CompareScalar
函数功能
逐元素比较一个tensor中的元素和另一个Scalar的大小,如果比较后的结果为真,则输出结果的对应比特位为1,否则为0。
支持多种比较模式:
- LT:小于(lower-than)
- GT:大于(greater-than)
- GE:大于或等于(greater-equal)
- EQ:等于(equal)
- NE:不等于(not-equal)
- LE:小于或等于(lower-equal)
函数原型
- tensor前n个数据计算
1 2
template <typename T, typename U> __aicore__ inline void CompareScalar(const LocalTensor<U>& dstLocal, const LocalTensor<T>& src0Local, const T src1Scalar, CMPMODE cmpMode, uint32_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 CompareScalar(const LocalTensor<U>& dstLocal, const LocalTensor<T>& src0Local, const T src1Scalar, CMPMODE cmpMode, const uint64_t mask[], uint8_t repeatTimes, const UnaryRepeatParams& repeatParams)
- mask连续模式
1 2
template <typename T, typename U, bool isSetMask = true> __aicore__ inline void CompareScalar(const LocalTensor<U>& dstLocal, const LocalTensor<T>& src0Local, const T src1Scalar, CMPMODE cmpMode, const uint64_t mask, uint8_t repeatTimes, const UnaryRepeatParams& repeatParams)
- mask逐bit模式
参数说明
参数名 |
描述 |
---|---|
T |
源操作数数据类型。支持输入half/float。 |
U |
目的操作数数据类型。支持输入uint8_t。 |
isSetMask |
是否在接口内部设置mask。
|
参数名称 |
输入/输出 |
含义 |
---|---|---|
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。 dstLocal用于存储比较结果,将dstLocal中uint8_t类型的数据按照bit位展开,由左至右依次表征对应位置的src0和src1的比较结果,如果比较后的结果为真,则对应比特位为1,否则为0。 Atlas推理系列产品AI Core,支持的数据类型为:uint8_t Atlas A2训练系列产品/Atlas 800I A2推理产品,支持的数据类型为:uint8_t Atlas 200/500 A2推理产品, 支持的数据类型为:uint8_t |
src0Local |
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 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(所有CMPMODE都支持), int32_t(只支持CMPMODE::EQ) Atlas 200/500 A2推理产品, 支持的数据类型为:int16_t/uint16_t/half/float/int32_t/uint32_t |
src1Scalar |
输入 |
源操作数,Scalar标量。数据类型和srcLocal保持一致。 |
cmpMode |
输入 |
CMPMODE类型,表示比较模式,包括EQ,NE,GE,LE,GT,LT。
|
mask |
输入 |
Atlas推理系列产品AI Core,保留参数,设置无效。 Atlas A2训练系列产品/Atlas 800I A2推理产品,保留参数,设置无效。 Atlas 200/500 A2推理产品, 保留参数,设置有效。
|
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。 |
repeatParams |
输入 |
控制操作数地址步长的参数。UnaryRepeatParams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)。 |
calCount |
输入 |
输入数据元素个数。设置calCount时,需要保证calCount个元素所占空间256字节对齐。 |
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
注意事项
- 操作数地址偏移对齐要求请参见通用约束。
- dstLocal支持多种输入数据类型,内部会将其转换为uint8_t类型处理。
- dstLocal按照小端顺序排序成二进制结果,对应src中相应位置的数据比较结果。
- 使用tensor前n个数据参与计算的接口,设置calCount时,需要保证calCount个元素所占空间256字节对齐。
调用示例
本样例中,源操作数src0Local存储了256个float类型的数据。样例实现的功能为,对src0Local中的元素和src1Local.GetValue(0)中的数据进行比较,如果src0Local中的元素小于src1Local.GetValue(0)中的元素,dstLocal结果中对应的比特位置1;反之,则置0。dst结果使用uint8_t类型数据存储。
- tensor前n个数据计算接口样例
1
AscendC::CompareScalar(dstLocal, src0Local, src1Scalar, AscendC::CMPMODE::LT, srcDataSize);
- tensor高维切分计算-mask连续模式
1 2 3 4 5 6 7
uint64_t mask = 256 / sizeof(float); // 256为每个迭代处理的字节数 int repeat = 4; AscendC::UnaryRepeatParams repeatParams = { 1, 1, 8, 8 }; // repeat = 4, 64 elements one repeat, 256 elements total // dstBlkStride, srcBlkStride = 1, no gap between blocks in one repeat // dstRepStride, srcRepStride = 8, no gap between repeats AscendC::CompareScalar(dstLocal, src0Local, src1Scalar, AscendC::CMPMODE::LT, mask, repeat, repeatParams);
