CANN/ops-cv算子接口列表

算子接口aclnn【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使用说明为方便调用算子提供一套基于C的API以aclnn为前缀API无需提供IRIntermediate Representation定义方便高效构建模型与应用开发该方式被称为“单算子API调用”简称aclnn调用。调用算子API时需引用依赖的头文件和库文件一般头文件默认在${INSTALL_DIR}/include/aclnnop库文件默认在${INSTALL_DIR}/lib64具体文件如下头文件①方式1 推荐引用算子仓总头文件aclnn_ops_${ops_project}.h。②方式2引用单个算子API的头文件aclnn_*.h。库文件引用算子仓对应的库文件libopapi_${ops_project}.so。注意原所有算子仓总库文件libopapi.so后续会废弃不推荐使用也不支持与单个算子仓库文件同时使用。${INSTALL_DIR}表示CANN安装后文件路径${ops_project}表示算子仓名如math、nn、cv、transformer请改为实际算子仓名。接口列表确定性简介配置说明因CANN或NPU型号不同等原因可能无法保证同一个算子多次运行结果一致。在相同条件下平台、设备、版本号和其他随机性参数等部分算子接口可通过aclrtCtxSetSysParamOpt参见《acl APIC》开启确定性算法使多次运行结果一致。性能说明同一个算子采用确定性计算通常比非确定性慢因此模型单次运行性能可能会下降。但在实验、调试调测等需要保证多次运行结果相同来定位问题的场景确定性计算可以提升效率。线程说明同一线程中只能设置一次确定性状态多次设置以最后一次有效设置为准。有效设置是指设置确定性状态后真正执行了一次算子任务下发。如果仅设置没有算子下发只能是确定性变量开启但未下发给算子因此不执行算子。 解决方案暂不推荐一个线程多次设置确定性。该问题在二进制开启和关闭情况下均存在在后续版本中会解决该问题。算子接口列表如下接口名说明确定性说明A2/A3确定性说明Ascend 950aclnnMrgbaCustom完成张量rgb和张量alpha的透明度乘法计算。默认确定性实现-aclnnBackgroundReplace将输入的新的背景图片与已有图片进行融合通过掩码的方式将背景替换为新的背景。默认确定性实现-aclnnBlendImagesCustom完成张量rgb、frame和alpha的透明度乘法计算。默认确定性实现-aclnnGridSampler2D根据网格定义的坐标从输入张量中采样像素值并重映射到输出空间。默认确定性实现默认确定性实现aclnnGridSampler3D根据网格定义的坐标从输入张量中采样像素值并重映射到输出空间。默认确定性实现默认确定性实现aclnnGridSampler2DBackwardaclnnGridSampler2D的反向传播完成张量input与张量grid的梯度计算。默认非确定性实现支持配置开启默认非确定性实现支持配置开启aclnnGridSampler3DBackwardaclnnGridSampler3D的反向传播完成张量input与张量grid的梯度计算。默认非确定性实现支持配置开启默认非确定性实现支持配置开启aclnnRasterizer实现光栅化计算。根据给定的三维空间中的点和面获取屏幕中每个像素点的最小深度及其对应的面片索引并计算该面片的重心坐标透视矫正插值。默认确定性实现-aclnnResize根据scales调整输入张量的大小。默认确定性实现默认确定性实现aclnnThreeInterpolateBackward根据grad_x, idx, weight进行三点插值计算梯度得到grad_y。默认非确定性实现不支持配置开启-aclnnUpsampleNearest1d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。默认确定性实现默认确定性实现aclnnUpsampleNearest2d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。默认确定性实现默认确定性实现aclnnUpsampleTrilinear3d对由多个输入通道组成的输入信号应用三线性插值算法进行上采样。默认确定性实现-aclnnUpsampleBicubic2d对由多个输入通道组成的输入信号应用2D双三次上采样。默认确定性实现默认确定性实现aclnnUpsampleBicubic2dAA对由多个输入通道组成的输入信号应用双三次抗锯齿算法进行上采样。默认确定性实现默认确定性实现aclnnUpsampleBicubic2dAAGradaclnnUpsampleBicubic2dAA的反向传播。默认确定性实现默认非确定性实现支持配置开启aclnnUpsampleBicubic2dBackwardaclnnUpsampleBicubic2d的反向传播。默认非确定性实现支持配置开启默认非确定性实现支持配置开启aclnnUpsampleBilinear2d对由多个输入通道组成的输入信号应用2D双线性上采样。