# NPU compiler
produce NPU instructions
## Release Notes
### Release 1.5.11
- GRUS支持Transpose HWC转WHC
- GRUS临时内存优化。
- BUG修复。
### Release 1.5.10
- GRUS取消全连接权重必须小于65536的限制。
- GRUS支持DepthwiseConv2d SAME模式。
- GRUS编译时-v参数可打印出权重个数和flops数。
### Release 1.5.9
- 增加APUS芯片。
- BUG修复。
### Release 1.5.8
- LEO增加AddV2
- GRUS增加配置项FUSE_BIASADD，配置MatMul和BiasAdd，Conv2D和BiasAdd是否融合，默认为False
### Release 1.5.7
- GRUS增加配置项WEIGHT_MIN_MAX，可指定权重量化的最小最大值。
- BUG修复。
### Release 1.5.6
- 编译时不使用GPU.
- GRUS支持多个OP使用同一个权重。
- GRUS支持MatMul的第2个参数是变量而非权重。
- GRUS芯片增加Mean,SquaredDifference,Abs,FusedBatchNormV2,FusedBatchNormV3.
- GRUS芯片增加配置项EXCLUDE_CONV2D_COMPRESS_OPS用于指定某个卷积权重不压缩。
- GRUS芯片增加配置项EXCLUDE_COMPRESS_OPS用于指定某个卷积或全连接权重不压缩。
- GRUS芯片增加`-s`选项用于保存权重的数据分布直方图。
- GRUS芯片优化Conv2D在kernel_width和stride_width相等时的存储和算力。
### Release 1.5.5
- GRUS芯片修复StridedSlice end小于begin时出现的错误。
### Release 1.5.4
- LEO芯片增加CONV2D_COMPRESS配置项，用于配置Conv2D权重是否量化压缩。
- GRUS芯片增加Slice,Shape OP.
- GRUS芯片支持shape为[N,M]和[N,1]做Add,AddV2,Sub,Mul,Div的情况。
- BUG修复。
### Release 1.5.2
- GRUS芯片不再支持Maximum和Minimum.
- GRUS芯片生成的.h文件中增加in_out结构体。
- GRUS芯片增加AddV2,BatchMatMulV2,FusedBatchNorm.
- GRUS芯片优化量化方法，减少量化损失。
- GRUS芯片配置文件增加配置项FUSE_BN，可配置是否把BN参数合并到卷积中，默认不合并。
- BUG修复。
### Release 1.5.1
- GRUS芯片卷积权重默认不压缩，如需压缩，配置文件中指定CONV2D_COMPRESS: true
- 增加Python版本的判断，目前支持Python2.7和Python3.6，不是这些版本则报错。
- 解决Python3安装包在conda环境下安装后，报"undefined symbol: PyFPE_jbuf"的问题。
- GRUS芯片增加Pad OP
- GRUS芯片支持MaxPool和AvgPool的kernel_h或kernel_w为1的情况。
- GRUS芯片模型编译后增加NPU Size的打印信息。
- GRUS芯片优化depthwise_conv2d的内存。
### Release 1.5.0
- 增加GRUS芯片的支持。
### Release 1.0.17
- 优化Transpose,MatMul的计算。
- BUG修复。
### Release 1.0.16
- 配置文件中增加MODEL_INFO字段，可加入用户自定义的模型信息，编译完后该信息和编译时间会加入到npu文件中。
- 优化了Conv2d和DepthwiseConv2d NCHW 1*1卷积核的计算。
- 支持空洞卷积（tf.layers.Conv2D中dilation大于1）。
- BUG修复。
### Release 1.0.15
- 增加OP：Relu6, GatherV2
- 支持SNPU的ReverseV2 OP
- 合并DepthwiseConv2d和Add/BiasAdd运算，优化BiasAdd，提高Rsqrt的精度，优化prelu
- 整合了tensorflow的inference优化脚本，如果模型中的FusedBatchNorm OP前是Conv2D或DepthwiseConv2d，FusedBatchNorm会优化成BiasAdd
- gxnpuc增加-m选项，编译模式时加上该选项可以打印出各个OP的内存信息。
- BUG修复。
### Release 1.0.14
- 增加OP： ListDiff，Abs
- 支持Tile运行时计算
- 优化Concat，Reduce类OP（如Sum, Mean）的计算，节省BatchMatMul的内存空间
- 支持命令行读取配置参数，如 cat config.yaml | gxnpuc
- Bug修复。
### Release 1.0.13
- 支持Select OP
- 加快生成c_code模型的速度。
- 优化SNPU的1*1卷积，转置，减少生成指令大小。
- 增加MEAN_SHRINK_OPS配置项，容易溢出的Mean OP放在该列表中，NPU会先做除法再做加法。
- 生成的模型中增加需要内存总大小：total_size字段。
- BUG修复。
### Release 1.0.12
- 支持新版本TensorFlow的模型有些OP在其输入OP后面的情况。
- 优化1*1的卷积，能减少大量指令，提高执行效率。
- 优化Transpose OP
- 增加模型中间数据的复用，减少模型需要的内存。
- BUG修复。