- tensor高维切分计算-mask逐bit模式
1 2 3 4 5 6 7
uint64_t mask[2] = { UINT64_MAX, 0}; int repeat = 4; AscendC::UnaryRepeatParams repeatParams = { 1, 1, 8, 8 }; // repeat = 4, 64 elements one repeat, 256 elements total // srcBlkStride, = 1, no gap between blocks in one repeat // dstRepStride, srcRepStride = 8, no gap between repeats AscendC::CompareScalar(dstLocal, src0Local, src1Scalar, AscendC::CMPMODE::LT, mask, repeat, repeatParams);
输入数据(src0_gm): [ 16.604824 45.069473 65.108345 -59.68792 21.043684 75.90726 -27.046307 -40.10546 -5.933778 83.56574 58.87062 -12.77814 28.17882 62.549377 -22.310246 -67.69001 81.06072 69.988945 69.10082 -6.667376 96.20256 18.532446 -66.56364 -32.531246 49.980835 35.668995 -16.847628 1.3236234 10.0143795 43.878166 26.628105 31.774637 47.9279 79.7291 -54.09651 95.49459 -18.404795 -86.84594 9.406091 -79.54437 0.49116692 -48.151714 -12.97062 -99.89055 23.475513 -27.366564 -69.229675 83.613304 52.14729 40.98426 -23.422009 -53.386215 1.6576616 -62.36946 54.693733 66.2058 -4.0042257 -25.351263 1.0000885 -6.458584 25.447659 71.647316 82.31162 -7.7359715 28.107353 -79.22045 20.292479 67.7434 -76.054085 -7.754251 38.632687 -4.8460293 -69.791954 -57.574455 -99.96178 -73.29611 -68.57477 98.200035 -55.30482 -55.590027 79.53274 -1.862139 -37.60953 -12.225406 -35.2875 -24.047668 -66.07609 21.9362 80.603516 28.928387 26.579298 97.6649 78.94723 -89.86824 73.29788 18.957182 -73.87053 -23.508097 -51.02931 39.158726 -96.61422 -41.192455 54.973663 47.58695 -3.9818003 -81.05088 -67.62415 -17.491713 -34.916042 -95.993744 -3.4719822 -55.956417 6.223455 12.240832 15.055512 94.70584 -13.33949 -50.46866 54.612816 -28.521824 -87.63997 59.53054 41.000504 -31.266075 -31.419422 -32.940186 53.449913 50.012768 -13.663364 40.931725 -68.80396 -86.63726 76.866585 -83.76385 3.7227867 58.443035 -74.333046 -92.52674 24.249512 -7.935491 24.197245 -34.85033 67.854645 72.65312 13.622443 -70.94266 15.401667 -9.332295 -86.61463 72.659676 -83.63352 9.279887 81.037964 46.285606 -12.967846 -48.72901 69.07614 -40.355286 -94.257034 -45.514374 24.966864 -9.657219 61.803864 -83.09603 77.769035 -97.44226 -89.71987 -53.969315 43.892918 73.88798 67.23104 36.65282 -93.70069 -87.48934 -27.679005 -36.825226 -30.117033 -41.579655 -97.325325 77.1972 -49.883194 33.061394 -63.844925 89.74327 64.549416 80.16943 73.26347 -87.307175 -96.62777 81.8532 7.5365276 28.357092 59.896378 -15.95738 -77.42723 0.03529428 -20.263502 45.59324 -90.160835 89.478004 57.608685 60.71819 45.8125 39.94484 -48.77375 -56.897358 5.2580256 -6.937905 -49.80309 -42.527523 72.91772 89.53271 -62.181187 18.490683 -69.40782 6.141204 13.938042 75.312515 21.766457 -8.157599 55.53147 -30.789118 -12.087165 82.435684 23.4884 82.73172 -2.026827 -8.124383 -10.707488 -74.32759 -54.702602 