CANN稀疏矩阵GPU测试

gpu_test-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-competitionsSDDMM / SpGEMM / SpSM的 GPU 内部验证cuSPARSE 精度vs scipy 固定 3 组性能 benchmark填任务书 GPU 参考耗时。不涉及 NPU不走 ATK 框架。目录结构gpu_test-ops-sparse/ ├── run_all_gpu.sh # 精度三算子各 200 case ├── run_perf_gpu.sh # 性能每算子 3 组 fixed case ├── run_perf_gpu.py ├── run_sddmm_gpu.py ├── run_spgemm_gpu.py ├── run_spsm_gpu.py ├── generate_cases.py # 重新生成 cases/*.json ├── cases/ │ ├── sddmm_cases.json # 200 条前 3 条 任务书 fixed case │ ├── spgemm_cases.json │ └── spsm_cases.json └── lib/ ├── sparse_gpu_cusparse.py ├── sparse_common.py ├── case_generator.py ├── case_builder.py ├── runner_common.py ├── perf_cases.py └── gpu_timing.py依赖Python 3 PyTorchCUDAlibcusparse.so可设CUSPARSE_LIB_PATHnumpy、scipySpGEMM β≠0 必需用法cd /home/z00889627/gpu_test-ops-sparse # 精度三算子 smoke前 3 条 fixed case ./run_all_gpu.sh --start 0 --end 3 # 精度单算子全量 200 case python3 run_spgemm_gpu.py # 性能三算子 fixed case输出填任务书 ./run_perf_gpu.sh --markdown # 性能单算子 ./run_perf_gpu.sh --op sddmm --markdown # 重新生成 200 case JSON python3 generate_cases.py与 ATK 的关系项目gpu_test-ops-sparseATK_ops-sparse目的GPU 参考实现验证 填任务书耗时NPU 正式验收用例cases/*.json200/算子generator_*.py~500/算子NPU不涉及被测对象修改 cuSPARSE 封装时需同步lib/sparse_gpu_cusparse.py与ATK_ops-sparse/sparse_gpu_cusparse.py。【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