CANN/ops-cv 3D最近邻上采样算子

aclnnUpsampleNearest3d【免费下载链接】ops-cv本项目是CANN提供的图像处理、目标检测相关的算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-cv 查看源码产品支持情况产品是否支持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√Atlas 200I/500 A2 推理产品×Atlas 推理系列产品√Atlas 训练系列产品√功能说明接口功能对由多个输入通道组成的输入信号应用最近邻插值算法进行上采样。如果输入shape为(N, C, D, H, W)则输出shape为(N, C, outputSize[0], outputSize[1], outputSize[2])。计算公式核心算法逻辑将目标图像的每一个点映射回原图得到一个带小数点的坐标。根据这个浮点数坐标计算距离最近的原始图像的点后者的值直接复制给前者。具体计算逻辑$$ d_{src} min(floor(d_{dst} / scalesD), self_D - 1), \ scalesD outputSize[0] / self_D $$$$ h_{src} min(floor(h_{dst} / scalesH), self_H - 1), \ scalesH outputSize[1] / self_H $$$$ w_{src} min(floor(w_{dst} / scalesW), self_W - 1), \ scalesW outputSize[2] / self_W $$$$ out(N, C, d_{dst},h_{dst}, w_{dst}) self(N, C, d_{src},h_{src}, w_{src}) $$函数原型每个算子分为两段式接口必须先调用aclnnUpsampleNearest3dGetWorkspaceSize接口获取入参并根据计算流程计算所需workspace大小再调用aclnnUpsampleNearest3d接口执行计算。aclnnStatus aclnnUpsampleNearest3dGetWorkspaceSize( const aclTensor *self, const aclIntArray *outputSize, double scalesD, double scalesH, double scalesW, aclTensor *out, uint64_t *workspaceSize, aclOpExecutor **executor)aclnnStatus aclnnUpsampleNearest3d( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)aclnnUpsampleNearest3dGetWorkspaceSize参数说明参数名输入/输出描述使用说明数据类型数据格式维度(shape)非连续TensorselfaclTensor*输入表示进行上采样的输入张量。对应公式中的self。不支持空Tensor。当数据格式为ND时默认按照NCDHW格式处理。self的所有维度取值均小于等于(2^31-1)。shape的C、D、H、W维的size大于0。FLOAT32、FLOAT16、BFLOAT16、DOUBLE、UINT8NCDHW、NDHWC、ND5√outputSizeaclIntArray*输入指定输出out在D、H、W维度上的空间大小。对应公式中的outputSize。size为3各元素取值均大于零。INT64---scalesDdouble输入指定输出out的depth维度乘数对应公式中的scalesD。-----scalesHdouble输入指定输出out的height维度乘数对应公式中的scalesH。-----scalesWdouble输入指定输出out的width维度乘数对应公式中的scalesW。-----outaclTensor*输出表示采样后的输出张量对应公式中out的点p坐标。不支持空Tensor。数据类型和数据格式需与入参self的数据类型和数据格式保持一致。输入和输出shape的N、C轴必须相同。out的所有维度取值均小于等于(2^31-1)。FLOAT32、FLOAT16、BFLOAT16、DOUBLE、UINT8NCDHW、NDHWC、ND5√workspaceSizeuint64_t*输出返回用户需要在Device侧申请的workspace大小。-----executoraclOpExecutor**输出返回op执行器包含了算子计算流程。-----Atlas 推理系列产品 入参self和出参out的数据类型不支持BFLOAT16、DOUBLE、UINT8。Atlas 训练系列产品 入参self和出参out的数据类型不支持BFLOAT16、UINT8。Atlas A2 训练系列产品/Atlas A2 推理系列产品 、 Atlas A3 训练系列产品/Atlas A3 推理系列产品 入参self和出参out的数据类型不支持UINT8。返回值aclnnStatus返回状态码具体参见aclnn返回码。第一段接口完成入参校验出现以下场景时报错返回码错误码描述ACLNN_ERR_PARAM_NULLPTR161001如果传入参数是必选输入输出或者必选属性且是空指针。ACLNN_ERR_PARAM_INVALID161002self的数据类型不在支持的范围之内或self与out数据类型不同。self的shape不是5维。outputSize的size不等于3。self在C、D、H、W维度上的size不大于0。outputSize的某个元素值不大于0。out的shape中D、H、W不等于outputSize。aclnnUpsampleNearest3d参数说明参数名输入/输出描述workspace输入在Device侧申请的workspace内存地址。workspaceSize输入在Device侧申请的workspace大小由第一段接口aclnnUpsampleNearest3dGetWorkspaceSize获取。executor输入op执行器包含了算子计算流程。stream输入指定执行任务的Stream。返回值aclnnStatus返回状态码具体参见aclnn返回码。约束说明参数self、outputSize、scalesD、scalesH、scalesW需要满足如下约束$$ outputSize_D floor(self_D * scalesD) $$$$ outputSize_H floor(self_H * scalesH) $$$$ outputSize_W floor(self_W * scalesW) $$确定性计算aclnnUpsampleNearest3d默认确定性实现。调用示例示例代码如下仅供参考具体编译和执行过程请参考编译与运行样例。#include iostream #include vector #include acl/acl.h #include aclnnop/aclnn_upsample_nearest_3d.h #define CHECK_RET(cond, return_expr) \ do { \ if (!(cond)) { \ return_expr; \ } \ } while (0) #define LOG_PRINT(message, ...) \ do { \ printf(message, ##__VA_ARGS__); \ } while (0) int64_t GetShapeSize(const std::vectorint64_t shape) { int64_t shape_size 1; for (auto i : shape) { shape_size * i; } return shape_size; } int Init(int32_t deviceId, aclrtStream* stream) { // 固定写法资源初始化 auto ret aclInit(nullptr); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclInit failed. ERROR: %d\n, ret); return ret); ret aclrtSetDevice(deviceId); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtSetDevice failed. ERROR: %d\n, ret); return ret); ret aclrtCreateStream(stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtCreateStream