步骤 1：Schema 定义

目标：在 MNN 的 FlatBuffers Schema 中定义新算子的类型和参数。

前置条件：明确算子名称、语义（做什么）、输入输出的含义。

1.1 检查算子是否已存在

# 查看当前支持的所有算子
grep -n "OpType" schema/default/MNN.fbs | head -200

# 搜索可能的已有算子名
grep -i "算子名" schema/default/MNN.fbs

如果已存在，不需要修改 Schema，跳到步骤 2。

1.2 确定算子信息

在开始修改前，明确以下信息：

算子名称（PascalCase）：____（例如 MyCustomOp）
算子语义：____（一句话描述做什么）
输入 Tensor 数量和含义：____
输出 Tensor 数量和含义：____
是否需要参数：是 / 否
参数字段列表（如需要）：____

1.3 添加算子类型

编辑 schema/default/MNN.fbs，在 OpType 枚举中追加新算子名称：

enum OpType : int {
    AbsVal,
    QuantizedAdd,
    ...
    // ← 在列表末尾添加
    MyCustomOp
}

注意：OpType 名必须是 PascalCase，且只能追加到末尾，不能插入中间（FlatBuffers 的枚举序号不可变）。

1.4 添加算子参数（如需要）

如果算子不包含任何参数（仅靠输入 Tensor 决定行为），跳过此步。

1.4.1 定义参数 table

在合适的 .fbs 文件中添加参数定义：

• 通用算子 → 在 schema/default/MNN.fbs 中添加
• Caffe 来源 → schema/default/CaffeOps.fbs
• TensorFlow 来源 → schema/default/TensorflowOp.fbs

table MyCustomOpParam {
    axis:int = 0;           // 操作的轴
    keepDims:bool = false;  // 是否保持维度
    // 根据算子需要添加字段
}

1.4.2 注册参数到 OpParameter

在 schema/default/MNN.fbs 的 OpParameter union 中追加：

union OpParameter {
    QuantizedAdd,
    ArgMax,
    ...
    // ← 在列表末尾添加
    MyCustomOpParam
}

注意：同样只能追加到末尾。

1.5 生成头文件

修改完 Schema 后，需要重新生成 C++ 头文件：

cd schema/default
./generate.sh

如果 generate.sh 不存在或无法执行，使用 flatc 手动编译：

bashCopy

flatc -c -b --gen-object-api --reflect-names MNN.fbs

步骤 1 测试标准

测试方法

# 1. Schema 编译无错误
cd schema/default
./generate.sh
# 应该无报错

# 2. 验证 OpType 已添加
grep "MyCustomOp" schema/default/MNN_generated.h
# 应该找到 OpType_MyCustomOp

# 3. 如有参数，验证参数 table 已生成
grep "MyCustomOpParam" schema/default/MNN_generated.h
# 应该找到对应的结构体

通过标准

• generate.sh 运行无错误
• MNN_generated.h 中包含 OpType_MyCustomOp
• 如有参数，MNN_generated.h 中包含参数结构体
• Schema 修改只在列表末尾追加，未修改已有定义

常见错误

下一步

• 输出形状与输入不同 → 进入 step2-shape.md（形状计算）
• 输出形状与输入一致 → 跳过步骤 2，进入 step3-compute.md（计算实现）