CANN ops-math aclnnInplaceFillScalar 算子 API 深度解析：在 NPU 上对 Tensor 原地填充标量的两段式调用实战指南

CANN ops-math aclnnInplaceFillScalar 算子 API 深度解析在 NPU 上对 Tensor 原地填充标量的两段式调用实战指南【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math本文以 CANN ops-math 仓库中 aclnnInplaceFillScalar 算子接口文档 为主体围绕该 API 的功能定义、两段式函数原型、参数约束、返回值语义与完整调用示例展开并结合 op_api/aclnn_fill_scalar.cpp 等源码剖析其底层实现路径。读者阅读后可以掌握 aclnnInplaceFillScalar 的正确用法、入参校验规则、错误码排查方法以及在 Atlas A2 训练/推理系列产品上编写可运行的 NPU 填充算子样例。一、算子概述aclnnInplaceFillScalar 能做什么aclnnInplaceFillScalar 是 CANN ops-math 中 Fill 填充系列算子目录 experimental/conversion/fill对外提供的一个 aclnn 单算子 API。其核心功能是对输入的 tensor 原地inplace填充指定的标量 value即操作完成后输入 tensor 自身的内存内容被改写为填充后的结果无需额外申请输出 tensor。在算子的贡献说明见 README.md中Fill 算子的功能描述为创建一个形状由输入 dims 指定的张量并用标量值 value 填充所有元素常用于初始化张量为特定值。而 aclnnInplaceFillScalar 在此基础上更进一步直接复用输入 tensor 的内存完成填充适用于诸如张量清零、常量初始化、掩码重置等场景。从算子原型注册看op_graph/fill_proto.h底层 Fill 算子与业界主流框架算子保持兼容兼容 TensorFlow 的 Fill 算子、Caffe 的 Filler 算子且支持bfloat16/float16/float32/double/int32/uint8/int16/int8/complex64/int64/bool/complex128等多种数据类型。产品支持情况产品是否支持Atlas A2 训练系列产品 / Atlas A2 推理系列产品√需要注意尽管接口文档将支持产品列为 Atlas A2 训练/推理系列从算子实现侧的配置看op_host/fill_def.cpp 中通过this-AICore().AddConfig(ascend910b)注册了ascend910b的 AICore 配置说明该算子的核函数kernel面向 910B 及以上的昇腾芯片架构编译生效。二、两段式接口与函数原型与 CANN 其他 aclnn 单算子 API 一致aclnnInplaceFillScalar 采用两段式接口设计详见 两段式接口说明先调用aclnnInplaceFillScalarGetWorkspaceSize获取计算所需 workspace 大小以及包含了算子计算流程的执行器executor再调用aclnnInplaceFillScalar传入 workspace 与 executor在指定 Stream 上执行计算。第一段接口获取 workspace 大小与执行器aclnnStatus aclnnInplaceFillScalarGetWorkspaceSize( aclTensor *selfRef, const aclScalar *value, uint64_t *workspaceSize, aclOpExecutor **executor)第二段接口执行计算aclnnStatus aclnnInplaceFillScalar( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)两段接口的声明位于 op_api/aclnn_fill_scalar.h头文件aclnnop/aclnn_fill_scalar.h均通过extern C导出供 C/C 应用直接链接调用。三、aclnnInplaceFillScalarGetWorkspaceSize 参数详解3.1 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 TensorselfRefaclTensor*输入/输出输入输出 tensor-FLOAT、FLOAT16、UINT8、INT8、INT16、INT32、INT64、DOUBLE、COMPLEX64、COMPLEX128、BOOL、BFLOAT16ND不支持 8 维以上√valueaclScalar*输入指定的标量值数据类型需要与 selfRef 的数据类型满足数据类型推导规则参见互转换关系FLOAT、FLOAT16、UINT8、INT8、INT16、INT32、INT64、DOUBLE、COMPLEX64、COMPLEX128、BOOL、BFLOAT16---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-----对参数理解需要注意以下几点selfRef 既是输入也是输出这是 inplace 语义的体现接口文档与 op_api/aclnn_fill_scalar.h 中的注释一致selfRef 为 NPU Device 侧的 aclTensor且支持非连续 Tensor数据格式 ND维度不超过 8 维。value 是 host 侧的 aclScalar其数据类型不需要与 selfRef 完全一致但必须满足 CANN 的数据类型推导promote规则最终会被转换为 selfRef 的数据类型参与填充。转换关系定义参见互转换关系。产品差异约束接口文档特别注明对于 Atlas 推理系列产品、Atlas 训练系列产品数据类型不支持 BFLOAT16。这与源码中按芯片版本区分支持列表的逻辑对应见下文第五节源码分析。3.2 返回值与第一段接口的错误场景返回值类型为 aclnnStatus完整状态码语义参见 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值错误码描述ACLNN_ERR_PARAM_NULLPTR161001传入的 selfRef、value 其中一个为空指针ACLNN_ERR_PARAM_INVALID161002selfRef 数据类型不在支持的范围之内ACLNN_ERR_PARAM_INVALID161002selfRef 的 shape 维度超过 8 维四、aclnnInplaceFillScalar 第二段接口参数详解参数名输入/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 aclnnInplaceFillScalarGetWorkspaceSize 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第二段接口本身不再做参数语义校验只负责把第一段接口生成的执行器调度到指定 Stream 上运行workspace 内存必须由调用方根据第一段接口返回的 workspaceSize 在 Device 侧申请通常使用aclrtMalloc并在任务结束后释放。