AddReluCast
功能说明
按元素求和,结果和0对比取较大值,并根据源操作数和目的操作数Tensor的数据类型进行精度转换。计算公式如下,其中dstType表示目的操作数的数据类型,PAR表示矢量计算单元一个迭代能够处理的元素个数:
函数原型
- tensor前n个数据计算
1 2
template <typename T1, typename T2> __aicore__ inline void AddReluCast(const LocalTensor<T1>& dstLocal, const LocalTensor<T2>& src0Local, const LocalTensor<T2>& src1Local, const uint32_t calCount)
- tensor高维切分计算
- mask逐bit模式
1 2
template <typename T1, typename T2, bool isSetMask = true> __aicore__ inline void AddReluCast(const LocalTensor<T1>& dstLocal, const LocalTensor<T2>& src0Local, const LocalTensor<T2>& src1Local, uint64_t mask[], const uint8_t repeatTimes, const BinaryRepeatParams& repeatParams)
- mask连续模式
1 2
template <typename T1, typename T2, bool isSetMask = true> __aicore__ inline void AddReluCast(const LocalTensor<T1>& dstLocal, const LocalTensor<T2>& src0Local, const LocalTensor<T2>& src1Local, uint64_t mask, const uint8_t repeatTimes, const BinaryRepeatParams& repeatParams)
- mask逐bit模式
参数说明
参数名 |
描述 |
---|---|
T1 |
目的操作数数据类型。 |
T2 |
源操作数数据类型。 |
isSetMask |
是否在接口内部设置mask。
|
参数名 |
输入/输出 |
描述 |
---|---|---|
dstLocal |
输出 |
目的操作数。 类型为LocalTensor,支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。 Atlas推理系列产品AI Core,支持的数据类型为:half/int8_t ,支持的数据类型为:half/int8_t Atlas A2训练系列产品/Atlas 800I A2推理产品,支持的数据类型为:half/int8_t Atlas 200/500 A2推理产品, 支持的数据类型为half/int8_t |
src0Local、src1Local |
输入 |
源操作数。 类型为LocalTensor,支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。 Atlas推理系列产品AI Core,支持的数据类型为:half/float/int16_t ,支持的数据类型为:half/float/int16_t Atlas A2训练系列产品/Atlas 800I A2推理产品,支持的数据类型为:half/float/int16_t Atlas 200/500 A2推理产品, 支持的数据类型为half/float |
calCount |
输入 |
输入数据元素个数。 |
mask |
输入 |
当源操作数和目的操作数位数不同时,以数据类型的字节较大的为准。例如,源操作数为half类型,目的操作数为int8_t类型,计算mask时以half为准。 |
repeatTimes |
输入 |
重复迭代次数。矢量计算单元,每次读取连续的256 Bytes数据进行计算,为完成对输入数据的处理,必须通过多次迭代(repeat)才能完成所有数据的读取与计算。 |
repeatParams |
输入 |
控制操作数地址步长的参数。BinaryRepeatParams类型,包含操作数相邻迭代间相同datablock的地址步长,操作数同一迭代内不同datablock的地址步长等参数。 相邻迭代间的地址步长参数说明请参考repeatStride(相邻迭代间相同datablock的地址步长);同一迭代内datablock的地址步长参数说明请参考dataBlockStride(同一迭代内不同datablock的地址步长)。 |
src类型 |
dst类型 |
类型转换模式介绍 |
---|---|---|
float |
half |
将src按照CAST_NONE模式取到half所能表示的数,以half格式(溢出默认按照饱和处理)存入dst中。 |
half |
int8_t |
将src按照CAST_NONE模式取整,以int8_t格式(溢出默认按照饱和处理)存入dst中。 |
int16_t |
int8_t |
将src按照CAST_NONE模式取到int8_t所能表示的数,以int8_t格式(溢出默认按照饱和处理)存入dst中。 |
返回值
无
支持的型号
Atlas推理系列产品AI Core
Atlas A2训练系列产品/Atlas 800I A2推理产品
Atlas 200/500 A2推理产品
约束说明
无
调用示例
本样例中只展示Compute流程中的部分代码。本样例的srcLocal为half类型,dstLocal为int8_t类型,计算mask时以half为准。如果您需要运行样例代码,请将该代码段拷贝并替换双目指令样例模板更多样例中的Compute函数即可。
- tensor高维切分计算样例-mask连续模式
1 2 3 4 5
uint64_t mask = 256 / sizeof(half); // 128 // repeatTimes = 4, 一次迭代计算128个数, 共计算512个数 // dstBlkStride, src0BlkStride, src1BlkStride = 1, 单次迭代内数据连续读取和写入 // dstRepStride = 4, src0RepStride, src1RepStride = 8, 相邻迭代间数据连续读取和写入 AscendC::AddReluCast(dstLocal, src0Local, src1Local, mask, 4, { 1, 1, 1, 4, 8, 8 });
- tensor高维切分计算样例-mask逐bit模式
1 2 3 4 5
uint64_t mask[2] = { UINT64_MAX, UINT64_MAX }; // repeatTimes = 4, 一次迭代计算128个数, 共计算512个数 // dstBlkStride, src0BlkStride, src1BlkStride = 1, 单次迭代内数据连续读取和写入 // dstRepStride = 4, src0RepStride, src1RepStride = 8, 相邻迭代间数据连续读取和写入 AscendC::AddReluCast(dstLocal, src0Local, src1Local, mask, 4, { 1, 1, 1, 4, 8, 8 });
- tensor前n个数据计算样例
1
AscendC::AddReluCast(dstLocal, src0Local, src1Local, 512);
输入数据(src0Local): [1 1 3 ... 512] 输入数据(src1Local): [0 0.5 -4 ... -513] 输出数据(dstLocal): [1 2 0 ... 0]