zhaoying9105/mlu-ops

Efficient operation implementation based on the Cambricon Machine Learning Unit (MLU) .

Cambricon MLU-OPS

MLU-OPS 提供基于寒武纪机器学习单元（Machine Learning Unit，MLU），使用 C 接口或者 Python 接口开发高性能算子的示例代码。

依赖条件

• 操作系统：
  • 目前只支持 Ubuntu 16.04 x86_64
• 寒武纪 MLU SDK：
  • 编译和运行时依赖 CNToolkit v2.6.1 版本
• 寒武纪 MLU 驱动：
  • 运行时依赖驱动 v4.15.3 或更高版本
• 外部链接库：
  • libxml2-dev libprotobuf-dev protobuf-compiler llvm-6.0-dev
• Python环境：
  • 依赖Python-3.8.0版本

MLU-OPS 依赖环境准备

• 获取 MLU-OPS 代码

  git clone https://github.com/Cambricon/mlu-ops.git

• 准备 CNToolkit 环境

  sudo apt-get install ./cntoolkit-x.x.x_ubuntuxx.xx_amd64.deb
  sudo apt-get update
  sudo apt-get install cncc cnas cnbin cndrv cnrt cnrtc

• 准备 Python-3.8.0 环境

  wget https://www.python.org/ftp/python/3.8.0/Python-3.8.0.tgz
  tar -xvf Python-3.8.0.tgz
  cd Python-3.8.0
  make -j24 && make install

• 准备 BANGPy 环境

  pip3.8 install bangpy-x.x.x-py3-none-any.whl

• 准备链接库环境

  sudo apt-get update
  sudo apt-get install protobuf-compiler libxml2-dev libprotobuf-dev llvm-6.0-dev

编译和运行测试用例

当前C接口（BANGC）和 Python接口（BANGPy）开发编译和测试分开，后续会将两种接口开发编译、测试统一到一起。

• C 接口请参考文档 README.md。
• Python 接口请参考文档 README.md。

新算子开发流程

详情可以参考文档 BANGC-OPS 算子开发流程.md、 BANGPy-OPS 算子开发流程.md 以及 docs 目录下的其它补充说明， 同时也需要参考 C 接口说明文档README.md 和 Python 接口说明文档README.md。

目录文件结构

目录/文件	描述
bangc-ops	C 接口算子开发目录
bangpy-ops	Python 接口算子开发目录
docker	存放docker打包脚本，提供CI构建环境。
docs	算子开发、测试、精度验收的说明文档。