五、约束说明确定性计算aclnnInplaceFillScalar 默认确定性实现即相同输入在多次执行中产生确定一致的结果不受运行时随机因素影响。确定性计算相关机制可参考 确定性计算说明。数据类型约束Atlas 推理系列产品、Atlas 训练系列产品不支持 BFLOAT16其余数据类型按接口文档列出的支持范围执行。shape 约束selfRef 维度不超过 8 维含数据格式为 ND。非连续 TensorselfRef 支持非连续non-contiguousTensor接口内部会先做连续性处理无需调用方手动转连续。六、源码级实现原理从校验到内核执行为了更准确地使用该接口可以顺着 op_api/aclnn_fill_scalar.cpp 的源码理解其内部流程。6.1 四步入参校验CheckParams第一段接口内部通过CheckParams完成入参校验共四步空指针检查CheckNotNull使用OP_CHECK_NULL检查 selfRef 与 value任一为空返回ACLNN_ERR_PARAM_NULLPTR数据类型检查CheckDtypeValid根据当前芯片版本选择支持列表通过OP_CHECK_DTYPE_NOT_SUPPORT校验 selfRef 的数据类型类型推导检查CheckPromoteType调用op::PromoteType(self-GetDataType(), value-GetDataType())判断 self 与 value 能否完成数据类型推导promote推导失败返回ACLNN_ERR_PARAM_INVALID并打印错误日志shape 检查CheckShape通过OP_CHECK_MAX_DIM(self, MAX_DIM_LEN, ...)校验维度不超过 8 维其中MAX_DIM_LEN 8在源码中以static constexpr size_t定义。从源码可以看到错误码 161001/161002 与接口文档中的报错场景一一对应便于按错误码快速定位问题。6.2 芯片版本相关的数据类型支持列表源码中定义了两套数据类型支持列表DTYPE_SUPPORT_910_LIST910 及以下FLOAT、INT32、INT64、FLOAT16、INT16、INT8、UINT8、DOUBLE、BOOL、COMPLEX64、COMPLEX128不含 BFLOAT16DTYPE_SUPPORT_GE910B_LIST910B~910E在上表基础上增加 BFLOAT16。CheckDtypeValid通过GetCurrentPlatformInfo().GetSocVersion()判断芯片版本是否在ASCEND910B到ASCEND910E之间从而选择对应的支持列表。这正是接口文档中Atlas 推理/训练系列产品不支持 BFLOAT16约束在实现层面的体现——不同硬件平台的 BFLOAT16 支持能力存在差异。6.3 空 Tensor 的短路处理源码中针对selfRef-IsEmpty()为空 tensor 的情况做了短路优化直接将*workspaceSize 0并返回成功无需生成任何计算图避免对空数据做无谓的调度开销。6.4 计算图路径Fill ViewCopy在非空场景下第一段接口内部构建的计算路径如下源码注释中以 mermaid 图描述selfRef ──► l0op::Fill ──► l0op::ViewCopy ──► selfRef value ──► (转换为 selfRef 数据类型) ──► Fill具体步骤为executorP-ConvertToTensor(value, selfRef-GetDataType())将 host 侧 aclScalar 转换为与 selfRef 同数据类型的 tensor读取 selfRef 的 view shape构造dimstensorINT64 类型与 shape 数组若 selfRef 为 0 维则补为{1}调用l0op::Fill(dims, castTensor, shapeArray, executorP)生成一个与 selfRef 同 shape 的全填充 tensor调用l0op::ViewCopy(fillOut, selfRef, executorP)将填充结果写回 selfRef从而完成原地填充语义这里也解释了为什么接口支持非连续 tensor——ViewCopy 负责处理内存布局差异最后通过uniqueExecutor-GetWorkspaceSize()汇总整个计算流程所需的 workspace 大小并返回。第二段接口aclnnInplaceFillScalar的实现非常精简直接调用CommonOpExecutorRun(workspace, workspaceSize, executor, stream)完成计算并带有L2_DFX_PHASE_2打点与OP_LOGI日志便于问题定位。6.5 算子定义、Tiling 与 Kernel算子定义op_host/fill_def.cpp通过OP_ADD(Fill)注册 Fill 算子信息。输入 dims 为 INT64 且带ValueDepend(REQUIRED)shape 依赖输入值属于动态 shape 算子输入 value 为 Scalar支持 FLOAT16、FLOAT、INT32、INT8、INT64、BF16、BOOL输出 y 与 value 同类型数据格式均为 ND。Tiling 数据op_kernel/fill_tiling_data.hFillTilingData结构体定义了smallCoreDataNum、bigCoreDataNum、ubPartDataNum、smallCoreTailDataNum、bigCoreTailDataNum、smallCoreLoopNum、bigCoreLoopNum、tailBlockNum等字段用于描述大/小核数据切分、UB 分块与尾块处理说明内核采用多核并行 主从核分工的切分策略。Kernel 实现op_kernel/fill.cpp__global__ __aicore__ void fill(...)通过TILING_KEY_IS(0/1)分支选择不同模板实例针对bool/int8_t统一走KernelFillint8_t, ...针对int64_t走KernelFill1_INT64...专门实例其余类型走KernelFillDTYPE_VALUE, ...实现对不同数据类型的高效填充。七、完整调用示例以下示例来自接口文档与仓库中可编译样例 examples/test_aclnn_fill_scalar.cpp 基本一致示例代码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_fill_scalar.