函数：set_kernel_workspace_sizes
函数：create_kernel
| C函数原型 | aclError aclopCreateKernel(const char *opType, const char *kernelId, const char *kernelName, void *binData, int binSize, aclopEngineType enginetype, aclDataDeallocator deallocator) |
|---|---|
| Python函数 | ret = acl.op.create_kernel(op_type, kernel_id, kernel_name, bin_data, bin_size, enginetype, deallocator) |
| 函数功能 | 动态Shape场景下，将算子注册到系统内部，运行算子时使用。 |
| 输入说明 | op_type：str，算子类型。 kernel_id：str，算子执行时要指定的Kernel ID。 kernel_name：str，算子Kernel名称，和算子二进制文件中的kernelName保持一致。 bin_data：int，算子Kernel文件的内存地址。 bin_size：int，算子Kernel文件的内存大小，单位为byte。 enginetype：int，表示算子执行引擎，该参数只有acl.op.update.params接口的compile_flag参数值为ACL_COMPILE_SYS时有效。 - 0：ACL_ENGINE_SYS，不关心具体执行引擎时填写。 - 1：ACL_ENGINE_AICORE，将算子编译成AI Core算子。 - 2：ACL_ENGINE_VECTOR，将算子编译成Vector Core算子。 **deallocator：**int，指定是否自动释放bin_data内存。 - 0：不自动释放，数据由调用者自行编写代码进行释放。 - 1：自动释放，内部会设置回调函数释放bin_data内存。 |
| 返回值说明 | ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。 |
| 约束说明 | 无 |
父主题： 算子编译
函数：set_kernel_args
| C函数原型 | aclError aclopSetKernelArgs(aclopKernelDesc *kernelDesc, const char *kernelId, uint32_t blockDim, const void *args, uint32_t argSize) |
|---|---|
| Python函数 | ret = acl.op.set_kernel_args(kernel_desc, kernel_id, block_dim, args, arg_size) |
| 函数功能 | 动态Shape场景下，设置算子Tiling参数、执行并发数。 |
| 输入说明 | kernel_desc：int，Kernel描述缓存，aclopKernelDesc类型的指针地址。 kernel_id：str，算子执行时要指定的Kernel ID，与调用acl.op.create.kernel时传递的kernel_id一致。 **block_dim：**int，Kernel执行的并发数。 bin_data：int，算子Kernel文件的内存地址。 bin_size：int，算子Kernel文件的内存大小，单位为byte。 **args：**int，Tiling参数，需要通过numpy数组tobytes方法获取bytes对象，然后使用acl.utils.bytes_to_ptr()接口获取Tiling参数指针地址。 arg_size：int，Tiling参数内存大小，单位为Byte，为numpy.tobytes()转换得到bytes的对象长度，可用len函数获取。 |
| 返回值说明 | ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。 |
| 约束说明 | 无 |
父主题： 算子编译
函数：set_kernel_workspace_sizes
| C函数原型 | aclError aclopSetKernelWorkspaceSizes(aclopKernelDesc *kernelDesc, int numWorkspaces, size_t *workspaceSizes) |
|---|---|
| Python函数 | ret = acl.op.set_kernel_workspace_sizes(kernel_desc, num_workspaces, workspace_sizes) |
| 函数功能 | 动态Shape场景下，设置算子Workspace参数。 |
| 输入说明 | kernel_desc：int，Kernel描述缓存，aclopKernelDesc类型的指针地址。 num_workspaces：int，Workspaces个数。 **workspace_sizes：**int，Workspaces大小的数组地址。 |
| 返回值说明 | ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。 |
| 约束说明 | 为非必须接口，根据算子情况可选。 |
父主题： 算子编译
函数：update_params
| C函数原型 | aclError aclopUpdateParams(const char *opType, int numInputs, const aclTensorDesc *const inputDesc[], int numOutputs, const aclTensorDesc *const outputDesc[], const aclopAttr *attr**)** |
|---|---|
| Python函数 | ret = acl.op.update_params(op_type, input_desc, output_desc, attr) |
| 函数功能 | 动态Shape场景下，设置算子Tiling参数、执行并发数。 |
| 输入说明 | op_type：str，算子类型名称。 input_desc：list，算子输入tensor的描述。 output_desc：list，算子输出tensor的描述。 attr：int，算子属性。 |
| 返回值说明 | ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。 |
| 约束说明 | 无 |
父主题： 算子编译
总体说明
在图像检索场景，通常使用深度学习算法处理目标等感兴趣的图像，提取出高维特征向量，并将一组感兴趣的图像提取得到的特征向量作为底库，待搜索的特征向量与底库中的向量依次进行相似度计算，按相似度排序返回检索结果。为了进一步降低存储和计算的开销，对浮点型长特征向量进行量化处理、转换为短特征再进行检索比对的技术被广泛应用。
昇腾AI处理器支持基于硬件加速的PQ短特征检索，提供特征底库的添加/删除接口，特征向量的修改/删除接口、以及执行检索接口，支持长度为32 Byte的短特征向量，支持设置返回TOP结果的数量，支持1:N和N:M检索模式。用户需要自行准备短特征底库，以及生成待检索向量的ADC表，流程如下：
图1 流程示意
检索比对过程示意图如下所示：
ADC表是大小为32KByte的查找表，使用时需要将表的内容以无符号字符的格式传入对应接口。
父主题： 特征向量检索
函数：init
| C函数原型 | aclError **aclfvInit(**aclfvInitPara *initPara) |
|---|---|
| Python函数 | ret = acl.fv.init(init_para) |
| 函数功能 | 初始化特征检索模块。同步接口。与 acl.fv.release接口配套使用。 Atlas 200/500 A2推理产品不支持该接口。 |
| 输入说明 | init_para：int，指定特征向量检索的初始化参数。 - 调用acl.fv.create_init_para接口创建aclfvInitPara类型的数据。 - 1:N场景下调用acl.fv.set_1n_top_num接口设置返回的topK结果数量的最大值，不设置时，默认返回的topK结果数量的最大值为4800。 - N:M场景下调用acl.fv.set_nm_top_num接口设置返回的topK结果数量的最大值，不设置时，默认返回的topK结果数量的最大值为500。 |
| 返回值说明 | ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。 |
| 约束说明 | 一个进程内只能调用一次acl.fv.init接口。 |
父主题： 特征向量检索
在线提单