PidProcessCapabilityMetrics 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测试数据benchmark 使用确定性合成过程数据values[B, N]以 50 为中心叠加不同回路 drift、scale 和周期扰动。lsl[B]固定为 47。usl[B]固定为 53。少量样本注入越限点用于验证out_of_spec_count和out_of_spec_ratio。输出指标顺序mean,std_sample,std_population,cp,cpu,cpl,cpk,pp,ppk,out_ratio,out_count,min,max对比口径CPU 侧提供两类基线cpu_parallelWelford 稳定方差多线程持久线程池。cpu_fast_parallelsum/sum_sq快速方差多线程持久线程池。NPU 侧提供两类时间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。npu_kernel更适合评价算子本身npu_e2e更适合评价 CPU 数据源直接调用的整体收益。准确度NPU 输出与 CPU Welford 参考最大绝对误差BNmax_abs_err12840961.41144e-451240961.41144e-4102481922.86102e-4204840961.44958e-4409640961.56403e-4204881922.86102e-4误差来自 float32 累加和 NPU kernel 内部近似开方满足过程能力指标巡检场景的精度要求。性能结果BNCPU Welford 64T msCPU fast 64T msNPU kernel msNPU e2e mskernel / CPU faste2e / CPU fast12840960.4756540.3653820.1722930.7943432.12070x0.45998x51240961.9902700.6457670.1779891.0830303.62813x0.59626x102481922.7880001.2094900.2906234.3906704.16172x0.27547x204840962.7321801.1271600.1910541.9789005.89967x0.56959x409640965.7811402.1808600.19033920.71280011.45780x0.10529x204881924.9631201.8882500.30403312.0506006.21066x0.15669x结论PidProcessCapabilityMetrics的 kernel-only 性能相对 CPU 多线程有明确优势相对更苛刻的cpu_fast_parallel基线仍有约 2.1x 到 11.5x 加速。如果输入数据已经位于 NPU或者 Cpk/Ppk 是 NPU 侧整定、仿真、评分流水线中的一个融合后处理步骤该算子有工程价值。如果输入来自 CPU 且只做一次 Cpk/Ppk 计算端到端收益取决于 H2D/D2H 拷贝成本数据搬移可能抵消 kernel 优势。此时建议将该算子作为 NPU 流水线的一环使用或继续做多窗口批处理与上游算子融合减少主机与设备之间的数据搬移。复现命令source /usr/local/Ascend/ascend-toolkit/set_env.sh cd prediction/ProcessControl/PIDModelFit/pid_process_capability_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_process_capability_metrics 3 ./build/benchmark_pid_process_capability_metrics 3 128 4096 20 3 64 ./build/benchmark_pid_process_capability_metrics 3 512 4096 10 2 64 ./build/benchmark_pid_process_capability_metrics 3 1024 8192 5 2 64 ./build/benchmark_pid_process_capability_metrics 3 2048 4096 5 2 64 ./build/benchmark_pid_process_capability_metrics 3 4096 4096 3 1 64 ./build/benchmark_pid_process_capability_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
