Merged
修改README链接错误 #3442
shaonaiteAdd on Jun 22
修改README链接错误 #3442
Merged
Merged fromshaonaite/asc-devkit9.1.0intocann/asc-devkit9.1.0
Total: 4 files changed+5-5
| @@ -27,7 +27,7 @@ | |||
| 27 | ### 📖 资料文档 | 27 | ### 📖 资料文档 |
| 28 | - 新增90+ [Reg编程接口API](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMD-API/基础API/Reg矢量计算/Reg矢量计算.md)资料，Reg矢量计算API是面向RegBase架构开发的API，用户可通过该API直接对芯片中涉及Vector计算的寄存器进行操作，实现更大的灵活性和更好的性能。 | 28 | - 新增90+ [Reg编程接口API](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMD-API/基础API/Reg矢量计算/Reg矢量计算.md)资料，Reg矢量计算API是面向RegBase架构开发的API，用户可通过该API直接对芯片中涉及Vector计算的寄存器进行操作，实现更大的灵活性和更好的性能。 |
| 29 | - 新增SIMT[快速入门](docs/guide/入门教程/快速入门/基于SIMT编程/Gather算子快速入门.md)、[编程模型](docs/guide/编程指南/编程模型/AI-Core-SIMT编程/抽象硬件架构.md)和[算子实现](docs/guide/算子实践参考/SIMT算子实现/基础知识.md)介绍。 | 29 | - 新增SIMT[快速入门](docs/guide/入门教程/快速入门/基于SIMT编程/Gather算子快速入门.md)、[编程模型](docs/guide/编程指南/编程模型/AI-Core-SIMT编程/抽象硬件架构.md)和[算子实现](docs/guide/算子实践参考/SIMT算子实现/基础知识.md)介绍。 |
| 30 | -- 新增SIMD与SIMT[混合编程模型](docs/guide/编程指南/高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程.md)、[算子实现](docs/guide/算子实践参考/SIMD与SIMT混合算子实现/基础知识.md)、[性能优化](docs/guide/算子实践参考/SIMD与SIMT混合算子性能优化/内存访问/使用Unified-Buffer提升内存访问效率.md)介绍。 | 30 | +- 新增SIMD与SIMT[混合编程模型](docs/guide/编程指南/高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程/概述.md)、[算子实现](docs/guide/算子实践参考/SIMD与SIMT混合算子实现/基础知识.md)、[性能优化](docs/guide/算子实践参考/SIMD与SIMT混合算子性能优化/内存访问/使用Unified-Buffer提升内存访问效率.md)介绍。 |
| 31 | - 新增[SIMT API](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMT-API/SIMT-API.md)资料章节。 | 31 | - 新增[SIMT API](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMT-API/SIMT-API.md)资料章节。 |
| 32 | - 新增[兼容性迁移指南](docs/guide/跨代迁移兼容性指南/Ascend-C-API兼容策略.md)（220x架构版本迁移到351x架构版本）。 | 32 | - 新增[兼容性迁移指南](docs/guide/跨代迁移兼容性指南/Ascend-C-API兼容策略.md)（220x架构版本迁移到351x架构版本）。 |
| 33 | - 昇腾社区中，Ascend C算子开发新增[可视化专区](https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/900beta2/opdevg/Ascendcopdevg/atlas_ascendc_map_10_0017.html)，通过视频呈现Cube和Vector算子的执行过程。 | 33 | - 昇腾社区中，Ascend C算子开发新增[可视化专区](https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/900beta2/opdevg/Ascendcopdevg/atlas_ascendc_map_10_0017.html)，通过视频呈现Cube和Vector算子的执行过程。 |
| @@ -85,8 +85,8 @@ CANN基于分层架构设计，实现了上层应用与底层硬件的无缝衔 | |||
| 85 | 85 | ||
| 86 | - **高级编程** | 86 | - **高级编程** |
| 87 | - [硬件实现](../编程指南/高级编程/硬件实现/基本架构.md) | 87 | - [硬件实现](../编程指南/高级编程/硬件实现/基本架构.md) |
| 88 | - - [高级AI Core编程模型](../编程指南/高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程.md) | 88 | + - [高级AI Core编程模型](../编程指南/高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程/概述.md) |
| 89 | - - [SIMD & SIMT混合编程](../编程指南/高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程.md) | 89 | + - [SIMD & SIMT混合编程](../编程指南/高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程/概述.md) |
