mindspore-ai/akg/cpu-basics
Claude Code and agent skill by mindspore-ai/akg
- community
Checking that the SKILL.md file is still in the repository.
CPU C++ 算子核心概念、标准结构模式、KernelBench 代码规范和内嵌扩展方法
Install
npx vskill@latest install mindspore-ai/akg/cpu-basicsSKILL.md
The same SKILL.md was published earlier as mindspore-ai/akg/cpu-basics.
CPU C++ 编程基础
1. 核心概念
内核 (Kernel)
- 定义: 使用
PYBIND11_MODULE注册的 C++ 函数,编译后在 CPU 上执行 - 特点: 直接操作张量数据指针,支持多种数据类型
- 形式: 使用 PyTorch C++ 扩展,通过
load_inline动态编译加载
张量处理
- 连续性: 确保张量内存布局连续,避免非连续访问
- 类型统一: 内部计算使用统一类型(优先 float32/float64/int32/int64),最后转换回原类型
- 边界检查: 所有数组访问前必须检查边界
内存管理
- 自动管理: PyTorch 自动管理张量内存生命周期
- 指针操作: 直接操作数据指针进行高效计算
- 类型安全: 确保指针类型与张量类型匹配
2. 标准内核结构(五步模式)
所有 CPU C++ 内核都遵循相同的五步结构模式:
3. KernelBench 标准代码格式
重要: 生成的代码必须遵循 KernelBench 格式规范,使用 Python 模块内嵌 C++ 代码 的方式。
完整模板示例
参考示例位置: akg_agents/python/akg_agents/op/resources/docs/cpu_docs/examples/torch_xxx_kernel.py
关键要点
- 内嵌 C++ 代码: 使用三引号字符串包含完整的 C++ 源码
- 动态编译: 使用
load_inline动态编译并加载扩展 - PYBIND11 注册: 必须使用
PYBIND11_MODULE宏注册算子 - Python 接口: 提供简洁的 Python 函数包装
- 不包含测试代码: 生成的代码中不要包含任何测试代码
4. 三种基本编程模式
4.1 元素级操作模式
适用于激活函数、逐元素运算等简单操作。
4.2 归约操作模式
适用于求和、最大值、最小值等聚合操作。
4.3 边界安全处理模式
确保所有操作都有适当的边界检查和错误处理。
5. 核心 API 参考
张量类型检查与转换
连续性检查
数据指针获取
张量创建与属性
边界检查
6. 编程约束与最佳实践
必须遵循的规则
- 边界检查: 所有数组访问前必须检查边界
- 类型安全: 确保指针类型与张量类型匹配
- 连续性保证: 处理前确保张量内存连续
- 类型支持: 优先支持 float32/float64/int32/int64,其他类型自动转换
内核设计原则
- 单一职责: 每个函数只做一件事
- 参数简单: 避免复杂的数据结构传递
- 避免动态分配: 内核内避免 new/delete
- 清晰注释: 添加充分的注释说明计算逻辑
OpenMP并行编程约束
- ⚠️ 关键约束: OpenMP运行时API调用位置限制
- 禁止场景: 不得在SIMD区域、并行区域的intervening code中调用
omp_get_thread_num()等OpenMP运行时API - 正确用法: OpenMP API应在并行区域内的正常代码路径中调用,而非在编译器受限的上下文中
- 错误示例:
``cpp // ❌ 错误:在受限上下文中调用OpenMP API std::mt19937 gen(seed + omp_get_thread_num()); // 编译错误! ``
- 正确示例:
``cpp // ✅ 正确:在并行区域内正常调用 #pragma omp parallel { int tid = omp_get_thread_num(); // 正确 std::mt19937 gen(seed + tid); } ``
- 线程安全: 确保每个线程有独立的随机数生成器实例
- 数据竞争: 避免多个线程同时写入同一内存位置
代码风格要求
- 不包含测试代码: 生成的代码不要包含任何测试代码
- 内嵌 C++ 格式: C++ 代码必须写在三引号字符串中
- 保持格式清晰: 适当的缩进和换行
- 描述性命名: 使用清晰的变量名和函数名
7. 更多示例参考
更多完整的算子实现示例,请参考:
- 基础文档:
akg_agents/python/akg_agents/op/resources/docs/cpu_docs/basic_docs.md - 优化建议:
akg_agents/python/akg_agents/op/resources/docs/cpu_docs/suggestion_docs.md - API 手册:
akg_agents/python/akg_agents/op/resources/docs/cpu_docs/api/api.md - 代码模板:
akg_agents/python/akg_agents/op/resources/docs/cpu_docs/examples/torch_xxx_kernel.py
这些文档提供了完整的实现指南和参考模板。
Security
- Security scanPassed, 95 of 100Pattern checks on the skill's files.
- Model reviewPassed
Quality evaluation
- Task evaluationNot runNo evaluation yet. Run one in Skill Studio.
Source
- SKILL.md in the repositoryCheckingakg_agents/python/akg_agents/op/resources/skills/cpp/guides/cpu-basics/SKILL.md
Popularity
- Repository stars
- 259
- Repository forks
- 48
- 7-day trend score
- 28
Stars and forks are for the whole GitHub repository, not this skill alone. Not refreshed yet.
Works with
Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.
- Claude Code
- Cursor
- GitHub Copilot
- Windsurf
- Codex
- Gemini CLI
- Cline
- Amp
- Roo Code
- Goose
- Continue
- Kilo Code
- Junie
- Trae
- OpenHands
- Qwen Code
- AI Agent
- Tabnine Chat
- Sourcegraph Cody
- Amazon Q
- Firebase Genkit
- Sweep
- Devin
- Phind
- Mentat
- Claude Desktop
- Aider
- GPT Pilot
- Plandex
- bolt.new
- v0
- Replit Agent
- Anse
- TypingMind
- BetterChatGPT
- LibreChat
- Warp AI
- Pieces
- Fig AI
Embed badge
[](https://verified-skill.com/skills/mindspore-ai/akg/cpu-basics)