企业官网建设流程全解析

样例使用指导

【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge

1、功能描述

本样例使用控制边进行构图，旨在帮助构图开发者快速理解控制边的概念和使用控制边进行构图

2、目录结构

cpp/ ├── src/ | └── CMakeLists.txt // CMake构建文件 | └── es_showcase.h // 头文件 | └── make_control_edge_graph.cpp // sample文件 ├── CMakeLists.txt // CMake构建文件 ├── main.cpp // 程序主入口 ├── README.md // README文件 ├── run_sample.sh // 执行脚本 ├── utils.h // 工具文件

3、使用方法

3.1、准备cann包

• 通过安装指导 环境准备正确安装toolkit和ops包
• 设置环境变量 (假设包安装在/usr/local/Ascend/)

source /usr/local/Ascend/cann/set_env.sh

3.2、编译和执行

只需运行下述命令即可完成清理、生成接口、构图和DUMP图：

bash run_sample.sh

当前 run_sample.sh 的行为是：先自动清理旧的 build，构建 sample并默认执行sample dump 。当看到如下信息，代表执行成功：

[Success] sample 执行成功，pbtxt dump 已生成在当前目录。该文件以 ge_onnx_ 开头，可以在 netron 中打开显示

输出文件说明

执行成功后会在当前目录生成以下文件：

• ge_onnx_*.pbtxt- 图结构的protobuf文本格式，可用netron查看

构建图并执行

除了基本的图构建和dump功能外，esb_sample还支持构建图并实际执行计算。

bash run_sample.sh -t sample_and_run

该命令会：

1. 自动生成ES接口
2. 编译sample程序
3. 生成dump图、运行图并输出计算结果

执行成功后会看到：

[Success] sample_and_run 执行成功，pbtxt和data输出dump 已生成在当前目录

可通过data文件查看计算结果

3.3、日志打印

可执行程序执行过程中如果需要日志打印来辅助定位，可以在bash run_sample.sh之前设置如下环境变量来让日志打印到屏幕

export ASCEND_SLOG_PRINT_TO_STDOUT=1 #日志打印到屏幕 export ASCEND_GLOBAL_LOG_LEVEL=0 #日志级别为debug级别

3.4、图编译流程中DUMP图

可执行程序执行过程中，如果需要DUMP图来辅助定位图编译流程，可以在 bash run_sample.sh -t sample_and_run 之前设置如下环境变量来DUMP图到执行路径下

export DUMP_GE_GRAPH=2

4、核心概念介绍

4.1、构图步骤如下：

• 创建图构建器(用于提供构图所需的上下文、工作空间及构建相关方法)
• 添加起始节点(起始节点指无输入依赖的节点，通常包括图的输入(如 Data 节点)和权重常量(如 Const 节点))
• 添加中间节点(中间节点为具有输入依赖的计算节点，通常由用户构图逻辑生成，并通过已有节点作为输入连接)
• 设置图输出(明确图的输出节点，作为计算结果的终点)

4.2、控制边（Control Edge）

概念说明：控制边用于在计算图中指定节点的执行顺序，即使这些节点之间没有数据依赖关系。控制边不传递数据，只传递控制信号，确保源节点在目标节点之前执行。

构图 API 特点：

• ES API 提供了AddControlEdge()方法，支持在 C++、C使用
• 可以为一个目标节点添加多个源节点的控制依赖

5、控制依赖关系示例

本文档展示如何在 C 和 C++ 层面表达控制依赖关系。

5.1、场景说明

假设我们有以下计算需求：

节点1: tensor_a = Const(1.0) 节点2: tensor_b = Const(2.0) 节点3: tensor_c = Add(tensor_a, tensor_b) 控制依赖: tensor_c 必须在 tensor_a 和 tensor_b 之后执行

虽然Add操作已经有数据依赖(依赖 tensor_a 和 tensor_b)，但这里我们用它来演示控制依赖的表达方式。

5.2、C 层 API 示例

#include "esb_funcs.h" // 1. 创建图构建器 EsCGraphBuilderPtr builder = EsCreateGraphBuilder("control_dep_example"); // 2. 创建节点 EsCTensorHolderPtr tensor_a = EsCreateScalarFloat(builder, 1.0f); EsCTensorHolderPtr tensor_b = EsCreateScalarFloat(builder, 2.0f); // 3. 创建依赖目标节点（假设有 EsAdd 函数） EsCTensorHolderPtr tensor_c = EsAdd(tensor_a, tensor_b); // 4. 添加控制依赖：tensor_c 依赖于 tensor_a 和 tensor_b EsCTensorHolderPtr src_tensors[] = {tensor_a, tensor_b}; uint32_t ret = EsAddControlEdge(tensor_c, src_tensors, 2); if (ret != 0) { printf("Failed to add control dependency\n"); // 错误处理 } // 5. 设置输出并构建图 EsSetGraphOutput(tensor_c, 0); EsCGraphPtr graph = EsBuildGraph(builder); // 6. 清理 EsDestroyGraphBuilder(builder);

5.3、C++ 层 API 示例

# include "es_graph_builder.h" using namespace ge::es; void build_graph_with_control_dep() { // 1. 创建图构建器 EsGraphBuilder builder("control_dep_example"); // 2. 创建节点 auto tensor_a = builder.CreateScalar(1.0f); auto tensor_b = builder.CreateScalar(2.0f); // 3. 创建依赖目标节点 && 添加控制依赖 auto tensor_c = Add(tensor_a, tensor_b) (void) tensor_c.AddControlEdge({tensor_a, tensor_b}); // 5. 设置输出并构建 builder.SetOutput(tensor_c, 0); auto graph_ptr = builder.build_and_reset(); }

【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge