CANN/sip：AscendSiPBoost信号处理加速库

AscendSiPBoost 信号处理加速库【免费下载链接】sip本项目是CANN提供的一款高效、可靠的高性能信号处理算子加速库基于华为Ascend AI处理器专门为信号处理领域而设计。项目地址: https://gitcode.com/cann/sip [2025/10] AscendSiPBoost项目下文简称为SiP库首次上线。内容总览学习资源什么是SiP环境构建快速上手自定义算子开发参与贡献参考文档1. 学习资源编译与构建SiP库的编译命令说明。API文档介绍了SiP库的接口和相关术语。问题报告通过issue提交发现的问题。2. 什么是SiPAscend Signal Processing Boost昇腾信号处理加速库下文简称为SiP库基于华为Ascend AI处理器打造深度适配硬件算力、存储及内存带宽特性提供FFT、BLAS、FIR滤波、插值等高性能NPU算子为信号处理领域提供高效可靠的算力加速。加速库接口功能主要分成六个部分信号处理加速库框架负责算子的管理算子在Device侧的二进制加载以及Host侧的tiling负责对上层提供接口支持单算子调用、多算子批量调用等。FFT库包括专用的NPU Kernel、PLAN框架实现FFT系列算子对外提供接口以支持C2C、C2R和R2C功能供开发者使用。BLAS库依照BLAS相关的标准定义提供专用的Kernel实现BLAS系列算子功能对外提供从level1到level3的接口供开发者使用。复数基础计算库提供基础的复数类型算子支持。信号领域融合算子库包含PC、MTD、CFAR、Interpolation等融合算子支撑脉冲信号分析动态目标检测恒虚警等场景。Solver库主要提供基于BLAS的复杂线性代数函数例如矩阵分解、特征值求解等。3. 环境构建3.1 快速安装CANN软件本节提供快速安装CANN软件的示例命令更多安装步骤请参考CANN官网的CANN软件安装指南。3.1.1 安装前准备本项目源码编译用到的依赖如下请注意版本要求。python 3.7.0pyyamlgcc 7.3.0g 7.3.0cmake 3.16.0pigz安装后可提升打包速度建议版本 2.4dos2unixgawkgoogletest仅执行UT时依赖建议版本 1.14.0注意当前 ascend-boost-comm 第三方库与 GCC 14 存在兼容性问题函数声明不匹配建议使用GCC 12进行编译。3.1.2 安装社区版CANN toolkit包Atlas A2/A3系列产品单击下载链接获取软件包# 确保安装包具有可执行权限 chmod x Ascend-cann-toolkit_${cann_version}_linux-${arch}.run # 安装命令 ./Ascend-cann-toolkit_${cann_version}_linux-${arch}.run --install --force --install-path${install_path}${cann_version}表示CANN包版本号。${arch}表示CPU架构如aarch64、x86_64。${install_path}表示指定安装路径默认安装在/usr/local/Ascend目录。3.1.3 安装社区版CANN ops包Atlas A2/A3系列产品单击下载链接获取软件包。# 确保安装包具有可执行权限 chmod x Ascend-cann-${soc_name}-ops_${cann_version}_linux-${arch}.run # 安装命令 ./Ascend-cann-${soc_name}-ops_${cann_version}_linux-${arch}.run --install --install-path${install_path}${soc_name}表示NPU型号名称即${soc_version}删除“ascend”后剩余的内容。${install_path}表示指定安装路径需要与toolkit包安装在相同路径默认安装在/usr/local/Ascend目录。3.1.4 环境变量配置# 默认路径安装以root用户为例非root用户将/usr/local替换为${HOME} source /usr/local/Ascend/cann/set_env.sh # 指定路径安装 # source ${install_path}/cann/set_env.sh3.1.4 基础工具版本要求与安装安装CANN之后您可安装一些工具方便后续开发参见以下内容CANN依赖列表CANN安装后操作4. 快速上手4.1 SiP编译加速库下载git clone https://gitcode.com/cann/sip.git您可自行选择需要的分支。SiP库编译编译加速库设置加速库环境变量cd ${sip_root_path} bash build.sh source output/set_env.sh特别说明Ascend-cann-SIP_${version}_linux_${arch}.run是编译后通过makeself打包的包含算子执行所需文件的可执行产物用户可以通过以下命令执行run包将包含算子信息的文件安装到指定目录# 确保安装包具有可执行权限 chmod x Ascend-cann-SIP_${version}_linux_${arch}.run # 安装命令 ./Ascend-cann-SIP_${version}_linux_${arch}.run --install --install-path${install_path}上述编译方式仅支持编译通过git下载的加速库以zip压缩包方式下载的加速库不支持该编译方式由于编译过程需要联网下载依赖库因此编译环境需要联网该编译过程包括获取ascend-boost-comm昇腾分布式通信加速库组件并编译该组件和编译信号加速库两个步骤。更多命令介绍可查看SiP仓库build.sh文件。更多编译命令说明请参考编译与构建4.2 调用示例说明本节示例代码分别展示了如何通过C调用算子。4.2.1 C在SiP仓库的example目录下存放了多个不依赖测试框架、即编可用的算子调用Demo示例。