make_tuple 快速构建元组Ascend C 的 tuple 实用指南【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言原生支持C和C标准规范主要由类库和语言扩展层构成提供多层级API满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit在 CANN 算子开发语言 Ascend C 中AscendC::Std::make_tuple是一个函数模板传入任意几个参数它自动推断类型并返回一个tuple对象让你用一行代码完成打包。快速上手在 AICore 算子代码中这样写#include kernel_operator.h using namespace AscendC; using namespace AscendC::Std; ASCENDC_HOST_AICORE MyKernel() { auto result AscendC::Std::make_tuple(22, 3.3f, true); uint32_t a AscendC::Std::get0(result); // 22 float b AscendC::Std::get1(result); // 3.3f }这段代码做了两件事用make_tuple把三个不同类型的值打包成元组再用getN按序号取出。全程不需要手写类型列表。它解决了什么问题在 AICore 算子里经常需要同时传递一组类型各异的数据——比如偏移量 缩放系数 边界标志。手写结构体意味着先定义一个struct再逐个赋值写几个字段就重复几遍。make_tuple就像快递柜的自动分拣把物品丢进去它按顺序编号存放取的时候报编号即可。它省去了定义包装结构体的步骤类型由编译器根据实参自动推断内部通过unwrap_decay_t处理代码更短、意图更直接。对比标准 C 的std::tuple/std::make_tupleAscendC::Std::make_tuple是为 AI Core 侧执行环境裁剪的版本元素个数上限 64且明确支持LocalTensor、GlobalTensor这类张量类型——这正是算子开发场景里最常用到的。函数签名与参数详解template typename ...Tps __aicore__ inline constexpr tupleunwrap_decay_tTps... make_tuple(Tps ...args)参数类型含义取值范围Tps...模板参数包由实参推断出的元素类型经unwrap_decay_t规整后组成tuple的类型列表个数 [0, 64]args...函数参数包实际传入的值以转发引用接收个数 [0, 64]两个参数包是配对的args第 N 个决定Tps第 N 个。 建议返回值通常写成auto t make_tuple(...)即可无需手动拼类型列表只有后续需要把元组存到全局或跨函数传递时才要显式写出tuple...。支持的平台产品是否支持Ascend 950PR / Ascend 950DT√Atlas A3 训练系列 / Atlas A3 推理系列√Atlas A2 训练系列 / Atlas A2 推理系列√各平台支持的数据类型基本一致bool、int4b_t、int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t、LocalTensor、GlobalTensor。其中 Ascend 950PR/950DT 额外支持 fp8_e8m0_t。使用限制与踩坑提醒⚠️元素上限 64tuple 实例化深度为 64超过 64 个字段就超出设计边界。如果字段这么多考虑用结构体或分拆多个元组。需要强转时务必显式强转类型推断基于实参make_tuple(1, 2.5f)第一个元素会被推断为int而不是float。想让1以float身份入组写成make_tuple(1.0f, 2.5f)或static_castfloat(1)。不支持数组等可变长度类型数组没有固定标量类型的语义塞进去会失败。需要传数组时先用指针或张量封装。不支持隐式转换构造函数自定义类型若有隐式构造路径unwrap_decay_t推断可能给出你意想不到的类型显式指定更稳妥。⚠️与 SIMT 编译互斥源码中明确启用--enable-simt编译时不能包含tuple.hSIMT 路径下请使用 SIMT 侧的对应能力。返回值返回一个tupleunwrap_decay_tTps...对象其中每个元素是传入参数的副本值语义不是引用或别名。修改元组内部元素不会影响原始变量反之亦然。函数标注为inline constexpr简单类型组合可在编译期完成。实战示例场景一混合标量 张量典型的算子参数打包LocalTensorAscendC::TPosition::UB x g_ub.GetLocalTensorfloat(); GlobalTensorAscendC::TPosition::GM gm_x tiling.x; auto pack AscendC::Std::make_tuple(gm_x, x, uint32_t(64), true);把 GM 张量、UB 张量、维度值和标志位打包成一个对象方便在同一段逻辑中整体传递、按需get取用。场景二用显式类型避免推断歧义// 期望 tuplefloat, float而不是 tupleint, float auto t AscendC::Std::make_tuple(float(1), 2.0f);整数字面量默认推断为整型强转后才得到float元素。这是最常见的一类推断与预期不符的坑。更多上下文 APItuple、get、tie等的完整用法请参阅仓库中 tuple 的 API 文档docs/zh/api下的 Std 元组章节头文件源码位于include/utils/std/tuple.h。相关函数AscendC::Std::getN(t)按序号从 tuple 中取出第 N 个元素make_tuple的另一半。AscendC::Std::tie(a, b, c)构造一个持引用语义的元组常用于把已有变量打包接收的场景与make_tuple的值语义互补。AscendC::Std::tupleTs...元组本体类型make_tuple的返回值即由此实例化。【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言原生支持C和C标准规范主要由类库和语言扩展层构成提供多层级API满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
