。
- 默认路径，root用户安装CANN软件包
```
source /usr/local/Ascend/cann/set_env.sh
```
- 默认路径，非root用户安装CANN软件包
```
source $HOME/Ascend/cann/set_env.sh
```
- 指定路径install_path，安装CANN软件包
```
source ${install_path}/cann/set_env.sh
```

样例执行

mkdir -p build && cd build;   # 创建并进入build目录
cmake ..;make -j;             # 编译工程
python3 ../scripts/gen_data.py   # 生成测试输入数据
./demo                        # 执行编译生成的可执行程序，执行样例

执行结果如下，说明精度对比成功。

test pass!

算子类型(OpType)	reduce
算子输入
	name	shape	data type	format
	x	4096	float	ND
算子输出
算子输出	y	32	float	ND
核函数名	reduce_custom