aclnnGridSampler2D【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√功能说明接口功能提供一个输入Tensor以及一个对应的grid网格然后根据grid中每个位置提供的坐标信息将input中对应位置的像素值填充到网格指定的位置得到最终的输出。计算公式输入input、grid网格、输出output的尺寸如下$$ input: (N, C, H_{in}, W_{in})\ grid: (N, H_{out}, W_{out}, 2)\ output: (N, C, H_{out}, W_{out}) $$其中input、grid、output中的N是一致的input和output中的C是一致的grid和output中的$H_{out}$、$W_{out}$是一致的grid最后一维大小为2表示input像素位置信息为(x, y)会将x和y的取值范围归一化到[-1, 1]之间(-1, 1)表示左上角坐标(1, 1)表示右下角坐标。对于超出范围的坐标会根据paddingMode进行不同处理paddingMode0表示对越界位置用0填充。paddingMode1表示对越界位置用边界值填充。paddingMode2表示对越界位置用边界值的对称值填充。对input采样时会根据interpolationMode进行不同处理interpolationMode0表示取(x, y)周围四个坐标的加权平均值。interpolationMode1表示取input中距离(x, y)最近的坐标值。interpolationMode2表示取(x, y)周围十六个坐标的加权平均值。函数原型每个算子分为两段式接口必须先调用“aclnnGridSampler2DGetWorkspaceSize”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“aclnnGridSampler2D”接口执行计算。aclnnStatus aclnnGridSampler2DGetWorkspaceSize( const aclTensor *input, const aclTensor *grid, int64_t interpolationMode, int64_t paddingMode, bool alignCorners, aclTensor *out, uint64_t *workspaceSize, aclOpExecutor **executor)aclnnStatus aclnnGridSampler2D( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)aclnnGridSampler2DGetWorkspaceSize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TensorinputaclTensor*输入进行插值计算的输入张量对应公式中描述的input。支持空Tensor。支持shape为(N, C,Hin,Win)。H*W INT32的最大值。input的shape最后两维的维度值不能为0。FLOAT32、FLOAT16、DOUBLE、BFLOAT16ND4√gridaclTensor*输入采样的网格对应公式中描述的grid。支持空Tensor。数据类型与入参input的数据类型一致。支持shape为(N,Hout,Wout, 2)且N与入参input的shape中的N一致。FLOAT32、FLOAT16、DOUBLE、BFLOAT16ND4√interpolationModeint64_t输入表示插值模式对应公式描述中的interpolationMode。支持0bilinear双线性插值、1nearest最邻近插值、2bicubic双三次插值三种模式。----paddingModeint64_t输入表示填充模式即当(x, y)取值超过输入特征图采样范围时返回一个特定值。对应公式描述中的paddingMode。支持0zeros、1border、2reflection三种模式。----alignCornersbool输入表示设定特征图坐标与特征值的对应方式设定为true时特征值位于像素中心。设定为false时特征值位于像素的角点。设定为true时特征值位于像素中心。设定为false时特征值位于像素的角点。----outaclTensor*输出插值计算的最终输出结果对应公式中描述的output。支持空Tensor。数据类型与input的数据类型一致。支持shape为(N, C,Hout,Wout)且N、C与input的shape中的N、C一致Hout、Wout与grid的shape中的Hout、Wout一致。FLOAT32、FLOAT16、DOUBLE、BFLOAT16ND4√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 训练系列产品 入参interpolationMode不支持插值模式2bicubic双三次插值。参数input、grid、out的数据类型不支持BFLOAT16。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interpolationMode仅当input数据类型为FLOAT32、FLOAT16或者BFLOAT16时支持2bicubic双三次插值。Atlas 200I/500 A2 推理产品 当接口运行在AI Core时需要满足如下条件入参interpolationMode为bilinear。入参paddingMode为zeros。参数input、grid、out的数据类型为FLOAT16。参数input的shape需要满足C维的值为32。Atlas 推理系列产品 当接口运行在AI Core时需要满足如下条件入参interpolationMode为bilinear。入参paddingMode为zeros。参数input、grid、out的数据类型为FLOAT32。参数input的shape需要满足C维的值为32或者CHW 20480。参数input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input、grid或out是空指针。ACLNN_ERR_PARAM_INVALID161002input、grid、out的数据类型不在支持的范围之内或数据类型不一致。interpolationMode或paddingMode的值不在支持范围内。interpolationMode为bicubic时input、grid、out的数据类型不是FLOAT32或者FLOAT16。input、grid、out的维度关系不匹配。input最后两维为空。