14.209252 93.73145 98.93554 52.803623 32.200726 41.823833 90.193756 -34.512424 -85.64022 97.47763 33.353424 94.84875 23.03139 99.97347 -72.47978 19.51753 -88.28579 -88.70721 -18.659292 -79.5277 62.90431 21.837631 45.989056 -9.62086 11.4855795 ] 输入数据(src1_gm): [-95.16087 -71.4676 51.817818 -12.358237 96.60704 -12.0067835 -44.128048 7.5811195 84.61196 -60.303513 21.470125 98.96244 18.262054 80.014244 48.37233 -75.03457 ] 输出数据(dst_gm): [ 0 0 0 0 0 8 0 0 0 4 0 0 16 32 0 0 0 0 0 0 32 0 4 16 0 0 0 0 0 0 0 0]
样例模板
#include "kernel_operator.h" template <typename T> class KernelCmp { public: __aicore__ inline KernelCmp() {} __aicore__ inline void Init(__gm__ uint8_t* src0Gm, __gm__ uint8_t* src1Gm, __gm__ uint8_t* dstGm, uint32_t dataSize, AscendC::CMPMODE mode) { srcDataSize = dataSize; dstDataSize = srcDataSize / AscendC::AscendCUtils::GetBitSize(sizeof(uint8_t)); cmpMode = mode; src0Global.SetGlobalBuffer((__gm__ T*)src0Gm); src1Global.SetGlobalBuffer((__gm__ T*)src1Gm); dstGlobal.SetGlobalBuffer((__gm__ uint8_t*)dstGm); pipe.InitBuffer(inQueueSrc0, 1, srcDataSize * sizeof(T)); pipe.InitBuffer(inQueueSrc1, 1, 16 * sizeof(T)); pipe.InitBuffer(outQueueDst, 1, dstDataSize * sizeof(uint8_t)); } __aicore__ inline void Process() { CopyIn(); Compute(); CopyOut(); } private: __aicore__ inline void CopyIn() { AscendC::LocalTensor<T> src0Local = inQueueSrc0.AllocTensor<T>(); AscendC::LocalTensor<T> src1Local = inQueueSrc1.AllocTensor<T>(); AscendC::DataCopy(src0Local, src0Global, srcDataSize); AscendC::DataCopy(src1Local, src1Global, 16); inQueueSrc0.EnQue(src0Local); inQueueSrc1.EnQue(src1Local); } __aicore__ inline void Compute() { AscendC::LocalTensor<T> src0Local = inQueueSrc0.DeQue<T>(); AscendC::LocalTensor<T> src1Local = inQueueSrc1.DeQue<T>(); AscendC::LocalTensor<uint8_t> dstLocal = outQueueDst.AllocTensor<uint8_t>(); AscendC::PipeBarrier<PIPE_ALL>(); T src1Scalar = src1Local.GetValue(0); AscendC::PipeBarrier<PIPE_ALL>(); AscendC::CompareScalar(dstLocal, src0Local, static_cast<T>(src1Scalar), cmpMode, srcDataSize); outQueueDst.EnQue<uint8_t>(dstLocal); inQueueSrc0.FreeTensor(src0Local); inQueueSrc1.FreeTensor(src1Local); } __aicore__ inline void CopyOut() { AscendC::LocalTensor<uint8_t> dstLocal = outQueueDst.DeQue<uint8_t>(); AscendC::DataCopy(dstGlobal, dstLocal, dstDataSize); outQueueDst.FreeTensor(dstLocal); } private: AscendC::TPipe pipe; AscendC::TQue<AscendC::QuePosition::VECIN, 1> inQueueSrc0, inQueueSrc1; AscendC::TQue<AscendC::QuePosition::VECOUT, 1> outQueueDst; AscendC::GlobalTensor<T> src0Global, src1Global; AscendC::GlobalTensor<uint8_t> dstGlobal; uint32_t srcDataSize = 0; uint32_t dstDataSize = 0; AscendC::CMPMODE cmpMode; }; template <typename T> __aicore__ void main_cpu_cmp_sel_demo(__gm__ uint8_t* src0Gm, __gm__ uint8_t* src1Gm, __gm__ uint8_t* dstGm, uint32_t dataSize, AscendC::CMPMODE mode) { KernelCmp<T> op; op.Init(src0Gm, src1Gm, dstGm, dataSize, mode); op.Process(); }