PidFopdtBasisGemmFit 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

• 设备：Ascend910B3，device 3
• 机器：node202
• 构建：cmake -S . -B build -DCMAKE_BUILD_TYPE=Release -DSOC_VERSION=Ascend910B3
• CPU 基线：64 线程完整 fit，包含dot = y_centered @ basis_t和 best reduce

测试命令

source /usr/local/Ascend/ascend-toolkit/set_env.sh cd prediction/ProcessControl/PIDModelFit/pid_fopdt_basis_gemm_fit cmake -S . -B build -DCMAKE_BUILD_TYPE=Release -DSOC_VERSION=Ascend910B3 cmake --build build -j 2 export LD_LIBRARY_PATH="$PWD/build:$PWD/build/lib:${LD_LIBRARY_PATH:-}" ./build/test_aclnn_pid_fopdt_basis_gemm_fit 3 ./build/benchmark_pid_fopdt_basis_gemm_pipeline 3 64 1024 256 5 2 64

正确性

smoke 已通过：

PidFopdtBasisGemmFit smoke best_sse=[1, 12] best_k=[1.5, 2] best_idx=[2, 1] PASSED

pipeline benchmark 与 CPU reference 对比：

max_abs_sse=0.00378418 max_rel_sse=0.00378418 max_abs_k=1.54972e-06 idx_diff_count=0

性能结果

B=64,N=1024,M=256：

FOPDT 扩展规模：

口径说明

• resident e2e：输入已在 Device，只统计aclnnMatmul + custom reduce + best result D2H。
• cold e2e：统计输入 H2D、aclnnMatmul + custom reduce和 best result D2H。
• dot[B, M]常驻 Device，不回传 Host，直接作为 reduce 算子的输入。

结论

FOPDT basis-GEMM pipeline 在 resident 和 cold e2e 两种口径下均显著快于 CPU 64 线程完整 fit，适合作为多回路、多候选 PID 模型辨识的 NPU 主线实现。

【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