PidControlPerformanceMetrics 测试报告【免费下载链接】mat-chem-sim-pred面向工业领域聚焦计算仿真、预测两大核心场景构建面向流程工业机理数据双轮驱动的领域计算层推动AI for Science在材料化学领域的深度应用。项目地址: https://gitcode.com/cann/mat-chem-sim-pred测试环境NPU 环境node202CANNAscend Toolkit/usr/local/Ascend/ascend-toolkit/latestSOCAscend910B3NPU device3CPU 对比线程数64数据类型float32测试口径npu_kernel输入已在 Device 上仅统计算子执行时间。npu_e2e包含 H2D 输入拷贝、kernel 执行、D2H 输出拷贝。cpu_parallelCPU 多线程持久线程池一次扫描融合计算 20 个指标。该算子主要用于 NPU 侧整定/仿真/评分流水线的融合后处理。若数据来自 CPU 且只单独调用一次端到端收益需要单独评估。准确度NPU 输出与 CPU double 参考比较最大相对误差保持在1e-4以内。最大绝对误差通常出现在ITAE因为该指标会随时间权重和窗口长度累加到1e7量级float32 累加的绝对误差会被放大但相对误差仍较小。BNmax_abs_errabs err metricmax_rel_err12840966.5ITAE4.83386e-551240966.75ITAE5.11775e-51024819246ITAE7.29049e-5204840967.25ITAE5.26023e-52048819247ITAE7.49399e-5性能结果BNCPU single msCPU 64T msNPU kernel msNPU e2e mskernel / CPU 64Te2e / CPU 64T12840965.914470.4648420.02816880.75905416.502x0.612x512409624.17340.9934330.04629953.0049121.457x0.331x1024819296.50963.870550.055296614.426569.996x0.268x20484096131.1014.779990.05547869.6438386.159x0.496x40964096258.3197.501800.09356437.7467580.178x0.968x20488192251.82310.13500.10055811.0751100.788x0.915x结论PidControlPerformanceMetrics相比单独的 Cpk/Ppk 指标更适合 NPU一次扫描融合 20 个指标kernel-only 相对 64 线程 CPU 有约16x到100x加速。端到端结果仍受 H2D/D2H 拷贝主导。对于4096 x 4096和2048 x 8192这类较大规模NPU e2e 已接近 CPU 64 线程如果pv/sp来自上游 NPU 仿真或模型评分并保持 device-resident收益会更明显。因此该算子的推荐定位不是“CPU 侧单独调用一次指标计算”而是“整定/仿真/评分 NPU 流水线的融合后处理算子”。复现命令source /usr/local/Ascend/ascend-toolkit/set_env.sh cd prediction/ProcessControl/PIDModelFit/pid_control_performance_metrics cmake -S . -B build -DCMAKE_BUILD_TYPERelease -DSOC_VERSIONAscend910B3 cmake --build build -j 2 export LD_LIBRARY_PATH$PWD/build:$PWD/build/lib:$LD_LIBRARY_PATH ./build/test_aclnn_pid_control_performance_metrics 3 ./build/benchmark_pid_control_performance_metrics 3 128 4096 20 3 64 ./build/benchmark_pid_control_performance_metrics 3 512 4096 10 2 64 ./build/benchmark_pid_control_performance_metrics 3 1024 8192 5 2 64 ./build/benchmark_pid_control_performance_metrics 3 2048 4096 10 2 64 ./build/benchmark_pid_control_performance_metrics 3 4096 4096 3 1 64 ./build/benchmark_pid_control_performance_metrics 3 2048 8192 3 1 64【免费下载链接】mat-chem-sim-pred面向工业领域聚焦计算仿真、预测两大核心场景构建面向流程工业机理数据双轮驱动的领域计算层推动AI for Science在材料化学领域的深度应用。项目地址: https://gitcode.com/cann/mat-chem-sim-pred创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考