| 90 | - [高级特性](../编程指南/高级编程/高级特性/AI框架算子适配/概述.md) | 90 | - [高级特性](../编程指南/高级编程/高级特性/AI框架算子适配/概述.md) |
| 91 | - [Aclnn算子工程化开发](../编程指南/高级编程/高级特性/Aclnn算子工程化开发/概述.md) | 91 | - [Aclnn算子工程化开发](../编程指南/高级编程/高级特性/Aclnn算子工程化开发/概述.md) |
| 92 | - [算子入图开发](../编程指南/高级编程/高级特性/算子入图开发/概述.md) | 92 | - [算子入图开发](../编程指南/高级编程/高级特性/算子入图开发/概述.md) |
| @@ -2,7 +2,7 @@ | |||
| 2 | 2 | ||
| 3 | 本节内容为使用[Reg矢量计算API](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMD-API/基础API/Reg矢量计算/Reg矢量计算.md)和[SIMT API](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMT-API/SIMT-API.md)进行SIMD与SIMT混合编程的指导。 | 3 | 本节内容为使用[Reg矢量计算API](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMD-API/基础API/Reg矢量计算/Reg矢量计算.md)和[SIMT API](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMT-API/SIMT-API.md)进行SIMD与SIMT混合编程的指导。 |
| 4 | 4 | ||
| 5 | -在[Vector Core](../../编程指南/高级编程/硬件实现/基本架构.md)中，SIMT单元和SIMD单元共享片上存储，因此可以利用片上存储Unified Buffer完成SIMD与SIMT混合编程，具体硬件架构的介绍请参考[NPU架构版本3510](../../编程指南/高级编程/硬件实现/架构规格/NPU架构版本3510.md)。在进行后续内容的学习前，请先了解SIMD与SIMT混合编程的编程模型：[SIMD与SIMT混合编程](../../编程指南/高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程.md)。 | 5 | +在[Vector Core](../../编程指南/高级编程/硬件实现/基本架构.md)中，SIMT单元和SIMD单元共享片上存储，因此可以利用片上存储Unified Buffer完成SIMD与SIMT混合编程，具体硬件架构的介绍请参考[NPU架构版本3510](../../编程指南/高级编程/硬件实现/架构规格/NPU架构版本3510.md)。在进行后续内容的学习前，请先了解SIMD与SIMT混合编程的编程模型：[SIMD与SIMT混合编程](../../编程指南/高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程/概述.md)。 |
| 6 | 6 | ||
| 7 | [SIMD编程](../../编程指南/编程模型/AI-Core-SIMD编程/基于Tensor的CPP编程/Reg矢量计算编程.md)提供了基于寄存器（Regbase）开发的Reg矢量计算API，Reg矢量计算API可以直接操作Vector Core中的SIMD寄存器，API单次处理的数据量上限等于寄存器的大小，通过[GetVecLen](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMD-API/基础API/工具接口/系统资源与变量/GetVecLen.md)接口获取该值。在算子实现中，需要多次调用Reg矢量计算API完成对单核数据的处理。 | 7 | [SIMD编程](../../编程指南/编程模型/AI-Core-SIMD编程/基于Tensor的CPP编程/Reg矢量计算编程.md)提供了基于寄存器（Regbase）开发的Reg矢量计算API，Reg矢量计算API可以直接操作Vector Core中的SIMD寄存器，API单次处理的数据量上限等于寄存器的大小，通过[GetVecLen](https://gitcode.com/cann/asc-devkit/blob/master/docs/api/SIMD-API/基础API/工具接口/系统资源与变量/GetVecLen.md)接口获取该值。在算子实现中，需要多次调用Reg矢量计算API完成对单核数据的处理。 |
| 8 | 8 | ||
| @@ -84,7 +84,7 @@ Device端的核心计算单元为**AI Core**，是昇腾AI处理器的核心算 | |||
| 84 | 84 | ||
| 85 | ### SIMD与SIMT混合编程 | 85 | ### SIMD与SIMT混合编程 |
| 86 | 86 | ||
| 87 | -SIMD与SIMT混合编程的Kernel，底层仍以SIMD编程模型为基础。开发者可在Kernel函数内部灵活组合两类编程逻辑：通过SIMT逻辑处理稀疏索引、复杂分支等不规则计算场景，输出规整化数据块；再通过SIMD高吞吐向量/矩阵运算处理规整数据，兼顾代码灵活性与硬件高性能，适配复杂混合计算场景。详细实现方法请参考[AI Core SIMD与SIMT混合编程](../高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程.md)。 | 87 | +SIMD与SIMT混合编程的Kernel，底层仍以SIMD编程模型为基础。开发者可在Kernel函数内部灵活组合两类编程逻辑：通过SIMT逻辑处理稀疏索引、复杂分支等不规则计算场景，输出规整化数据块；再通过SIMD高吞吐向量/矩阵运算处理规整数据，兼顾代码灵活性与硬件高性能，适配复杂混合计算场景。详细实现方法请参考[AI Core SIMD与SIMT混合编程](../高级编程/高级AI-Core编程模型/SIMD与SIMT混合编程/概述.md)。 |
| 88 | 88 | ||
| 89 | ## AI Core编程小结 | 89 | ## AI Core编程小结 |
| 90 | 90 | ||