vec_reduce_add

功能说明

对所有输入数据求和。数据采用二叉树方式，两两相加。

假设源操作数为256个float16的数据[data0,data1,data2...data255]，两个repeat可以计算完，计算过程如下。

1. [data0,data1,data2...data127]为第一个repeat的源操作数，计算得到result01，具体计算方式为：
   1. data0和data1相加得到data00，data2和data3相加得到data01，...，data124和data125相加得到data62，data126和data127相加得到data63。
   2. data00和data01相加得到data000，data02和data03相加得到data001，...，data62和data63相加得到data031。
   3. 以此类推，计算得到result01。
2. [data128,data1,data2...data255]为第二个repeat的源操作数，计算得到result02；
3. 将result01与result02相加，得到目的操作数为1个float16的数据[data]。
4. result01,result02,result03,result04...多个repeat之间的结果也是两两相加。

Atlas A2训练系列产品，累加方式有所变化，repeat内的源操作数两两相加，每255个范围内的repeat结果按照顺序相加，最后将多个255个repeat结果之和两两相加。

Atlas 200I/500 A2推理产品，累加方式有所变化，先进行repeat之间对应元素顺序累加，再将累加结果进行两两相加

假设源操作数为128*128个float16数据[data0,data1,...data16384], repeat值为128，计算过程如下。

1、repeat01 + repeat03 + repeat05 + repeat07 ... = A 以1个repeat的元素为单位奇数位顺序累加

2、repeat02 + repeat04 + repeat06 + repeat08 ... = B 以1个repeat的元素为单位偶数位顺序累加

3、如果 repeat_times % 2 == 1, 则最后一次repeat元素记为 C

4、D = A + B + C 顺序累加A，B, C得到D,此时D有128个元素

5、对D所有元素做相邻两个元素两两相加得到最终的结果

函数原型

vec_reduce_add(mask, dst, src, work_tensor, repeat_times, src_rep_stride)

参数说明

dst、src和work_tensor的数据类型需保持一致。

Atlas 200/300/500 推理产品，dst、src和work_tensor支持的数据类型为：Tensor(float16/float32)

Atlas 训练系列产品，dst、src和work_tensor支持的数据类型为：Tensor(float16/float32)

Atlas推理系列产品AI Core，dst、src和work_tensor支持的数据类型为：Tensor(float16/float32)

Atlas推理系列产品Vector Core，dst、src和work_tensor支持的数据类型为：Tensor(float16/float32)

Atlas A2训练系列产品，dst/src支持的数据类型为：Tensor（float16/float32）

Atlas 200I/500 A2推理产品，dst/src支持的数据类型为：Tensor（float16/float32）

，dst/src支持的数据类型为：Tensor（float16/float32）

返回值

无

支持的型号

Atlas 200/300/500 推理产品

Atlas 训练系列产品

Atlas推理系列产品AI Core

Atlas推理系列产品Vector Core

Atlas A2训练系列产品

Atlas 200I/500 A2推理产品

注意事项

• work_tensor空间要求
  • Atlas 200/300/500 推理产品，work_tensor空间至少需要repeat_times个elements。例如当repeat_times=120时，work_tensor的size至少为120个elements。
  • Atlas 训练系列产品，work_tensor空间至少需要repeat_times个elements。例如当repeat_times=120时，work_tensor的size至少为120个elements。
  • Atlas推理系列产品AI Core，work_tensor空间至少需要repeat_times个elements。例如当repeat_times=120时，work_tensor的size至少为120个elements。
  • Atlas推理系列产品Vector Core，work_tensor空间至少需要repeat_times个elements。例如当repeat_times=120时，work_tensor的size至少为120个elements。
  • Atlas A2训练系列产品，work_tensor空间至少需要(repeat_times + 255 - 1) // 255个elements。当repeat_times <=255 时，计算结果直接写入dst，此时work_tensor无效。例如当repeat_times=256时，work_tensor的size至少为2个element
• repeat_times[1, 4095]。支持的数据类型为：Scalar(int32)、立即数(int)、Expr(int32)。
• src_rep_stride[0,65535]，支持的数据类型为：Scalar(int16/int32/int64/uint16/uint32/uint64)、立即数(int)、Expr(int16/int32/int64/uint16/uint32/uint64)。
• 需要注意的是两两相加的计算过程中，计算结果溢出时根据系统inf/nan控制位决定溢出后处理方式，分为按照最值处理和inf/nan处理两种。当按照最值处理时，float16类型数据相加后大于65504时结果保存为65504。例如源操作数为[60000,60000,-30000,100]，首先60000+60000溢出，结果为65504，第二步计算-30000+100=-29900，第四步计算65504-29900=35604。
• src、dst和work_tensor三者互相之间不能存在地址重叠。
• 输入输出Tensor地址要求
  • Atlas 200/300/500 推理产品，src、dst和work_tensor三者互相之间不能存在地址重叠。
  • Atlas 训练系列产品，src、dst和work_tensor三者互相之间不能存在地址重叠。
  • Atlas推理系列产品AI Core，src、dst和work_tensor三者互相之间不能存在地址重叠。
  • Atlas推理系列产品Vector Core，src、dst和work_tensor三者互相之间不能存在地址重叠。
  • Atlas 200I/500 A2推理产品，src、dst和work_tensor三者互相之间不能存在地址重叠。
  • Atlas A2训练系列产品，src、dst和work_tensor三者互相之间不能存在地址重叠。
• 操作数地址偏移对齐要求请见通用约束。

