CANN ops-math算子库360+算子完全目录：conversion、math、random三大类算子怎么选？
【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math
ops-math是 CANN（Compute Architecture for Neural Networks）提供的数学类基础计算算子库，实现了360+ 个算子，覆盖 conversion（张量形态变换）、math（数学运算）、random（随机数生成）三大类场景，帮助模型在 NPU 上完成加速计算。本文带你快速摸清这个算子库的"家底"，并给出实用的选型指南。
📦 项目全景：一个目录就是一个算子
ops-math 的目录组织非常直白：每一级目录对应一类算子，每一个子目录对应一个具体算子。三大主目录如下：
| 算子大类 | 目录 | 算子目录数 | 解决的问题 |
|---|---|---|---|
| 张量形态变换 | conversion/ | 98 | 改变张量的"形状和布局"，不改变数值本身 |
| 数学运算 | math/ | 237 | 对张量做逐元素或归约类的数学计算 |
| 随机数生成 | random/ | 28 | 生成各类分布的随机数、实现 Dropout 等 |
另外还有一个 experimental/ 目录，用于存放用户自定义/实验性算子，想贡献自定义算子的开发者可以关注 CONTRIBUTING.md。
每个算子目录内部结构统一（如 conversion/reshape/、math/add/），都包含 README 功能说明、examples/调用示例、op_host/Host 侧实现、op_kernel/Device 侧 Kernel 实现和tests/测试用例。完整的目录层级说明见 docs/zh/install/dir_structure.md。
🔀 conversion 类：只做"变形"，不动数值
conversion 类算子负责张量的形状、顺序、布局变换，是网络数据流转的基础。典型的有：
- 形状类：reshape、squeezev2、unsqueezev3、flatten
- 拼接切分类：concat、split、slice、strided_slice
- 填充补边类：pad_v3（支持 REFLECT、SYMMETRIC 等多种填充模式）、circular_pad、mirror_pad
- 转置类：transpose、transpose_v2
- 填充常量类：zeros_like、fill、mem_set
💡选型信号：当你的需求是"改形状、拼起来、切开、补边、转置"，去 conversion 找。
➕ math 类：算子库的绝对主力（237 个目录）
math 类是数量最大的分类，覆盖神经网络中最常用的数学计算，可以进一步细分为几个子族：
- 逐元素运算：abs、add、mul、div、exp、log、pow、tanh
- 比较与布尔：greater、equal、is_nan、sign
- 归约类：reduce_sum、reduce_max、reduce_mean、cumsum
- 排序与统计：sort、top_k_v2、arg_max_v2、bincount
- 位运算：bitwise_and、left_shift
- 数值检查：is_finite、is_inf、non_finite_check
- 梯度配套：sqrt_grad、rsqrt_grad、tanh_grad 等反向算子
💡选型信号：凡是"对每个元素算个函数""按维度求和/求最大""排序取 TopK"，都是 math 的领地。
🎲 random 类：训练必备的随机数引擎
random 类虽然只有 28 个目录，却直接关系模型训练的复现性：
- Dropout 家族：drop_out_v3、drop_out_v3_grad、drop_out_do_mask_v3
- 无状态随机数（相同 seed+offset 生成相同序列，便于复现）：stateless_normal、stateless_uniform、stateless_randperm
- 基础分布：random_standard_normal_v2、truncated_normal_v2、sim_thread_exponential
💡选型信号：需要"可复现的随机数"时，优先选stateless_前缀的算子；做训练则关注 Dropout 家族。
🧭 三步找到你要的算子
第 1 步：看全量清单。项目提供了带硬件执行单元、aclnn/图模式调用支持情况的完整算子表格 docs/zh/op_list.md，这是最权威的"算子目录索引"。
第 2 步：查 aclnn 接口。如果要用 C API 调用算子，接口统一以aclnn为前缀，全量接口列表见 docs/zh/op_api_list.md。
第 3 步：打开算子 README。每个算子目录下的README.md（如 math/add/README.md）都包含产品支持情况、功能说明、计算公式、参数表，选型前先看这张表即可确认硬件兼容性。
⚙️ 选型避坑：3 条实用经验
1️⃣ V 版本演进，认准最高版本。同一功能可能存在pad/pad_v2/pad_v3、squeeze/squeezev2/squeezev3等多个版本。按 docs/zh/op_list.md 的说明：高版本算子已兼容低版本的全部能力，直接选最高版本即可。
2️⃣ 关注执行硬件单元。大部分算子运行在 AI Core，少部分（如 identity、invert_permutation）运行在 AI CPU。Atlas A2 等 NPU 的硬件架构可参考下图理解 AI Core 与 AI CPU 的分工：
3️⃣ 无硬件也能仿真调试。Ascend 950PR/950DT 算子可通过 CANN Simulator 仿真工具开发调试，仿真流水线如下图所示，没有对应硬件也能先把算子跑通：
🚀 新手快速上手路径
环境部署：先完成 NPU 驱动与 CANN 包安装，步骤见 docs/zh/install/quick_install.md（支持 Docker 环境）
源码获取：源码与 CANN 版本配套发布，按配套标签拉取即可：
git clone -b 9.0.0 https://gitcode.com/cann/ops-math.git跑通示例：examples/ 下提供端到端算子开发/调用示例，如 examples/add_example/（AI Core）、examples/add_example_aicpu/（AI CPU）
学习教程：从零开始请读 docs/QUICKSTART.md，进阶的编译、调用、开发、调优内容在 docs/README.md
✅ 总结
- conversion（98）：张量变形工具箱 —— 改形状、拼接、切分、填充
- math（237）：数学计算主力军 —— 逐元素、归约、排序、比较
- random（28）：训练随机引擎 —— Dropout 与可复现随机数
选型口诀：变形找 conversion，算数找 math，随机找 random；多版本选最高，兼容性看 README，全量清单查 op_list.md。配合本文的目录导航，相信你可以在这 360+ 个算子中快速定位到需要的那一个。🎯
【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
