CANN双三次上采样算子

aclnnUpsampleBicubic2d【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2D双三次上采样。如果输入Tensor x的shape为(N, C, H, W)则输出Tensor out的shape为(N, C, outputSize[0], outputSize[1])。计算公式对于一个二维插值点$(N, C, h, w)$插值$out(N, C, h, w)$可以表示为$$ {out(N, C, h, w)}\sum_{i0}^{3}\sum_{j0}^{3}{W(i, j)}*{f(h_i, w_j)} $$$$ scaleH \begin{cases} (self.dim(2)-1) / (outputSize[0]-1) alignCornerstrue \ 1 / scalesH alignCornersfalsescalesH0\ self.dim(2) / outputSize[0] otherwise \end{cases} $$$$ scaleW \begin{cases} (self.dim(3)-1) / (outputSize[1]-1) alignCornerstrue \ 1 / scalesW alignCornersfalsescalesW0\ self.dim(3) / outputSize[1] otherwise \end{cases} $$其中i和j是$W(i, j)$的索引变量。$f(h_i, w_j)$是原图像在$(h_i, w_j)$的像素值。$W(i, j)$是双三次抗锯齿插值的权重定义为$$ W(d) \begin{cases} (a2)|d|^3-(a3)|d|^21 |d|\leq1 \ a|d|^3-5a|d|^28a|d|-4a 1|d|2 \ 0 otherwise \end{cases} $$其中$a-0.75$$d |(h, w) - (h_i, w_j)|$函数原型每个算子分为两段式接口必须先调用“aclnnUpsampleBicubic2dGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器再调用“aclnnUpsampleBicubic2d”接口执行计算。aclnnStatus aclnnUpsampleBicubic2dGetWorkspaceSize( const aclTensor* self, const aclIntArray* outputSize, const bool alignCorners, const double scalesH, const double scalesW, aclTensor* out, uint64_t* workspaceSize, aclOpExecutor** executor)aclnnStatus aclnnUpsampleBicubic2d( void* workspace, uint64_t workspaceSize, aclOpExecutor* executor, aclrtStream stream)aclnnUpsampleBicubic2dGetWorkspaceSize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NCHW格式处理。FLOAT32、FLOAT16、BFLOAT16NCHW、ND、NHWC4√outputSizeaclIntArray*输入表示指定out在H和W维度上的空间大小。对应公式中的outputSize。size为2且各元素均大于0。INT64---alignCornersbool输入决定是否对齐角像素点对应公式中的alignCorners。alignCorners为True则输入和输出张量的角像素点会被对齐否则输入和输出张量的边像素点会被对齐。----scalesHdouble输入指定空间大小的height维度乘数对应公式中的scalesH。-----scalesWdouble输入指定空间大小的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的out。不支持空Tensor。数据类型和数据格式与self保持一致。shape支持4维(batch, channel, height, width)其中batch与channel分别来源于入参self的第零维和第一维height与width分别来源于outputSize的第一与第二个值。FLOAT32、FLOAT16、BFLOAT16NCHW、ND、NHWC4√workspaceSizeuint64_t*输出返回需要在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 200I/500 A2 推理产品 、 Atlas 推理系列产品 、 Atlas 训练系列产品 数据类型参数self、out不支持BFLOAT16。数据格式参数self、out不支持NHWC。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 参数self、out的数据格式不支持NHWC。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传入的self、outputSize或out是空指针。ACLNN_ERR_PARAM_INVALID161002self的数据类型不在支持的范围之内。self和out的数据类型不一致。self的数据格式不在支持的范围之内。self和out的数据格式不一致。self和out的shape不是4维。outputSize的size不等于2。self在C、H、W维度上的大小不大于0。outputSize的某个元素值不大于0。out在N、C维度上的大小不等于self在N、C维度上的大小。out在H、W维度上的大小不等于outputSize里对应元素值。self、outputSize、scalesH、scalesW不满足约束。aclnnUpsampleBicubic2d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aclnnUpsampleBicubic2dGetWorkspaceSize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、out的shape约束每个维度的取值小于等于2^20。参数out的N轴和C轴与self保持一致。内存占用需小于60G。内存占用的计算公式如下$$ (self_H * self_W out_H * out_W self_H * out_W) * N * C * sizeof(float) 60 * 1024 * 1024 * 1024 $$其中N代表输入和输出的N轴。C代表输入和输出的C轴。N * C * self_H 2^31参数self、outputSize、scalesH、scalesW需要满足如下约束$$ outputSize_H floor(self_H * scalesH) $$$$ outputSize_W floor(self_W * scalesW) $$确定性计算aclnnUpsampleBicubic2d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_bicubic_2d.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 shapeSize 1; for (auto i : shape) { shapeSize * i; } return shapeSize; } 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_ND, 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_RET(ret ACL_SUCCESS, LOG_PRINT(Init 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 {1, 1, 3, 3}; std::vectorint64_t outShape {1, 1, 5, 5}; void *selfDeviceAddr nullptr; void *outDeviceAddr nullptr; aclTensor *self nullptr; aclTensor *out nullptr; std::vectorfloat selfHostData {1, 2, 3, 4, 5, 6, 7, 8, 9}; std::vectorfloat outHostData(25, 0); std::vectorint64_t outputSizeData {5, 5}; bool alignCorners false; 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); // 创建outputSize aclIntArray const aclIntArray *outputSize aclCreateIntArray(outputSizeData.data(), outputSizeData.size()); CHECK_RET(outputSize ! nullptr, return ret); // 3. 调用CANN算子库API需要修改为具体的Api名称 uint64_t workspaceSize 0; aclOpExecutor *executor; // 调用aclnnUpsampleBicubic2d第一段接口 ret aclnnUpsampleBicubic2dGetWorkspaceSize( self, outputSize, alignCorners, scalesH, scalesW, out, workspaceSize, executor); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnUpsampleBicubic2dGetWorkspaceSize 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aclnnUpsampleBicubic2d第二段接口 ret aclnnUpsampleBicubic2d(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnUpsampleBicubic2d 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(resultData[0]), 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aclIntArray需要根据具体API的接口定义修改 aclDestroyTensor(self); aclDestroyIntArray(outputSize); 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