ScaledMaskedSoftmax & ScaledMaskedSoftmaxGrad

算子基础信息

表1 算子信息
算子名称	ScaledMaskedSoftmax & ScaledMaskedSoftmaxGrad
torch_npu api接口	torch_npu.npu_scaled_masked_softmax(x, mask, scale, fixed_triu_mask)
支持的torch_npu版本	2.1.0, 2.3.1, 2.4.0
支持的芯片类型	Atlas 训练系列产品，Atlas A2 训练系列产品
支持的数据类型	float16, bfloat16, float

算子IR及torch_npu接口参数

算子IR：

REG_OP(ScaledMaskedSoftmax)
    .INPUT(x, TensorType({DT_FLOAT16, DT_FLOAT, DT_BF16}))
    .OPTIONAL_INPUT(mask, TensorType({DT_BOOL, DT_UINT1}))
    .OUTPUT(y, TensorType({DT_FLOAT16, DT_FLOAT, DT_BF16}))
    .ATTR(scale, Float, 1.0)
    .ATTR(fixed_triu_mask, Bool, false)
    .OP_END_FACTORY_REG(ScaledMaskedSoftmax)

torch_npu接口：

torch_npu.npu_scaled_masked_softmax(x, mask, scale, fixed_triu_mask)

参数说明：

表2 参数定义
名称	类型	Dtype	Shape要求	默认值
x	输入	bfloat16, float16, float32	必须为4维, 且后两维都需要在[32, 4096]范围内，且能被32整除	-
mask	输入	bool	必须为4维，且后两维和x一致，且能被广播成x的shape	-
scale	属性	float	对输入x缩放	1.0
fixed_triu_mask	属性	bool	是否生成可用的上三角bool掩码	False

模型中替换代码及算子计算逻辑

模型中替换代码：

       
            if self.input_in_float16 and self.softmax_in_fp32:
    input = input.float()

if self.scale is not None:
    input = input * self.scale
mask_output = self.mask_func(input, mask) if mask is not None else input
probs = torch.nn.Softmax(dim=-1)(mask_output)

if self.input_in_float16 and self.softmax_in_fp32:
    if self.input_in_fp16:
        probs = probs.half()
    else:
        probs = probs.bfloat16()

替换为：

probs = torch_npu.npu_scaled_masked_softmax(input , mask, self.scale, fixed_triu_mask )

算子的计算逻辑如下：

       
            if fixed_triu_mask:
    mask = torch.triu(mask.shape, diagonal=1)
y = torch.softmax((x * scale).masked_fill(mask, -inf), dim=-1)

图1 计算流程图

算子替换的模型中小算子

使用限制

输入x的shape限制如下：
- 必须为4维
- 第三维的取值需要在[32, 4096]范围内
- 第四维的取值需要在[32, 4096]范围内
- 第三维的取值需要能被32整除
- 第四维的取值需要能被32整除
输入mask的shape限制如下：
- 必须为4维
- 后两维必须与x的后两维相等
- 前两维需要能被广播成x的前两维

已支持模型典型case

表3 case列表
id	x	mask
1	[1, 8, 4096, 4096]	[1, 1, 4096, 4096]
2	[4, 32, 2048, 2048]	[4, 1, 2048, 2048]
3	[8, 16, 512, 2048]	[8, 16, 512, 2048]
4	[8, 16, 512, 1536]	[8, 16, 512, 1536]
5	[8, 16, 512, 1024]	[8, 16, 512, 1024]
6	[8, 16, 512, 512]	[8, 16 512, 512]
7	[8, 16, 512, 256]	[8, 16, 512, 256]
8	[4, 4, 2048, 2048]	[4, 4, 2048, 2048]

父主题： 融合算子替换