make_tuple 快速构建元组Ascend C 的 tuple 实用指南【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言原生支持C和C标准规范主要由类库和语言扩展层构成提供多层级API满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit在 CANN 算子开发语言 Ascend C 中AscendC::Std::make_tuple是一个函数模板传入任意几个参数它自动推断类型并返回一个tuple对象让你用一行代码完成打包。快速上手在 AICore 算子代码中这样写#include kernel_operator.h using namespace AscendC; using namespace AscendC::Std; ASCENDC_HOST_AICORE MyKernel() { auto result AscendC::Std::make_tuple(22, 3.3f, true); uint32_t a AscendC::Std::get0(result); // 22 float b AscendC::Std::get1(result); // 3.3f }这段代码做了两件事用make_tuple把三个不同类型的值打包成元组再用getN按序号取出。全程不需要手写类型列表。它解决了什么问题在 AICore 算子里经常需要同时传递一组类型各异的数据——比如偏移量 缩放系数 边界标志。手写结构体意味着先定义一个struct再逐个赋值写几个字段就重复几遍。make_tuple就像快递柜的自动分拣把物品丢进去它按顺序编号存放取的时候报编号即可。它省去了定义包装结构体的步骤类型由编译器根据实参自动推断内部通过unwrap_decay_t处理代码更短、意图更直接。对比标准 C 的std::tuple/std::make_tupleAscendC::Std::make_tuple是为 AI Core 侧执行环境裁剪的版本元素个数上限 64且明确支持LocalTensor、GlobalTensor这类张量类型——这正是算子开发场景里最常用到的。函数签名与参数详解template typename ...Tps __aicore__ inline constexpr tupleunwrap_decay_tTps... make_tuple(Tps ...args)参数类型含义取值范围Tps...模板参数包由实参推断出的元素类型经unwrap_decay_t规整后组成tuple的类型列表个数 [0, 64]args...函数参数包实际传入的值以转发引用接收个数 [0, 64]两个参数包是配对的args第 N 个决定Tps第 N 个。 建议返回值通常写成auto t make_tuple(...)即可无需手动拼类型列表只有后续需要把元组存到全局或跨函数传递时才要显式写出tuple...。支持的平台产品是否支持Ascend 950PR / Ascend 950DT√Atlas A3 训练系列 / Atlas A3 推理系列√Atlas A2 训练系列 / Atlas A2 推理系列√各平台支持的数据类型基本一致bool、int4b_t、int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t、LocalTensor、GlobalTensor。其中 Ascend 950PR/950DT 额外支持 fp8_e8m0_t。使用限制与踩坑提醒⚠️元素上限 64tuple 实例化深度为 64超过 64 个字段就超出设计边界。如果字段这么多考虑用结构体或分拆多个元组。需要强转时务必显式强转类型推断基于实参make_tuple(1, 2.5f)第一个元素会被推断为int而不是float。想让1以float身份入组写成make_tuple(1.0f, 2.5f)或static_castfloat(1)。不支持数组等可变长度类型数组没有固定标量类型的语义塞进去会失败。需要传数组时先用指针或张量封装。不支持隐式转换构造函数自定义类型若有隐式构造路径unwrap_decay_t推断可能给出你意想不到的类型显式指定更稳妥。⚠️与 SIMT 编译互斥源码中明确启用--enable-simt编译时不能包含tuple.hSIMT 路径下请使用 SIMT 侧的对应能力。返回值返回一个tupleunwrap_decay_tTps...对象其中每个元素是传入参数的副本值语义不是引用或别名。修改元组内部元素不会影响原始变量反之亦然。函数标注为inline constexpr简单类型组合可在编译期完成。实战示例场景一混合标量 张量典型的算子参数打包LocalTensorAscendC::TPosition::UB x g_ub.GetLocalTensorfloat(); GlobalTensorAscendC::TPosition::GM gm_x tiling.x; auto pack AscendC::Std::make_tuple(gm_x, x, uint32_t(64), true);把 GM 张量、UB 张量、维度值和标志位打包成一个对象方便在同一段逻辑中整体传递、按需get取用。场景二用显式类型避免推断歧义// 期望 tuplefloat, float而不是 tupleint, float auto t AscendC::Std::make_tuple(float(1), 2.0f);整数字面量默认推断为整型强转后才得到float元素。这是最常见的一类推断与预期不符的坑。更多上下文 APItuple、get、tie等的完整用法请参阅仓库中 tuple 的 API 文档docs/zh/api下的 Std 元组章节头文件源码位于include/utils/std/tuple.h。相关函数AscendC::Std::getN(t)按序号从 tuple 中取出第 N 个元素make_tuple的另一半。AscendC::Std::tie(a, b, c)构造一个持引用语义的元组常用于把已有变量打包接收的场景与make_tuple的值语义互补。AscendC::Std::tupleTs...元组本体类型make_tuple的返回值即由此实例化。【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言原生支持C和C标准规范主要由类库和语言扩展层构成提供多层级API满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
