SetAtomicAdd
功能说明
调用该接口后，可对后续的从VECOUT/L0C/L1到GM的数据传输开启原子累加，通过模板参数设定不同的累加数据类型。
函数原型
1 2 |
template <typename T> __aicore__ inline void SetAtomicAdd() {} |
参数说明
参数名 |
描述 |
|---|---|
T |
设定不同的累加数据类型。 Atlas 训练系列产品，支持的数据类型为：float；支持的数据通路为VECOUT->GM。 Atlas推理系列产品AI Core，支持的数据类型为float/half/int16_t；支持的数据通路为VECOUT->GM。 Atlas A2训练系列产品/Atlas 800I A2推理产品，支持的数据类型为float/half/int16_t/int32_t/int8_t/bfloat16_t；支持的数据通路为VECOUT/L0C/L1->GM。 Atlas 200/500 A2推理产品，支持的数据类型为float/half/int16_t/int32_t；支持的数据通路为VECOUT/L0C/L1->GM |
返回值
无
支持的型号
Atlas 训练系列产品
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
- 累加操作完成后，建议通过SetAtomicNone关闭原子累加，以免影响后续相关指令功能。
- 该指令执行前不会对GM的数据做清零操作，开发者根据实际的算子逻辑判断是否需要清零，如果需要自行进行清零操作。
调用示例
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 |
// 本演示示例使用DataCopy从VECOUT搬出到外部dstGlobal时进行原子累加。 // 本例子结果经过3个vector核累加得到，并且输出（dstGM）上的元素在调用核函数之前被初始化为0。 #include "kernel_operator.h" class KernelSetAtomicAdd { public: __aicore__ inline KernelSetAtomicAdd() {} __aicore__ inline void Init(__gm__ uint8_t* src0Gm, __gm__ uint8_t* src1Gm, __gm__ uint8_t* dstGm) { src0Global.SetGlobalBuffer((__gm__ float*)src0Gm); src1Global.SetGlobalBuffer((__gm__ float*)src1Gm); dstGlobal.SetGlobalBuffer((__gm__ float*)dstGm); pipe.InitBuffer(inQueueSrc0, 1, 256 * sizeof(float)); pipe.InitBuffer(inQueueSrc1, 1, 256 * sizeof(float)); pipe.InitBuffer(outQueueDst, 1, 256 * sizeof(float)); } __aicore__ inline void Process() { CopyIn(); Compute(); CopyOut(); } private: __aicore__ inline void CopyIn() { AscendC::LocalTensor<float> src0Local = inQueueSrc0.AllocTensor<float>(); AscendC::LocalTensor<float> src1Local = inQueueSrc1.AllocTensor<float>(); AscendC::DataCopy(src0Local, src0Global, 256); AscendC::DataCopy(src1Local, src1Global, 256); inQueueSrc0.EnQue(src0Local); inQueueSrc1.EnQue(src1Local); } __aicore__ inline void Compute() { AscendC::LocalTensor<float> src0Local = inQueueSrc0.DeQue<float>(); AscendC::LocalTensor<float> src1Local = inQueueSrc1.DeQue<float>(); AscendC::LocalTensor<float> dstLocal = outQueueDst.AllocTensor<float>(); AscendC::Add(dstLocal, src0Local, src1Local, 256); outQueueDst.EnQue(dstLocal); inQueueSrc0.FreeTensor(src0Local); inQueueSrc1.FreeTensor(src1Local); } __aicore__ inline void CopyOut() { AscendC::LocalTensor<float> dstLocal = outQueueDst.DeQue<float>(); AscendC::SetAtomicAdd<float>(); AscendC::DataCopy(dstGlobal, dstLocal, 256); AscendC::SetAtomicNone(); outQueueDst.FreeTensor(dstLocal); } private: AscendC::TPipe pipe; AscendC::TQue<AscendC::QuePosition::VECIN, 1> inQueueSrc0, inQueueSrc1; AscendC::TQue<AscendC::QuePosition::VECOUT, 1> outQueueDst; AscendC::GlobalTensor<float> src0Global, src1Global, dstGlobal; }; extern "C" __global__ __aicore__ void set_atomic_add_ops_kernel(__gm__ uint8_t* src0Gm, __gm__ uint8_t* src1Gm, __gm__ uint8_t* dstGm) { KernelSetAtomicAdd op; op.Init(src0Gm, src1Gm, dstGm); op.Process(); } |
每个核的输入数据为: Src0: [1,1,1,1,1,...,1] // 256个1 Src1: [1,1,1,1,1,...,1] // 256个1 最终输出数据: [6,6,6,6,6,...,6] // 256个6
父主题： 原子操作