默认确定性实现默认确定性实现aclnnUpsampleBilinear2dAA对由多个输入通道组成的输入信号应用2D双线性抗锯齿采样。默认确定性实现默认确定性实现aclnnUpsampleBilinear2dAABackwardaclnnUpsampleBilinear2dAA的反向传播。默认确定性实现默认非确定性实现支持配置开启aclnnUpsampleBilinear2dBackwardaclnnUpsampleBilinear2d的反向传播。默认确定性实现默认非确定性实现支持配置开启aclnnUpsampleBilinear2dBackwardV2aclnnUpsampleBilinear2d的反向传播。默认确定性实现默认非确定性实现支持配置开启aclnnUpsampleLinear1d对由多个输入通道组成的输入信号应用线性插值算法进行上采样。默认确定性实现默认确定性实现aclnnUpsampleLinear1dBackwardaclnnUpsampleLinear1d的反向传播。默认确定性实现默认非确定性实现支持配置开启aclnnUpsampleNearestExact1d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。默认确定性实现-aclnnUpsampleNearestExact2d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。默认确定性实现-aclnnUpsampleNearest1dBackwardaclnnUpsampleNearestExact1d的反向传播。默认确定性实现默认确定性实现aclnnUpsampleNearest2dBackwardaclnnUpsampleNearestExact2d的反向传播。默认确定性实现默认确定性实现aclnnUpsampleNearest1dV2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。默认确定性实现默认确定性实现aclnnUpsampleNearest2dV2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。默认确定性实现默认确定性实现aclnnUpsampleNearest3d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。默认确定性实现默认确定性实现aclnnUpsampleNearest3dBackwardaclnnUpsampleNearest3d的反向传播。默认确定性实现默认确定性实现aclnnUpsampleNearestExact1dBackwardaclnnUpsampleNearestExact1d的反向传播。默认确定性实现-aclnnUpsampleNearestExact2dBackwardaclnnUpsampleNearestExact2d的反向传播。默认确定性实现-aclnnUpsampleNearestExact3d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。默认确定性实现-aclnnUpsampleNearestExact3dBackwardaclnnUpsampleNearestExact3d的反向传播。默认确定性实现-aclnnUpsampleTrilinear3dBackwardaclnnUpsampleTrilinear3d的反向传播。默认确定性实现-aclnnCIoU用于边界框回归的损失函数在IoU的基础上同时考虑了中心点距离、宽高比和重叠面积以更全面地衡量预测框与真实框之间的差异。默认确定性实现默认确定性实现aclnnIou计算两组矩形框预测框bBox与真值框gtBox的交并比IOU或前景交叉比IOF用于评估其重叠程度。默认确定性实现默认确定性实现aclnnNonMaxSuppression删除分数小于scoreThreshold的边界框筛选出与之前被选中部分重叠较高IOU较高的框。默认确定性实现-aclnnRoiAlignRoIAlign是一种池化层用于非均匀输入尺寸的特征图并输出固定尺寸的特征图。默认确定性实现-aclnnRoiAlignV2RoIAlign是一种池化层用于非均匀输入尺寸的特征图并输出固定尺寸的特征图。默认确定性实现-aclnnRoiAlignV2BackwardaclnnRoiAlignV2的反向传播。默认非确定性实现支持配置开启-aclnnRoiPoolingWithArgMax对输入特征图按 ROI感兴趣区域进行池化在每个 ROI 内按空间划分为 pooled_h × pooled_w 个格子对每个格子做最大池化并输出池化结果及最大值在通道内的一维索引argmax。默认确定性实现默认确定性实现aclnnRoiPoolingGradWithArgMaxaclnnRoiPoolingWithArgMax的反向传播。默认确定性实现默认非确定性实现不支持配置开启aclnnIm2colBackward从批处理输入张量中提取滑动局部块将滑动局部块数组合并为一个大张量。默认确定性实现默认确定性实现【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