ops-nn

🔥Latest News

• [2026/01] 新增QuickStart，指导新手零基础入门算子项目部署（支持Docker环境）、算子开发和贡献流程。
• [2025/12] 开源算子支持Ascend 950PR/Ascend 950DT/KirinX90，可以通过CANN Simulator仿真工具开发调试；优化指南类文档，聚焦算子开发指南，明确最小交付件和关键示例代码，针对Ascend/samples仓算子提供迁移本项目的指导；新支持稀疏4:2量化matmul算子，针对稀疏矩阵使能硬件加速能力。
• [2025/11] 新支持算子index_fill、masked_scatter、scatter、tf_scatter_add、fused_cross_entropy_loss_with_max_sum。
• [2025/10] 新增experimental目录，完善贡献指南，支持开发者调试并贡献自定义算子。
• [2025/09] ops-nn项目首次上线，开源算子支持Atlas A2/A3系列产品。

🚀概述

ops-nn是CANN （Compute Architecture for Neural Networks）算子库中提供神经网络计算能力的高阶算子库，包括matmul类、activation类等算子，算子库架构图如下：

📝版本配套

本项目源码会跟随CANN软件版本发布，关于CANN软件版本与本项目标签的对应关系请参阅release仓库中的相应版本说明。 请注意，为确保您的源码定制开发顺利进行，请选择配套的CANN版本与Gitcode标签源码，使用master分支可能存在版本不匹配的风险。

⚡️快速入门

若您希望从零到一了解并快速体验项目，请访问如下文档。可以先了解项目算子信息，再尝试算子调用、开发、贡献等。

1. 算子列表：项目全量算子信息，方便快速查询。

2. QuickStart：基于WebIDE或Docker环境提供极简快速上手指南，包括搭建环境、编译部署、算子调用/开发/调试、贡献等。

   说明：无论是WebIDE或Docker环境，默认提供最新商发版本CANN软件包，目前是CANN 8.5.0。若您想手动安装CANN包或体验master分支最新能力等，请参考学习教程中的步骤，完成环境搭建、编译执行、算子开发等操作。

📖学习教程

若您已完成快速入门学习，对本项目有了一定认知，并希望深入了解和体验项目，请访问如下文档。

这些文档提供了多样化场景和更全面的操作指导，方便您应用于各种AI业务场景。

1. 环境部署：搭建基础环境的指南，提供了多种场景下第三方依赖和软件包安装方法等。
2. 算子调用：算子源码编译和执行指南，提供了不同场景下算子包编译（包括联网/未联网等）和算子运行的方法（包括执行算子样例和UT）等。
3. 算子开发：基于本项目工程开发新算子的指南，提供了创建算子工程、实现Tiling和Kernel核心交付件等指导。
4. 算子调试调优：提供了常见的算子调试和调优方法，如DumpTensor、msProf、Simulator等。

除了上述指南，还提供了其他文档例如算子调用方式、术语概念、build参数介绍等，全量文档请访问docs。

🔍目录结构

关键目录如下，详细目录介绍参见项目目录。

├── activation                         # activation类算子
├── cmake                              # 项目工程编译目录
├── common                             # 项目公共头文件和公共源码
├── control                            # control类算子
├── conv                               # conv类算子
├── docs                               # 项目文档介绍
├── examples                           # 端到端算子开发和调用示例
├── experimental                       # 用户自定义算子存放目录
├── foreach                            # foreach类算子
├── index                              # index类算子
├── loss                               # loss类算子
├── matmul                             # matmul类算子
│   ├── transpose_batch_mat_mul        # transpose_batch_mat_mul算子所有交付件，如Tiling、Kernel等
│   │   ├── docs                       # 算子说明文档
│   │   ├── examples                   # 算子使用示例
│   │   ├── op_graph                   # 算子构图相关目录
│   │   ├── op_host                    # 算子信息库、Tiling、InferShape相关实现目录
│   │   │   └── op_api                 # 算子aclnn接口实现目录
│   │   ├── op_kernel                  # 算子Kernel目录
│   │   ├── CMakeLists.txt             # 算子编译配置文件
│   │   └── README.md                  # 算子介绍文档
│   ├── ...
│   └── CMakeLists.txt                 # 算子编译配置文件
├── ...
├── rnn                                # rnn类算子
├── scripts                            # 脚本目录，包含自定义算子、Kernel构建相关配置文件
├── tests                              # 测试工程目录
├── vfusion                            # vfusion类算子
├── CMakeLists.txt
├── README.md
├── build.sh                           # 项目工程编译脚本
├── install_deps.sh                    # 安装依赖包脚本
└── requirements.txt                   # 项目需要的第三方依赖包

💬相关信息

• 贡献指南
• 安全声明
• 许可证
• 所属SIG

🤝联系我们

本项目功能和文档正在持续更新和完善中，建议您关注最新版本。

• 问题反馈：通过GitCode【Issues】提交问题。

• 社区互动：通过GitCode【讨论】参与交流。

• 技术专栏：通过GitCode【Wiki】获取技术文章，如系列化教程、优秀实践等。

  技术专题	样例
  算子性能优化	MatMul算子性能优化实践与效果分析
  算子性能优化	MatMul算子VCV性能优化实践与效果分析