算子可以在仿真器上进行性能仿真，目前主要支持CAModel仿真器。
CAModel仿真器基于一系列host侧的so（动态共享库）实现算子运行过程的仿真，可以通过算子直调工程和mskl调测工具两种方式，使算子的程序依赖仿真器的动态共享库，接入仿真器，输出算子执行结果。
完整的样例工程请下载鸿蒙CANN社区recipe仓算子直调样例工程
算子直调工程通过CMake编译生成可执行程序，在仿真模式下链接CAModel仿真器的动态共享库，从而在Host侧完成算子的功能验证与性能仿真。下面以Add算子样例为例，介绍工程的结构与运行步骤。
说明：
准备工作仍参考本篇文档“准备工作”一节的CANN包，请忽略上述样例工程中的README.md，仅下载工程代码。
目录结构
样例工程的目录结构如下：
├── AddKernelInvocation │ ├── cmake // 编译工程文件 │ ├── input // 存放脚本生成的输入数据目录 │ ├── output // 存放算子运行输出数据和真值数据的目录 │ ├── scripts │ │ ├── acl.json // acl配置文件 │ │ ├── gen_data.py // 生成输入数据与真值数据的脚本 │ │ ├── verify_result.py // 真值对比文件 │ ├── add_custom.cpp // 算子kernel实现，暴露给main.cpp调用 │ ├── CMakeLists.txt // 编译工程文件 │ ├── data_utils.h // 数据读入写出函数 │ ├── main.cpp // 主函数，调用算子的应用程序，含CPU域及NPU域调用 │ ├── run.sh // 编译运行算子的脚本
操作步骤
进入样例工程目录。
cd AddKernelInvocation
执行如下命令编译并运行样例算子。
bash run.sh -r [RUN_MODE] -v [SOC_VERSION]
参数说明：
以 KirinX90 仿真为例：
bash run.sh -r sim -v KirinX90
run.sh 脚本会自动完成以下操作：
若终端输出 test pass，说明算子仿真运行结果与真值一致，功能验证通过。
仿真模式下的动态库依赖说明
在仿真模式（RUN_MODE=sim）下，run.sh脚本会自动设置LD_LIBRARY_PATH，将仿真器的动态共享库路径加入搜索路径，无需用户手动配置。相关代码片段如下：
export LD_LIBRARY_PATH=$_ASCEND_INSTALL_PATH/x86_64-linux/simulator/${_SOC_VERSION}/lib:$LD_LIBRARY_PATH 其中$_ASCEND_INSTALL_PATH为CANN安装路径（优先取自ASCEND_TOOLKIT_HOME或ASCEND_HOME_PATH环境变量，若未设置则默认使用$HOME/Ascend/ascend-toolkit/latest或/usr/local/Ascend/ascend-toolkit/latest）。仿真模式下CAModel仿真器所依赖的libascendcl等动态库已包含在该路径下。
如需保留仿真器中间态的dump log，可在运行前手动设置CAMODEL_LOG_PATH环境变量指定输出路径（目录需提前创建），否则脚本默认使用./sim_log并在每次运行前清空。
替换为自定义算子
如需将该样例工程替换为自己的算子实现，需要修改以下内容：
mskl调测工具提供了一组Python接口，开发者无需依赖ACLNN框架，即可在Python脚本中快速实现Kernel的下发、编译与运行，适用于算子的Tiling逻辑验证与功能验证。
说明：
前提条件
已拷贝样例单算子工程完成算子工程准备，并执行build_and_install.sh完成算子部署。
操作步骤
进入算子工程目录。
cd ~/add_custom
创建启动脚本run_mskl.sh，内容如下：
soc_version=KirinX90
export LD_PRELOAD=${ASCEND_HOME_PATH}/tools/msopt/bin/lib64/libstdc++.so.6
export LD_LIBRARY_PATH=${ASCEND_TOOLKIT_HOME}/lib64:${ASCEND_TOOLKIT_HOME}/tools/msopt/bin/lib64/:${ASCEND_TOOLKIT_HOME}/x86_64-linux/simulator/${soc_version}/lib/:${LD_LIBRARY_PATH}
python3 mskl_demo.py 该脚本会设置LD_LIBRARY_PATH，将CANN动态库、msopt动态库与仿真器动态库路径加入搜索路径，确保mskl能正确加载仿真器与算子依赖。
创建Python调用脚本mskl_demo.py，内容如下：
import os
import numpy as np
import mskl
CANN_ROOT = os.environ.get('ASCEND_HOME_PATH', '/usr/local/Ascend/cann')
KERNEL_BINARY_PATH = os.path.join(CANN_ROOT, 'opp/vendors/customize/op_impl/ai_core/tbe/kernel/kirinx90/add_custom/AddCustom_99ac61bdd243ff8d84b87c4ff0c51889.o')
TILING_LIB_PATH = os.path.join(CANN_ROOT, 'opp/vendors/customize/op_impl/ai_core/tbe/op_tiling/liboptiling.so')
a = np.random.randint(1, 5, (8, 4096)).astype(np.float16)
b = np.random.randint(1, 5, (8, 4096)).astype(np.float16)
c = np.zeros((8, 4096), dtype=np.float16)
golden = (a + b).astype(np.float16)
out = mskl.tiling_func(op_type='AddCustom', inputs=[a,b], outputs=[c], lib_path=TILING_LIB_PATH, attr={'bias':0}, soc_version='KirinX90')
kernel = mskl.get_kernel_from_binary(KERNEL_BINARY_PATH)
kernel(a, b, c, out.workspace, out.tiling_data, device_id=0)
result = 'success' if np.array_equal(c, golden) else 'failed'
print(f'compare {result}.') 根据实际部署路径，修改mskl_demo.py中的两个路径变量。
查询Kernel二进制文件（.o 文件）的绝对路径，填入KERNEL_BINARY_PATH：
find $ASCEND_HOME_PATH -name *AddCustom*o
查询Tiling动态库（liboptiling.so）的绝对路径，填入TILING_LIB_PATH：
find $ASCEND_HOME_PATH -path */customize/* -name liboptiling.so
执行脚本，调用算子。
注意：
请在成功部署算子到CANN后再调用，否则会报错。
sh run_mskl.sh
执行成功后，输出如下：
$ sh run_mskl.sh ... compare success. [DIGITAL_NPU] [rtDevBinaryUnRegister:634] enter Function>>> [DIGITAL_NPU] [rtFree:56] enter Function>>>
若输出compare success.，说明算子仿真运行结果与真值一致，功能验证通过。
常见问题
运行过程中如遇到如下日志报错：
init_logger Failed to init log:
该日志不影响mskl的执行结果，仅表示仿真器不会保存中间态dump log。如需保存仿真器中间态dump log，可手动设置环境变量指定dump路径（目录需提前创建）：
export CAMODEL_LOG_PATH=XXX