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侧数据拷贝到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 std::vectorint64_t selfShape {2, 2}; void* selfDeviceAddr nullptr; aclTensor* selfRef nullptr; aclScalar* pScalar nullptr; std::vectorfloat selfHostData {0.0, 0.0, 0.0, 0.0}; float pValue 1.0f; // 创建self aclTensor ret CreateAclTensor(selfHostData, selfShape, selfDeviceAddr, aclDataType::ACL_FLOAT, selfRef); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建p aclScalar pScalar aclCreateScalar(pValue, aclDataType::ACL_FLOAT); CHECK_RET(pScalar ! 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aclnnInplaceFillScalar第一段接口 ret aclnnInplaceFillScalarGetWorkspaceSize(selfRef, pScalar, workspaceSize, executor); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnInplaceFillScalarGetWorkspaceSize 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aclnnInplaceFillScalar第二段接口 ret aclnnInplaceFillScalar(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnInplaceFillScalar 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侧内存上的结果拷贝至host侧需要根据具体API的接口定义修改 auto size GetShapeSize(selfShape); std::vectorfloat resultData(size, 0); ret aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), selfDeviceAddr, 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aclScalar需要根据具体API的接口定义修改 aclDestroyTensor(selfRef); aclDestroyScalar(pScalar); // 7. 释放device 资源 aclrtFree(selfDeviceAddr); if (workspaceSize 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }示例解读步骤 1InitaclInit→aclrtSetDevice→aclrtCreateStream是 AscendCL 应用的固定初始化流程步骤 2构造输入通过CreateAclTensor在 Device 侧申请内存、拷贝 host 数据、按连续布局计算 strides 后调用aclCreateTensor创建 selfRefshape 为{2, 2}初始值全 0通过aclCreateScalar创建值为1.0f、类型ACL_FLOAT的标量 pScalar步骤 3两段式调用先调用aclnnInplaceFillScalarGetWorkspaceSize得到 workspaceSize 与 executor再按需aclrtMalloc申请 workspace注意当 workspaceSize 为 0 时跳过申请最后调用aclnnInplaceFillScalar执行步骤 5结果回读因为操作是 inplace 的结果仍位于 selfDeviceAddr直接aclrtMemcpy回 host 侧并逐元素打印预期输出 4 个1.000000步骤 6/7资源释放依次销毁 aclTensor、aclScalar释放 Device 内存与 Stream并aclFinalize收尾。八、编译与运行要点编译运行该样例前请先完成 CANN 开发运行环境的部署并确认目标设备为接口文档所列的 Atlas A2 训练/推理系列产品编译时需链接 AscendCLacl与 aclnnop 算子库并包含acl/acl.h、aclnnop/aclnn_fill_scalar.h头文件具体编译链接方式可参考编译与运行样例仓库中 Fill 算子还提供 tensor 入参版本aclnnInplaceFillTensor见 docs/aclnnInplaceFillTensor.md及对应样例 examples/test_aclnn_fill_tensor.cpp需要以 tensor 形式传入填充值时可以参照使用运行前确认deviceId与机器实际设备号一致并在执行完同步等待后再回读结果避免异步流未完成导致读到旧数据。九、常见问题与排查建议现象错误码可能原因与排查方向调用第一段接口返回 ACLNN_ERR_PARAM_NULLPTR161001selfRef 或 value 为空指针检查aclCreateTensor/aclCreateScalar是否成功返回 ACLNN_ERR_PARAM_INVALID161002selfRef 数据类型不在支持列表内在 Atlas 推理/训练系列产品上使用了 BFLOAT16或 selfRef 维度超过 8 维返回 ACLNN_ERR_PARAM_INVALIDpromote 失败161002value 与 selfRef 数据类型无法完成类型推导例如 complex 与 bool 混用调整 value 类型使其满足互转换关系执行结果仍是旧值-未调用aclrtSynchronizeStream即回读结果异步任务尚未完成结合第一节到第六节的分析可以看到aclnnInplaceFillScalar 作为一个看似简单的填充接口其背后贯穿了 CANN 两段式 API 设计、芯片版本相关的类型支持策略、类型推导规则、inplace 视图写回机制Fill ViewCopy以及多核 Tiling 与内核模板特化等完整技术链路。掌握其接口语义与源码实现可以帮助开发者在 Atlas A2 系列产品上正确、高效地完成张量常量初始化与原地填充类业务。【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考