### Release 1.0.11
- 增加了DepthwiseConv2dNative，AvgPool， Conv2DBackpropInput， Maximum， Minimum， GreaterEqual， LessEqual， Assert， Tile， All， Any， BatchMatMul， ReverseV2， Exp
- 支持做MatMul时，权重（第二个输入数据）在编译阶段不确定的情况。
- BUG修复。
### Release 1.0.10
- 对Conv2D, Slice等OP的优化。
- 增加了Max, Min, FloorDiv, FloorMod OP
- 增加了空间优化的选项，可以根据模型时间敏感还是空间敏感来配置。配置项为 SPACE_OPTIMIZATION：0/1 数字越大表示需要内存空间越小，相应速度会慢，目前只支持0或1。目前只有Conv2D, Slice OP在某些条件下会起作用。
- BUG修复。
### Release 1.0.9
- 针对NPU硬件的问题增加了补丁。
- 优化了Mean, Sum, Conv2D等OP
- 增加对1x1卷积核的支持。
- BUG修复。
### Release 1.0.8 (空缺)
### Release 1.0.7
- 配置文件中可以任意指定输出OP，不执行和输出OP无关的OP
- 增加LogSoftmax OP
- OP优化和BUG修复
### Release 1.0.6
- 配置文件增加新配置项 CORENAME，可以选择 LEO 或 LEO_MPE，默认为 LEO
- 对OP log 和 softmax 合并在一起计算，减少计算误差。
- 加速多 batch LSTM计算，加速归一化计算。
- 参数 fp32 转 fp16 由截位变成四舍五入。
- bug 修复。
Raw data
{
"_id": null,
"home_page": "http://ai.nationalchip.com/",
"name": "npu-compiler",
"maintainer": "",
"docs_url": null,
"requires_python": "",
"maintainer_email": "",
"keywords": "npu gxdnn nationalchip",
"author": "Hangzhou Nationalchip Inc.",
"author_email": "zhengdi@nationalchip.com",
"download_url": "",
"platform": null,
"description": "# NPU compiler\n\nproduce NPU instructions\n\n## Release Notes\n\n### Release 1.5.11\n - GRUS\u652f\u6301Transpose HWC\u8f6cWHC\n - GRUS\u4e34\u65f6\u5185\u5b58\u4f18\u5316\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.5.10\n - GRUS\u53d6\u6d88\u5168\u8fde\u63a5\u6743\u91cd\u5fc5\u987b\u5c0f\u4e8e65536\u7684\u9650\u5236\u3002\n - GRUS\u652f\u6301DepthwiseConv2d SAME\u6a21\u5f0f\u3002\n - GRUS\u7f16\u8bd1\u65f6-v\u53c2\u6570\u53ef\u6253\u5370\u51fa\u6743\u91cd\u4e2a\u6570\u548cflops\u6570\u3002\n\n### Release 1.5.9\n - \u589e\u52a0APUS\u82af\u7247\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.5.8\n - LEO\u589e\u52a0AddV2\n - GRUS\u589e\u52a0\u914d\u7f6e\u9879FUSE_BIASADD\uff0c\u914d\u7f6eMatMul\u548cBiasAdd\uff0cConv2D\u548cBiasAdd\u662f\u5426\u878d\u5408\uff0c\u9ed8\u8ba4\u4e3aFalse\n\n### Release 1.5.7\n - GRUS\u589e\u52a0\u914d\u7f6e\u9879WEIGHT_MIN_MAX\uff0c\u53ef\u6307\u5b9a\u6743\u91cd\u91cf\u5316\u7684\u6700\u5c0f\u6700\u5927\u503c\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.5.6\n - \u7f16\u8bd1\u65f6\u4e0d\u4f7f\u7528GPU.\n - GRUS\u652f\u6301\u591a\u4e2aOP\u4f7f\u7528\u540c\u4e00\u4e2a\u6743\u91cd\u3002\n - GRUS\u652f\u6301MatMul\u7684\u7b2c2\u4e2a\u53c2\u6570\u662f\u53d8\u91cf\u800c\u975e\u6743\u91cd\u3002\n - GRUS\u82af\u7247\u589e\u52a0Mean,SquaredDifference,Abs,FusedBatchNormV2,FusedBatchNormV3.