ATK_ops-sparse【免费下载链接】cann-ops-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-ops-competitionsaclSparseSDDMM / SpGEMM / SpSM的 ATK 精度验收工程NPU 被测CPU golden可选 GPU 对照。目录结构ATK_ops-sparse/ ├── run_sparse_atk.sh # 统一入口 ├── sparse_executor_common.py # CSR 生成、seed、精度工具 ├── sparse_npu_acl.py # NPU aclsparse 绑定 ├── sparse_gpu_cusparse.py # GPU cuSPARSE 参考路径 ├── aclSparseSddmm/ │ ├── aclSparseSddmm.yaml │ ├── generator_aclSparseSddmm.py │ ├── executor_aclSparseSddmm.py │ └── result/aclSparseSddmm/json/all_aclSparseSddmm.json ├── aclSparseSpgemm/ # 同上结构 └── aclSparseSpsm/ # 同上结构依赖Python 3 PyTorchNPUtorch_npu、已安装libops_sparse.so可设OPS_SPARSE_LIB_PATHGPU可选CUDA libcusparse.soCPU goldenscipySpGEMM β≠0 必需ATK 框架atk命令可用用法cd /home/ATK_ops-sparse # NPU 精度验收推荐 ./run_sparse_atk.sh sddmm npu --gen ./run_sparse_atk.sh spgemm npu -s 0 -e 10 ./run_sparse_atk.sh spsm npu # GPU 对照cuSPARSE vs CPU ./run_sparse_atk.sh spgemm gpu -s 0 -e 3 # 自动选 backendnpu → gpu → cpu ./run_sparse_atk.sh sddmm auto --gen参数说明第 1 个参数sddmm|spgemm|spsm第 2 个参数auto|npu|gpu|cpu默认auto--gen重新生成用例 JSON首次或改 generator 后其余参数透传给atk task如-s 0 -e 10切片用例用例用例定义aclSparse*/generator_*.py*.yaml生成atk case -f aclSparseSddmm.yaml -p generator_aclSparseSddmm.py运行时会自动--gen若 JSON 不存在【免费下载链接】cann-ops-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-ops-competitions创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
ATK_ops-sparse【免费下载链接】cann-ops-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-ops-competitionsaclSparseSDDMM / SpGEMM / SpSM的 ATK 精度验收工程NPU 被测CPU golden可选 GPU 对照。目录结构ATK_ops-sparse/ ├── run_sparse_atk.sh # 统一入口 ├── sparse_executor_common.py # CSR 生成、seed、精度工具 ├── sparse_npu_acl.py # NPU aclsparse 绑定 ├── sparse_gpu_cusparse.py # GPU cuSPARSE 参考路径 ├── aclSparseSddmm/ │ ├── aclSparseSddmm.yaml │ ├── generator_aclSparseSddmm.py │ ├── executor_aclSparseSddmm.py │ └── result/aclSparseSddmm/json/all_aclSparseSddmm.json ├── aclSparseSpgemm/ # 同上结构 └── aclSparseSpsm/ # 同上结构依赖Python 3 PyTorchNPUtorch_npu、已安装libops_sparse.so可设OPS_SPARSE_LIB_PATHGPU可选CUDA libcusparse.soCPU goldenscipySpGEMM β≠0 必需ATK 框架atk命令可用用法cd /home/ATK_ops-sparse # NPU 精度验收推荐 ./run_sparse_atk.sh sddmm npu --gen ./run_sparse_atk.sh spgemm npu -s 0 -e 10 ./run_sparse_atk.sh spsm npu # GPU 对照cuSPARSE vs CPU ./run_sparse_atk.sh spgemm gpu -s 0 -e 3 # 自动选 backendnpu → gpu → cpu ./run_sparse_atk.sh sddmm auto --gen参数说明第 1 个参数sddmm|spgemm|spsm第 2 个参数auto|npu|gpu|cpu默认auto--gen重新生成用例 JSON首次或改 generator 后其余参数透传给atk task如-s 0 -e 10切片用例用例用例定义aclSparse*/generator_*.py*.yaml生成atk case -f aclSparseSddmm.yaml -p generator_aclSparseSddmm.py运行时会自动--gen若 JSON 不存在【免费下载链接】cann-ops-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-ops-competitions创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
