aclnnRingAttentionUpdate

支持的产品型号

• [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品[object Object]。

接口原型

每个算子分为undefined，必须先调用“aclnnRingAttentionUpdateGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnRingAttentionUpdate”接口执行计算。

• aclnnStatus aclnnRingAttentionUpdateGetWorkspaceSize(const aclTensor* prevAttnOut, const aclTensor* prevSoftmaxMax, const aclTensor* prevSoftmaxSum, const aclTensor* curAttnOut, const aclTensor* curSoftmaxMax, const aclTensor* curSoftmaxSum, const aclTensor* actualSeqQlenOptional, char* inputLayout, aclTensor* attnOut, aclTensor* softmaxMax, aclTensor* softmaxSum, uint64_t* workspaceSize, aclOpExecutor** executor)
• aclnnStatus aclnnRingAttentionUpdate(void* workspace, uint64_t workspaceSize, aclOpExecutor* executor, aclrtStream stream)

功能描述

• 接口功能：RingAttentionUpdate算子功能是将两次FlashAttention的输出根据其不同的softmax的max和sum更新。

• 计算公式：

$$softmax\_max = max(prev\_softmax\_max, cur\_softmax\_max)$$ $$softmax\_sum = prev\_softmax\_sum * exp(prev\_softmax\_max - softmax\_max) + exp(cur\_softmax\_max - softmax\_max)$$ $$attn\_out = prev\_attn\_out * exp(prev\_softmax\_max - softmax\_max) / softmax\_sum + cur\_attn\_out * exp(cur\_softmax\_max - softmax\_max) / softmax\_sum$$

aclnnRingAttentionUpdateGetWorkspaceSize

• 参数说明：

  • prevAttnOut（aclTensor*,计算输入）：Device侧的aclTensor，公式中的prev_attn_out，第一次FlashAttention的输出，数据类型支持FLOAT16、FLOAT、BFLOAT16，输入shape和inputLayout属性保持一致，支持undefined，undefined支持ND。当输入数据排布inputLayout为TND时，D限制为64的倍数。
  • prevSoftmaxMax（aclTensor*,计算输入）：Device侧的aclTensor，公式中的prev_softmax_max，第一次FlashAttention的softmax的max结果，数据类型支持FLOAT，输入shape为(B,N,S,8)或(T,N,8)，最后一维8个数字相同，且需要为正数，支持undefined，undefined支持ND。此处B为batch size，N为head number，S为sequence length，T为time。
  • prevSoftmaxSum（aclTensor*,计算输入）：Device侧的aclTensor，公式中的prev_softmax_sum，第一次FlashAttention的softmax的sum结果，数据类型支持FLOAT，输入shape和prevSoftmaxMax保持一致，最后一维8个数字相同，且需要为正数，支持undefined，undefined支持ND。
  • curAttnOut（aclTensor*,计算输入）：Device侧的aclTensor，公式中的cur_attn_out，第二次FlashAttention的输出，数据类型支持FLOAT16、FLOAT、BFLOAT16，数据类型和输入shape和prevAttnOut保持一致，支持undefined，undefined支持ND。当输入数据排布inputLayout为TND时，D限制为64的倍数。
  • curSoftmaxMax（aclTensor*,计算输入）：Device侧的aclTensor，公式中的cur_softmax_max，第二次FlashAttention的softmax的max结果，数据类型支持FLOAT，输入shape和prevSoftmaxMax保持一致，最后一维8个数字相同，且需要为正数，支持undefined，undefined支持ND。
  • curSoftmaxSum（aclTensor*,计算输入）：Device侧的aclTensor，公式中的cur_softmax_sum，第二次FlashAttention的softmax的sum结果，数据类型支持FLOAT，输入shape和prevSoftmaxMax保持一致，最后一维8个数字相同，且需要为正数，支持undefined，undefined支持ND。
  • actualSeqQlenOptional（aclTensor*,计算输入）：Device侧的aclTensor，从0开始的sequence length的累加，数据类型支持INT64。当数据排布inputLayout为TND时，需要传入该参数，这是一个从0开始递增至T的整数aclTensor。
  • inputLayout（char*,计算输入）：Host侧的char*常量，attn_out相关输入的数据排布。当前支持“TND”和“SBH”。
  • attnOut（aclTensor*,计算输出）：Device侧的aclTensor，公式中的attn_out，通过两次结果更新后的输出，数据类型支持FLOAT16、FLOAT、BFLOAT16，数据类型和输出shape和prevAttnOut保持一致，支持undefined，undefined支持ND。
  • softmaxMax（aclTensor*,计算输出）：Device侧的aclTensor，公式中的softmax_max，通过两次结果更新后的softmax的max，数据类型支持FLOAT，输出shape和prevSoftmaxMax保持一致，支持undefined，undefined支持ND。
  • softmaxSum（aclTensor*,计算输出）：Device侧的aclTensor，公式中的softmax_sum，通过两次结果更新后的softmax的sum，数据类型支持FLOAT，输出shape和prevSoftmaxMax保持一致，支持undefined，undefined支持ND。
  • workspaceSize（uint64_t*, 出参）：返回需要在Device侧申请的workspace大小。
  • executor（aclOpExecutor**, 出参）：返回op执行器，包含算子计算流程。

• 返回值：

  aclnnStatus: 返回状态码，具体参见undefined。

  [object Object]

aclnnRingAttentionUpdate

• 参数说明：

  • workspace(void *, 入参)：在Device侧申请的workspace内存地址。
  • workspaceSize(uint64_t, 入参)：在Device侧申请的workspace大小，由第一段接口aclnnRingAttentionUpdateGetWorkspaceSize获取。
  • executor(aclOpExecutor*, 入参)：op执行器，包含了算子计算流程。
  • stream(aclrtStream, 入参)：指定执行任务的AscendCL Stream流。

• 返回值： aclnnStatus：返回状态码，具体参见undefined。

约束与限制

• 当inputLayout为“TND”时，prevAttnOut的最后一个维度需要为64的倍数。
• 当inputLayout为“TND”时，actualSeqQlenOptional为必填。
• 当inputLayout为“TND”时，请注意N*D的大小，限制为： (N * D)向上对齐64的结果 * (attention的输入数据类型的大小 * 6 + 8) + (N * 8)向上对齐64的结果 * 56 <= 192 * 1024，数据类型大小：FLOAT32为4、FLOAT16和BFLOAT3216为2。若大小超过限制，会有相应拦截信息出现。

调用示例

示例代码如下，仅供参考，具体编译和执行过程请参考undefined。