\n - GRUS\u82af\u7247\u589e\u52a0\u914d\u7f6e\u9879EXCLUDE_CONV2D_COMPRESS_OPS\u7528\u4e8e\u6307\u5b9a\u67d0\u4e2a\u5377\u79ef\u6743\u91cd\u4e0d\u538b\u7f29\u3002\n - GRUS\u82af\u7247\u589e\u52a0\u914d\u7f6e\u9879EXCLUDE_COMPRESS_OPS\u7528\u4e8e\u6307\u5b9a\u67d0\u4e2a\u5377\u79ef\u6216\u5168\u8fde\u63a5\u6743\u91cd\u4e0d\u538b\u7f29\u3002\n - GRUS\u82af\u7247\u589e\u52a0`-s`\u9009\u9879\u7528\u4e8e\u4fdd\u5b58\u6743\u91cd\u7684\u6570\u636e\u5206\u5e03\u76f4\u65b9\u56fe\u3002\n - GRUS\u82af\u7247\u4f18\u5316Conv2D\u5728kernel_width\u548cstride_width\u76f8\u7b49\u65f6\u7684\u5b58\u50a8\u548c\u7b97\u529b\u3002\n\n### Release 1.5.5\n - GRUS\u82af\u7247\u4fee\u590dStridedSlice end\u5c0f\u4e8ebegin\u65f6\u51fa\u73b0\u7684\u9519\u8bef\u3002\n\n### Release 1.5.4\n - LEO\u82af\u7247\u589e\u52a0CONV2D_COMPRESS\u914d\u7f6e\u9879\uff0c\u7528\u4e8e\u914d\u7f6eConv2D\u6743\u91cd\u662f\u5426\u91cf\u5316\u538b\u7f29\u3002\n - GRUS\u82af\u7247\u589e\u52a0Slice,Shape OP.\n - GRUS\u82af\u7247\u652f\u6301shape\u4e3a[N,M]\u548c[N,1]\u505aAdd,AddV2,Sub,Mul,Div\u7684\u60c5\u51b5\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.5.2\n - GRUS\u82af\u7247\u4e0d\u518d\u652f\u6301Maximum\u548cMinimum.\n - GRUS\u82af\u7247\u751f\u6210\u7684.h\u6587\u4ef6\u4e2d\u589e\u52a0in_out\u7ed3\u6784\u4f53\u3002\n - GRUS\u82af\u7247\u589e\u52a0AddV2,BatchMatMulV2,FusedBatchNorm.\n - GRUS\u82af\u7247\u4f18\u5316\u91cf\u5316\u65b9\u6cd5\uff0c\u51cf\u5c11\u91cf\u5316\u635f\u5931\u3002\n - GRUS\u82af\u7247\u914d\u7f6e\u6587\u4ef6\u589e\u52a0\u914d\u7f6e\u9879FUSE_BN\uff0c\u53ef\u914d\u7f6e\u662f\u5426\u628aBN\u53c2\u6570\u5408\u5e76\u5230\u5377\u79ef\u4e2d\uff0c\u9ed8\u8ba4\u4e0d\u5408\u5e76\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.5.1\n - GRUS\u82af\u7247\u5377\u79ef\u6743\u91cd\u9ed8\u8ba4\u4e0d\u538b\u7f29\uff0c\u5982\u9700\u538b\u7f29\uff0c\u914d\u7f6e\u6587\u4ef6\u4e2d\u6307\u5b9aCONV2D_COMPRESS: true\n - \u589e\u52a0Python\u7248\u672c\u7684\u5224\u65ad\uff0c\u76ee\u524d\u652f\u6301Python2.7\u548cPython3.6\uff0c\u4e0d\u662f\u8fd9\u4e9b\u7248\u672c\u5219\u62a5\u9519\u3002\n - \u89e3\u51b3Python3\u5b89\u88c5\u5305\u5728conda\u73af\u5883\u4e0b\u5b89\u88c5\u540e\uff0c\u62a5\"undefined symbol: PyFPE_jbuf\"\u7684\u95ee\u9898\u3002\n - GRUS\u82af\u7247\u589e\u52a0Pad OP\n - GRUS\u82af\u7247\u652f\u6301MaxPool\u548cAvgPool\u7684kernel_h\u6216kernel_w\u4e3a1\u7684\u60c5\u51b5\u3002\n - GRUS\u82af\u7247\u6a21\u578b\u7f16\u8bd1\u540e\u589e\u52a0NPU Size\u7684\u6253\u5370\u4fe1\u606f\u3002\n - GRUS\u82af\u7247\u4f18\u5316depthwise_conv2d\u7684\u5185\u5b58\u3002\n\n### Release 1.5.0\n - \u589e\u52a0GRUS\u82af\u7247\u7684\u652f\u6301\u3002\n\n### Release 1.0.17\n - \u4f18\u5316Transpose,MatMul\u7684\u8ba1\u7b97\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.0.16\n - \u914d\u7f6e\u6587\u4ef6\u4e2d\u589e\u52a0MODEL_INFO\u5b57\u6bb5\uff0c\u53ef\u52a0\u5165\u7528\u6237\u81ea\u5b9a\u4e49\u7684\u6a21\u578b\u4fe1\u606f\uff0c\u7f16\u8bd1\u5b8c\u540e\u8be5\u4fe1\u606f\u548c\u7f16\u8bd1\u65f6\u95f4\u4f1a\u52a0\u5165\u5230npu\u6587\u4ef6\u4e2d\u3002\n - \u4f18\u5316\u4e86Conv2d\u548cDepthwiseConv2d NCHW 1*1\u5377\u79ef\u6838\u7684\u8ba1\u7b97\u3002\n - \u652f\u6301\u7a7a\u6d1e\u5377\u79ef\uff08tf.layers.Conv2D\u4e2ddilation\u5927\u4e8e1\uff09\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.0.15\n - \u589e\u52a0OP\uff1aRelu6, GatherV2\n - \u652f\u6301SNPU\u7684ReverseV2 OP\n - \u5408\u5e76DepthwiseConv2d\u548cAdd/BiasAdd\u8fd0\u7b97\uff0c\u4f18\u5316BiasAdd\uff0c\u63d0\u9ad8Rsqrt\u7684\u7cbe\u5ea6\uff0c\u4f18\u5316prelu\n - \u6574\u5408\u4e86tensorflow\u7684inference\u4f18\u5316\u811a\u672c\uff0c\u5982\u679c\u6a21\u578b\u4e2d\u7684FusedBatchNorm OP\u524d\u662fConv2D\u6216DepthwiseConv2d\uff0cFusedBatchNorm\u4f1a\u4f18\u5316\u6210BiasAdd\n - gxnpuc\u589e\u52a0-m\u9009\u9879\uff0c\u7f16\u8bd1\u6a21\u5f0f\u65f6\u52a0\u4e0a\u8be5\u9009\u9879\u53ef\u4ee5\u6253\u5370\u51fa\u5404\u4e2aOP\u7684\u5185\u5b58\u4fe1\u606f\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.0.14\n - \u589e\u52a0OP\uff1a ListDiff\uff0cAbs\n - \u652f\u6301Tile\u8fd0\u884c\u65f6\u8ba1\u7b97\n - \u4f18\u5316Concat\uff0cReduce\u7c7bOP\uff08\u5982Sum, Mean\uff09\u7684\u8ba1\u7b97\uff0c\u8282\u7701BatchMatMul\u7684\u5185\u5b58\u7a7a\u95f4\n - \u652f\u6301\u547d\u4ee4\u884c\u8bfb\u53d6\u914d\u7f6e\u53c2\u6570\uff0c\u5982 cat config.yaml | gxnpuc\n - Bug\u4fee\u590d\u3002\n\n### Release 1.0.13\n - \u652f\u6301Select OP\n - \u52a0\u5feb\u751f\u6210c_code\u6a21\u578b\u7684\u901f\u5ea6\u3002\n - \u4f18\u5316SNPU\u76841*1\u5377\u79ef\uff0c\u8f6c\u7f6e\uff0c\u51cf\u5c11\u751f\u6210\u6307\u4ee4\u5927\u5c0f\u3002\n - \u589e\u52a0MEAN_SHRINK_OPS\u914d\u7f6e\u9879\uff0c\u5bb9\u6613\u6ea2\u51fa\u7684Mean OP\u653e\u5728\u8be5\u5217\u8868\u4e2d\uff0cNPU\u4f1a\u5148\u505a\u9664\u6cd5\u518d\u505a\u52a0\u6cd5\u3002\n - \u751f\u6210\u7684\u6a21\u578b\u4e2d\u589e\u52a0\u9700\u8981\u5185\u5b58\u603b\u5927\u5c0f\uff1atotal_size\u5b57\u6bb5\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.0.12\n - \u652f\u6301\u65b0\u7248\u672cTensorFlow\u7684\u6a21\u578b\u6709\u4e9bOP\u5728\u5176\u8f93\u5165OP\u540e\u9762\u7684\u60c5\u51b5\u3002\n - \u4f18\u53161*1\u7684\u5377\u79ef\uff0c\u80fd\u51cf\u5c11\u5927\u91cf\u6307\u4ee4\uff0c\u63d0\u9ad8\u6267\u884c\u6548\u7387\u3002\n - \u4f18\u5316Transpose OP\n - \u589e\u52a0\u6a21\u578b\u4e2d\u95f4\u6570\u636e\u7684\u590d\u7528\uff0c\u51cf\u5c11\u6a21\u578b\u9700\u8981\u7684\u5185\u5b58\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.0.11\n - \u589e\u52a0\u4e86DepthwiseConv2dNative\uff0cAvgPool\uff0c Conv2DBackpropInput\uff0c Maximum\uff0c Minimum\uff0c GreaterEqual\uff0c LessEqual\uff0c Assert\uff0c Tile\uff0c All\uff0c Any\uff0c BatchMatMul\uff0c ReverseV2\uff0c Exp\n - \u652f\u6301\u505aMatMul\u65f6\uff0c\u6743\u91cd\uff08\u7b2c\u4e8c\u4e2a\u8f93\u5165\u6570\u636e\uff09\u5728\u7f16\u8bd1\u9636\u6bb5\u4e0d\u786e\u5b9a\u7684\u60c5\u51b5\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.0.10\n - \u5bf9Conv2D, Slice\u7b49OP\u7684\u4f18\u5316\u3002\n - \u589e\u52a0\u4e86Max, Min, FloorDiv, FloorMod OP\n - \u589e\u52a0\u4e86\u7a7a\u95f4\u4f18\u5316\u7684\u9009\u9879\uff0c\u53ef\u4ee5\u6839\u636e\u6a21\u578b\u65f6\u95f4\u654f\u611f\u8fd8\u662f\u7a7a\u95f4\u654f\u611f\u6765\u914d\u7f6e\u3002\u914d\u7f6e\u9879\u4e3a SPACE_OPTIMIZATION\uff1a0/1 \u6570\u5b57\u8d8a\u5927\u8868\u793a\u9700\u8981\u5185\u5b58\u7a7a\u95f4\u8d8a\u5c0f\uff0c\u76f8\u5e94\u901f\u5ea6\u4f1a\u6162\uff0c\u76ee\u524d\u53ea\u652f\u63010\u62161\u3002\u76ee\u524d\u53ea\u6709Conv2D, Slice OP\u5728\u67d0\u4e9b\u6761\u4ef6\u4e0b\u4f1a\u8d77\u4f5c\u7528\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.0.9\n - \u9488\u5bf9NPU\u786c\u4ef6\u7684\u95ee\u9898\u589e\u52a0\u4e86\u8865\u4e01\u3002\n - \u4f18\u5316\u4e86Mean, Sum, Conv2D\u7b49OP\n - \u589e\u52a0\u5bf91x1\u5377\u79ef\u6838\u7684\u652f\u6301\u3002\n - BUG\u4fee\u590d\u3002\n\n### Release 1.0.8 (\u7a7a\u7f3a)\n\n### Release 1.0.7\n - \u914d\u7f6e\u6587\u4ef6\u4e2d\u53ef\u4ee5\u4efb\u610f\u6307\u5b9a\u8f93\u51faOP\uff0c\u4e0d\u6267\u884c\u548c\u8f93\u51faOP\u65e0\u5173\u7684OP\n - \u589e\u52a0LogSoftmax OP\n - OP\u4f18\u5316\u548cBUG\u4fee\u590d\n\n### Release 1.0.6\n - \u914d\u7f6e\u6587\u4ef6\u589e\u52a0\u65b0\u914d\u7f6e\u9879 CORENAME\uff0c\u53ef\u4ee5\u9009\u62e9 LEO \u6216 LEO_MPE\uff0c\u9ed8\u8ba4\u4e3a LEO\n - \u5bf9OP log \u548c softmax \u5408\u5e76\u5728\u4e00\u8d77\u8ba1\u7b97\uff0c\u51cf\u5c11\u8ba1\u7b97\u8bef\u5dee\u3002\n - \u52a0\u901f\u591a batch LSTM\u8ba1\u7b97\uff0c\u52a0\u901f\u5f52\u4e00\u5316\u8ba1\u7b97\u3002\n - \u53c2\u6570 fp32 \u8f6c fp16 \u7531\u622a\u4f4d\u53d8\u6210\u56db\u820d\u4e94\u5165\u3002\n - bug \u4fee\u590d\u3002\n\n\n\n",
"bugtrack_url": null,
"license": "MIT Licence",
"summary": "produce NPU instructions",
"version": "1.5.11",
"project_urls": {
"Homepage": "http://ai.nationalchip.com/"