aclnnGridSampler2D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aclnnGridSampler2DGetWorkspaceSize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input、grid、out的数据格式只支持(N, C, H, W)当输入其他数据格式时默认按照(N, C, H, W)格式处理。输入input的H轴的大小 * W轴的大小 INT32的最大值。当grid的输入值*图片长或宽大于24位的二进制数16777216时采样点可能存在误差精度可能产生偏差。如果grid含有大量超过[-1, 1]范围的数据使用zeros或者border的填充策略时计算结果中的值会大量重复。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 如果grid存在超出[-1, 1]范围的数据使用bicubic插值时小值域数据计算可能存在误差精度可能产生偏差。使用bilinear或者bicubic插值时针对FLOAT16数据类型需要使用workspace内存。Atlas 训练系列产品 使用bilinear插值时针对FLOAT16数据类型需要使用workspace内存。确定性计算aclnnGridSampler2D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_grid_sampler2d.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 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 int64_t interpolationMode 0; int64_t paddingMode 0; bool alignCorners false; std::vectorint64_t inputShape {1, 1, 5, 8}; std::vectorint64_t gridShape {1, 3, 3, 2}; std::vectorint64_t outShape {1, 1, 3, 3}; void* inputDeviceAddr nullptr; void* gridDeviceAddr nullptr; void* outDeviceAddr nullptr; aclTensor* input nullptr; aclTensor* grid nullptr; aclTensor* out nullptr; std::vectorfloat inputHostData {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}; std::vectorfloat gridHostData {-1, -1, 0, -1, 1, -1, -1, 0, 0, 0, 1, 0, -1, 1, 0, 1, 1, 1}; std::vectorfloat outHostData {0, 0, 0, 0, 0, 0, 0, 0, 0}; // 创建input aclTensor ret CreateAclTensor(inputHostData, inputShape, inputDeviceAddr, aclDataType::ACL_FLOAT, input); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建grid aclTensor ret CreateAclTensor(gridHostData, gridShape, gridDeviceAddr, aclDataType::ACL_FLOAT, grid); 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); // 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aclnnGridSampler2D第一段接口 ret aclnnGridSampler2DGetWorkspaceSize( input, grid, interpolationMode, paddingMode, alignCorners, out, workspaceSize, executor); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnGridSampler2DGetWorkspaceSize failed. ERROR: %d.\n[ERROR msg]%s, ret, aclGetRecentErrMsg()); 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[ERROR msg]%s, ret, aclGetRecentErrMsg()); return ret); } // 调用aclnnGridSampler2D第二段接口 ret aclnnGridSampler2D(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnGridSampler2D failed. ERROR: %d.\n[ERROR msg]%s, ret, aclGetRecentErrMsg()); 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[ERROR msg]%s, ret, aclGetRecentErrMsg()); 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 resultData from device to host failed. ERROR: %d.\n[ERROR msg]%s, ret, aclGetRecentErrMsg()); return ret); for (int64_t i 0; i size; i) { LOG_PRINT(resultData[%ld] is: %f\n, i, resultData[i]); } // 6. 释放aclTensor需要根据具体API的接口定义修改 aclDestroyTensor(input); aclDestroyTensor(grid); aclDestroyTensor(out); // 7. 释放Device资源需要根据具体API的接口定义修改 aclrtFree(inputDeviceAddr); aclrtFree(gridDeviceAddr); 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