下载
中文
注册
我要评分
文档获取效率
文档正确性
内容完整性
文档易理解
在线提单
论坛求助
昇腾小AI

AddDeqRelu

功能说明

依次计算按元素求和、结果进行deq量化后再进行relu计算(结果和0对比取较大值)。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:

Deq的计算公式如下:

其中DeqScale需要通过SetDeqScale进行设置。具体可参考SetDeqScale

函数原型

  • tensor前n个数据计算
    1
    __aicore__ inline void AddDeqRelu(const LocalTensor<half> &dstLocal, const LocalTensor<int32_t> &src0Local, const LocalTensor<int32_t> &src1Local, const int32_t &calCount)
    
  • tensor高维切分计算
    • mask逐bit模式
      1
      2
      template <bool isSetMask = true>
      __aicore__ inline void AddDeqRelu(const LocalTensor<half> &dstLocal, const LocalTensor<int32_t> &src0Local, const LocalTensor<int32_t> &src1Local, uint64_t mask[], const uint8_t repeatTimes, const BinaryRepeatParams &repeatParams)
      
    • mask连续模式
      1
      2
      template <bool isSetMask = true>
      __aicore__ inline void AddDeqRelu(const LocalTensor<half> &dstLocal, const LocalTensor<int32_t> &src0Local, const LocalTensor<int32_t> &src1Local, uint64_t mask, const uint8_t repeatTimes, const BinaryRepeatParams &repeatParams)
      
操作数使用TensorTrait类型时,LocalTensor需要输入模板参数。提供支持操作数数据类型作为模板参数传入的接口如下:
  • tensor前n个数据计算
    1
    2
    template <typename T, typename U>
    __aicore__ inline void AddDeqRelu(const LocalTensor<T>& dstLocal, const LocalTensor<U>& src0Local, const LocalTensor<U>& src1Local, const int32_t& calCount)
    
  • tensor高维切分计算
    • mask逐bit模式
      1
      2
      template <typename T, typename U, bool isSetMask = true>
      __aicore__ inline void AddDeqRelu(const LocalTensor<T>& dstLocal, const LocalTensor<U>& src0Local, const LocalTensor<U>& src1Local, uint64_t mask[], const uint8_t repeatTimes, const BinaryRepeatParams& repeatParams)
      
    • mask连续模式
      1
      2
      template <typename T, typename U, bool isSetMask = true>
      __aicore__ inline void AddDeqRelu(const LocalTensor<T> &dstLocal, const LocalTensor<U> &src0Local, const LocalTensor<U> &src1Local, uint64_t mask, const uint8_t repeatTimes, const BinaryRepeatParams &repeatParams)
      

参数说明

表1 模板参数说明

参数名

描述

isSetMask

是否在接口内部设置mask。

  • true,表示在接口内部设置mask。
  • false,表示在接口外部设置mask,开发者需要使用SetVectorMask接口设置mask值。这种模式下,本接口入参中的mask值必须设置为MASK_PLACEHOLDER。

T

目的操作数的数据类型。

U

源操作数的数据类型。

表2 参数说明

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

Atlas A2训练系列产品/Atlas 800I A2推理产品,支持的数据类型为:half

src0Localsrc1Local

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:int32_t

Atlas A2训练系列产品/Atlas 800I A2推理产品,支持的数据类型为:int32_t

calCount

输入

输入数据元素个数。

mask

输入

mask用于控制每次迭代内参与计算的元素。

  • 连续模式:表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关,数据类型不同,每次迭代内能够处理的元素个数最大值不同。当操作数为16位时,mask∈[1, 128];当操作数为32位时,mask∈[1, 64];当操作数为64位时,mask∈[1, 32]。
  • 逐bit模式:可以按位控制哪些元素参与计算,bit位的值为1表示参与计算,0表示不参与。参数类型为长度为2的uint64_t类型数组。

    例如,mask=[8, 0],8=0b1000,表示仅第4个元素参与计算。

    参数取值范围和操作数的数据类型有关,数据类型不同,每次迭代内能够处理的元素个数最大值不同。当操作数为16位时,mask[0]、mask[1]∈[0, 264-1]并且不同时为0;当操作数为32位时,mask[1]为0,mask[0]∈(0, 264-1];当操作数为64位时,mask[1]为0,mask[0]∈(0, 232-1]。

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。

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。repeatTimes表示迭代的次数。

关于该参数的具体描述请参考通用参数说明

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)

返回值

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

约束说明

接口目的地址和源地址不能复用。

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int32_t类型,dstLocal为half类型,计算mask时以int32_t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
    6
    7
    uint64_t mask = 256 / sizeof(int32_t); // 64
    // repeatTimes = 4, 一次迭代计算64个数, 共计算256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
    half scale = 0.1;
    AscendC::SetDeqScale(scale);
    AscendC::AddDeqRelu(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
    6
    7
    uint64_t mask[2] = { UINT64_MAX, UINT64_MAX };
    // repeatTimes = 4, 一次迭代计算64个数, 共计算256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
    half scale = 0.1;
    AscendC::SetDeqScale(scale);
    AscendC::AddDeqRelu(dstLocal, src0Local, src1Local, mask, 4, { 1, 1, 1, 4, 8, 8 });
    
  • tensor前n个数据计算样例
    1
    2
    3
    half scale = 0.1;
    AscendC::SetDeqScale(scale);
    AscendC::AddDeqRelu(dstLocal, src0Local, src1Local, 512);
    
结果示例如下:
输入数据(src0Local): [70 36 43 54 28 49 27 82 95 ...]
输入数据(src1Local): [19 33 34 50 42  2 97 93 99 ...]
输出数据(dstLocal): [8.9 6.9 7.7 10.4 7.0 5.1 12.4 17.5 19.4 ...]
搜索结果
找到“0”个结果

当前产品无相关内容

未找到相关内容,请尝试其他搜索词