},
"split_keywords": [
"npu",
"gxdnn",
"nationalchip"
],
"urls": [
{
"comment_text": "",
"digests": {
"blake2b_256": "a0b6fd2eebf4092eb8ef37b0c6ed26234495c3e3394e61dc8e1f0822b820354f",
"md5": "146112fc02efeb44fdd9b80e393c23fd",
"sha256": "b040b0d3562ca498a5e14f2b9dcbde11f927f94df5b91ae56dce3324dadab6c0"
},
"downloads": -1,
"filename": "npu_compiler-1.5.11-cp36-cp36m-manylinux_2_5_x86_64.whl",
"has_sig": false,
"md5_digest": "146112fc02efeb44fdd9b80e393c23fd",
"packagetype": "bdist_wheel",
"python_version": "cp36",
"requires_python": null,
"size": 35885915,
"upload_time": "2023-11-22T06:47:17",
"upload_time_iso_8601": "2023-11-22T06:47:17.575946Z",
"url": "https://files.pythonhosted.org/packages/a0/b6/fd2eebf4092eb8ef37b0c6ed26234495c3e3394e61dc8e1f0822b820354f/npu_compiler-1.5.11-cp36-cp36m-manylinux_2_5_x86_64.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": "",
"digests": {
"blake2b_256": "c039f29e688e68b5e10f9e1ca542d0e49aece929f3a0903b7298eb98ed00e73f",
"md5": "c2518b56e96daf3a18981d0e4b1fac0a",
"sha256": "ae0caab2ad27ff7c57947789ded6c613f415deaa1501335b2ef43b37db391d86"
},
"downloads": -1,
"filename": "npu_compiler-1.5.11-cp37-cp37m-manylinux_2_5_x86_64.whl",
"has_sig": false,
"md5_digest": "c2518b56e96daf3a18981d0e4b1fac0a",
"packagetype": "bdist_wheel",
"python_version": "cp37",
"requires_python": null,
"size": 35525843,
"upload_time": "2023-11-22T06:58:26",
"upload_time_iso_8601": "2023-11-22T06:58:26.517936Z",
"url": "https://files.pythonhosted.org/packages/c0/39/f29e688e68b5e10f9e1ca542d0e49aece929f3a0903b7298eb98ed00e73f/npu_compiler-1.5.11-cp37-cp37m-manylinux_2_5_x86_64.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": "",
"digests": {
"blake2b_256": "b368bbed64048e1083c8dec7361490b8f75c26abc6ed13355c1b7ac3cb4cc282",
"md5": "5e68e84b704bf6cc00c994b5b40dc99a",
"sha256": "f96f5e4a124251561f189ca9293563b205ebd3346ebd0f6ff570048ff24bf86f"
},
"downloads": -1,
"filename": "npu_compiler-1.5.11-py2-none-any.whl",
"has_sig": false,
"md5_digest": "5e68e84b704bf6cc00c994b5b40dc99a",
"packagetype": "bdist_wheel",
"python_version": "py2",
"requires_python": null,
"size": 27944769,
"upload_time": "2023-11-22T07:07:45",
"upload_time_iso_8601": "2023-11-22T07:07:45.075551Z",
"url": "https://files.pythonhosted.org/packages/b3/68/bbed64048e1083c8dec7361490b8f75c26abc6ed13355c1b7ac3cb4cc282/npu_compiler-1.5.11-py2-none-any.whl",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2023-11-22 06:47:17",
"github": false,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"lcname": "npu-compiler"
}
JSON