failed. ERROR: %d\n, ret); return ret); return 0; } template typename T int CreateAclTensor( const std::vectorT hostData, const std::vectorint64_t shape, void** deviceAddr, aclDataType dataType, aclTensor** tensor) { auto size GetShapeSize(shape) * sizeof(T); // 调用aclrtMalloc申请device侧内存 auto ret aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtMalloc failed. ERROR: %d\n, ret); return ret); // 调用aclrtMemcpy将host侧数据复制到device侧内存上 ret aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtMemcpy failed. ERROR: %d\n, ret); return ret); // 计算连续tensor的strides std::vectorint64_t strides(shape.size(), 1); for (int64_t i shape.size() - 2; i 0; i--) { strides[i] shape[i 1] * strides[i 1]; } // 调用aclCreateTensor接口创建aclTensor *tensor aclCreateTensor( shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_NCDHW, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { // 1. 固定写法device/stream初始化参考acl API手册 // 根据自己的实际device填写deviceId int32_t deviceId 0; aclrtStream stream; auto ret Init(deviceId, stream); // check根据自己的需要处理 CHECK_RET(ret 0, LOG_PRINT(Init acl failed. ERROR: %d\n, ret); return ret); // 2. 构造输入与输出需要根据API的接口自定义构造 std::vectorint64_t selfShape {2, 2, 2, 2, 3}; std::vectorint64_t outShape {2, 2, 1, 1, 1}; void* selfDeviceAddr nullptr; void* outDeviceAddr nullptr; aclTensor* self nullptr; aclTensor* out nullptr; std::vectorfloat selfHostData {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48}; std::vectorfloat outHostData {1, 2, 3, 4}; std::vectorint64_t outputSizeData {1, 1, 1}; double scalesD 0.0; double scalesH 0.0; double scalesW 0.0; // 创建self aclTensor ret CreateAclTensor(selfHostData, selfShape, selfDeviceAddr, aclDataType::ACL_FLOAT, self); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建out aclTensor ret CreateAclTensor(outHostData, outShape, outDeviceAddr, aclDataType::ACL_FLOAT, out); CHECK_RET(ret ACL_SUCCESS, return ret); const aclIntArray* outputSize aclCreateIntArray(outputSizeData.data(), outputSizeData.size()); CHECK_RET(outputSize ! nullptr, return ACL_ERROR_INTERNAL_ERROR); // 3. 调用CANN算子库API需要修改为具体的API uint64_t workspaceSize 0; aclOpExecutor* executor; // 调用aclnnUpsampleNearest3d第一段接口 ret aclnnUpsampleNearest3dGetWorkspaceSize( self, outputSize, scalesD, scalesH, scalesW, out, workspaceSize, executor); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnUpsampleNearest3dGetWorkspaceSize failed. ERROR: %d\n, ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 void* workspaceAddr nullptr; if (workspaceSize 0) { ret aclrtMalloc(workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(allocate workspace failed. ERROR: %d\n, ret); return ret;); } // 调用aclnnUpsampleNearest3d第二段接口 ret aclnnUpsampleNearest3d(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnUpsampleNearest3d failed. ERROR: %d\n, ret); return ret); // 4. 固定写法同步等待任务执行结束 ret aclrtSynchronizeStream(stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtSynchronizeStream failed. ERROR: %d\n, ret); return ret); // 5. 获取输出的值将device侧内存上的结果复制至host侧需要根据具体API的接口定义修改 auto size GetShapeSize(outShape); std::vectorfloat resultData(size, 0); ret aclrtMemcpy( resultData.data(), resultData.size() * sizeof(resultData[0]), outDeviceAddr, size * sizeof(float), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(copy result from device to host failed. ERROR: %d\n, ret); return ret); for (int64_t i 0; i size; i) { LOG_PRINT(result[%ld] is: %f\n, i, resultData[i]); } // 6. 释放aclTensor和aclScalar需要根据具体API的接口定义修改 aclDestroyTensor(self); aclDestroyTensor(out); // 7. 释放device资源需要根据具体API的接口定义修改 aclrtFree(selfDeviceAddr); aclrtFree(outDeviceAddr); if (workspaceSize 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }【免费下载链接】ops-cv本项目是CANN提供的图像处理、目标检测相关的算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-cv创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考