本节示例代码展示通过C调用SiP asdBlasSdot算子实现向量点乘内积功能代码完整内容可参考example下面仅展示其核心内容int main(int argc, char **argv) { // 设置算子使用的device id int deviceId 0; //固定写法创建执行流 aclrtStream stream; Init(deviceId, stream); // 创造tensor的Host侧数据 int64_t n 5; int64_t incx 1; int64_t incy 1; int64_t xSize 5; std::vectorfloat tensorInXData; tensorInXData.reserve(xSize); for (int64_t i 0; i xSize; i) { tensorInXData[i] 1.0 i; } int64_t ySize 5; std::vectorfloat tensorInYData; tensorInYData.reserve(xSize); for (int64_t i 0; i ySize; i) { tensorInYData[i] 10.0 i; } int64_t resultSize 1; std::vectorfloat resultData; resultData.reserve(resultSize); std::cout ------- input x ------- std::endl; for (int64_t i 0; i xSize; i) { std::cout tensorInXData[i] ; } std::cout std::endl; std::cout ------- input y ------- std::endl; for (int64_t i 0; i ySize; i) { std::cout tensorInYData[i] ; } std::cout std::endl; // 创造输入/输出tensor std::vectorint64_t xShape {xSize}; std::vectorint64_t yShape {ySize}; std::vectorint64_t resultShape {resultSize}; aclTensor *inputX nullptr; aclTensor *inputY nullptr; aclTensor *result nullptr; void *inputXDeviceAddr nullptr; void *inputYDeviceAddr nullptr; void *resultDeviceAddr nullptr; CreateAclTensor(tensorInXData, xShape, inputXDeviceAddr, aclDataType::ACL_FLOAT, inputX); CreateAclTensor(tensorInYData, yShape, inputYDeviceAddr, aclDataType::ACL_FLOAT, inputY); CreateAclTensor(resultData, resultShape, resultDeviceAddr, aclDataType::ACL_FLOAT, result); // 创建算子执行句柄 asdBlasHandle handle; asdBlasCreate(handle); // 创造算子执行所需workspace size_t lwork 0; void *buffer nullptr; asdBlasMakeDotPlan(handle); asdBlasGetWorkspaceSize(handle, lwork); if (lwork 0) { aclrtMalloc(buffer, static_castint64_t(lwork), ACL_MEM_MALLOC_HUGE_FIRST); } asdBlasSetWorkspace(handle, buffer); // 配置算子执行信息 asdBlasSetStream(handle, stream); // 调用接口执行算子固定调用逻辑 asdBlasSdot(handle, n, inputX, incx, inputY, incy, result); asdBlasSynchronize(handle); // 调用算子后销毁算子句柄 asdBlasDestroy(handle); // 将输出tensor的Device侧数据复制到Host侧内存上 aclrtMemcpy(resultData.data(), resultSize * sizeof(float), resultDeviceAddr, resultSize * sizeof(float), ACL_MEMCPY_DEVICE_TO_HOST); std::cout ------- result ------- std::endl; for (int64_t i 0; i 1; i) { std::cout resultData[i] ; } std::cout std::endl; // 资源释放 aclDestroyTensor(inputX); aclDestroyTensor(inputY); aclDestroyTensor(result); aclrtFree(inputXDeviceAddr); aclrtFree(inputYDeviceAddr); aclrtFree(resultDeviceAddr); if (lwork 0) { aclrtFree(buffer); } // 调用算子后重置算子使用的deviceId aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }文件编译说明进入example目录执行bash build.sh完成编译和执行。cd example bash build.sh算子使用指导可访问头文件列表-CANN社区版-昇腾社区。4.2.2 样例安全声明example目录下的样例旨在提供快速上手、开发和调试SiP特性的最小化实现其核心目标是使用最精简的代码展示SiP核心功能而非提供生产级的安全保障。与成熟的生产级使用方法相比此样例中的安全功能如输入校验、边界校验相对有限。SiP不推荐用户直接将样例作为业务代码也不保证此种做法的安全性。若用户将example中的示例代码应用在自身的真实业务场景中且发生了安全问题则由用户自行承担。4.3 日志和环境变量说明加速库日志现在已经部分适配CANN日志环境变量说明请参考CANN社区版文档/环境变量参考。5. 自定义算子开发详细步骤可参考从开发一个简单算子出发6. 参与贡献fork仓库修改并提交代码新建Pull-Request详细步骤可参考贡献指南7. 参考文档CANN社区版文档SiP社区版文档【免费下载链接】sip本项目是CANN提供的一款高效、可靠的高性能信号处理算子加速库基于华为Ascend AI处理器专门为信号处理领域而设计。项目地址: https://gitcode.com/cann/sip创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考