调用示例

• 示例一

  from tbe import tik
  tik_instance = tik.Tik()
  src_gm = tik_instance.Tensor("float16", (256,), name="src_gm", scope=tik.scope_gm)
  dst_gm = tik_instance.Tensor("float16", (32,), name="dst_gm", scope=tik.scope_gm)
  src_ub = tik_instance.Tensor("float16", (256,), name="src_ub", scope=tik.scope_ubuf)
  dst_ub = tik_instance.Tensor("float16", (32,), name="dst_ub", scope=tik.scope_ubuf)
  work_tensor_ub = tik_instance.Tensor("float16", (32,), tik.scope_ubuf, "work_tensor_ub")
  # 拷贝用户输入数据到src ubuf
  tik_instance.data_move(src_ub, src_gm, 0, 1, 16, 0, 0)
  # 给dst ubuf赋初始值0,这样输出结果更加直观
  tik_instance.vec_dup(32, dst_ub, 0, 1, 1)
  tik_instance.vec_reduce_add(128, dst_ub, src_ub, work_tensor_ub, 2, 8)
  # 将计算结果拷贝到目标gm
  tik_instance.data_move(dst_gm, dst_ub, 0, 1, 2, 0, 0)
  
  tik_instance.BuildCCE(kernel_name="vec_reduce_add", inputs=[src_gm], outputs=[dst_gm])

  结果示例如下：

  输入：
  src_gm=[1,1,1,...,1]
  输出结果为：
  dst_gm=[256,0,0,...,0]

• 示例二

  tik_instance = tik.Tik()
  dtype_size = {
      "int8": 1,
      "uint8": 1,
      "int16": 2,
      "uint16": 2,
      "float16": 2,
      "int32": 4,
      "uint32": 4,
      "float32": 4,
      "int64": 8,
  }
  # Tensor 的形状
  src_shape = (3, 128)
  dst_shape = (64,)
  # 数据量大小
  src_elements = 3 * 128
  dst_elements = 64
  # 数据类型
  dtype = "float16"
  
  src_gm = tik_instance.Tensor(dtype, src_shape, name="src_gm", scope=tik.scope_gm)
  dst_gm = tik_instance.Tensor(dtype, dst_shape, name="dst_gm", scope=tik.scope_gm)
  src_ub = tik_instance.Tensor(dtype, src_shape, name="src_ub", scope=tik.scope_ubuf)
  dst_ub = tik_instance.Tensor(dtype, dst_shape, name="dst_ub", scope=tik.scope_ubuf)
  work_tensor_ub = tik_instance.Tensor(dtype, dst_shape, tik.scope_ubuf, "work_tensor_ub")
  # 拷贝用户输入数据到src ubuf
  # 搬移的片段数
  nburst = 1
  # 每次搬运的片段长度,单位32B
  burst = src_elements * dtype_size[dtype] // 32 // nburst
  dst_burst = dst_elements * dtype_size[dtype] // 32 // nburst
  # 前burst尾与后burst头的距离,单位32B
  dst_stride, src_stride = 0, 0
  tik_instance.data_move(src_ub, src_gm, 0, nburst, burst, dst_stride, src_stride)
  # 给dst ubuf赋初始值0,这样输出结果更加直观, 此处暂不对vec_dup 进行说明，详细内容请参考对应的章节
  tik_instance.vec_dup(64, dst_ub, 0, 1, 1)
  tik_instance.vec_dup(64, work_tensor_ub, 0, 1, 1)
  # 每个迭代的源操作数, 不同的数据类型其取值范围不同，可参见对应的章节,此示例以每次迭代处理34个数
  mask = 34
  # 可根据实际情况配置相应的迭代, 此处以6次迭代为例
  repeat_times = 6
  # 相邻迭代间，操作数头与头之间的步长，单位为block,当前表示第一次迭代的头与第二次迭代头间隔3个block
  src_rep_stride = 3
  tik_instance.vec_reduce_add(mask, dst_ub, src_ub, work_tensor_ub, repeat_times, src_rep_stride)
  # 当前示例中work_tensor_ub 存储的值是[34. 34. 36. 68. 68. 86.  0.  0. ...],分别为6次迭代的结果
  # 将计算结果拷贝到目标gm
  tik_instance.data_move(dst_gm, dst_ub, 0, nburst, dst_burst, dst_stride, src_stride)
  
  tik_instance.BuildCCE(kernel_name="vec_reduce_add", inputs=[src_gm], outputs=[dst_gm])
  
  示例结果
  输入数据(src_gm):
  [[1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
    1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
    1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
    1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
    1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
    1. 1. 1. 1. 1. 1. 1. 1.]
   [2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.
    2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.
    2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.
    2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.
    2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2.
    2. 2. 2. 2. 2. 2. 2. 2.]
   [3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3.
    3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3.
    3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3.
    3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3.
    3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3.
    3. 3. 3. 3. 3. 3. 3. 3.]]
  
  输出数据(dst_gm):
  [326.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.
     0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.
     0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.
     0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.   0.
     0.   0.   0.   0.   0.   0.   0.   0.]