Erf

功能说明

按元素做误差函数计算（也称为高斯误差函数，error function or Gauss error function）。计算公式如下，其中PAR表示矢量计算单元一个迭代能够处理的元素个数：

$\text{[math]}$

定义原型

通过sharedTmpBuffer入参传入临时空间
- 源操作数Tensor全部/部分参与计算
   template <typename T, bool isReuseSource = false>
  
  __aicore__ inline void Erf(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor,const LocalTensor<uint8_t>& sharedTmpBuffer, const uint32_t calCount)
- 源操作数Tensor全部参与计算
   template <typename T, bool isReuseSource = false>
  
  __aicore__ inline void Erf(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor,const LocalTensor<uint8_t>& sharedTmpBuffer)
接口框架申请临时空间
- 源操作数Tensor全部/部分参与计算
   template <typename T, bool isReuseSource = false>
  
  __aicore__ inline void Erf(const LocalTensor<T> &dstTensor, const LocalTensor<T> &srcTensor, const uint32_t calCount);
- 源操作数Tensor全部参与计算
   template <typename T, bool isReuseSource = false>
  
  __aicore__ inline void Erf(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor)；

由于该接口的内部实现中涉及复杂的数学计算，需要额外的临时空间来存储计算过程中的中间变量。临时空间支持开发者通过sharedTmpBuffer入参传入和接口框架申请两种方式。

通过sharedTmpBuffer入参传入，使用该tensor作为临时空间进行处理，接口框架不再申请。该方式开发者可以自行管理sharedTmpBuffer内存空间，并在接口调用完成后，复用该部分内存，内存不会反复申请释放，灵活性较高，内存利用率也较高。
接口框架申请临时空间，开发者无需申请，但是需要预留临时空间的大小。

通过sharedTmpBuffer传入的情况，开发者需要为tensor申请空间；接口框架申请的方式，开发者需要预留临时空间。临时空间大小BufferSize的获取方式如下：通过7.11.31-Erf Tiling中提供的接口获取需要预留空间范围的大小。

参数说明

表1 接口参数说明
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。 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 Atlas推理系列产品（Ascend 310P处理器）AI Core，支持的数据类型为：half/float
srcLocal	输入	源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。源操作数的数据类型需要与目的操作数保持一致。 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 Atlas推理系列产品（Ascend 310P处理器）AI Core，支持的数据类型为：half/float
sharedTmpBuffer	输入	临时缓存。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。临时空间大小BufferSize的获取方式请参考7.11.31-Erf Tiling。
calCount	输入	实际计算数据元素个数，且calCount∈(0, srcTensor.GetSize()]。
isReuseSource	输入	是否允许修改源操作数。该参数预留，传入默认值false即可。

返回值

无

支持的型号

Atlas A2训练系列产品/Atlas 800I A2推理产品

Atlas推理系列产品（Ascend 310P处理器）AI Core

约束说明

源操作数与目的操作数不允许同时使用（即地址不重叠）。

操作数地址偏移对齐要求请参见通用约束。

调用示例

#include "kernel_operator.h"
using namespace AscendC;
template <typename srcType>
class KernelErf {
public:
    __aicore__ inline KernelErf()
    {}
    __aicore__ inline void Init(GM_ADDR src_gm, GM_ADDR dst_gm, uint32_t srcSize)
    {
        src_global.SetGlobalBuffer(reinterpret_cast<__gm__ srcType *>(src_gm), srcSize);
        dst_global.SetGlobalBuffer(reinterpret_cast<__gm__ srcType *>(dst_gm), srcSize);
        
        pipe.InitBuffer(inQueueX, 1, space);
        pipe.InitBuffer(outQueue, 1, space);
    }
    __aicore__ inline void Process(uint32_t offset, uint32_t cal_size)
    {
        bufferSize = cal_size;
        CopyIn(offset);
        Compute();
        CopyOut(offset);
    }
private:
    __aicore__ inline void CopyIn(uint32_t offset)
    {
        LocalTensor<srcType> srcLocal = inQueueX.AllocTensor<srcType>();
        DataCopy(srcLocal, src_global[offset], bufferSize);
        inQueueX.EnQue(srcLocal);
    }
    __aicore__ inline void Compute()
    {
        LocalTensor<srcType> dstLocal = outQueue.AllocTensor<srcType>();
        LocalTensor<srcType> srcLocal = inQueueX.DeQue<srcType>();
        for (int i = 0; i < 100; i++) {
            Erf<srcType, false, true>(dstLocal, srcLocal);
        }
        outQueue.EnQue<srcType>(dstLocal);
        inQueueX.FreeTensor(srcLocal);
    }
    __aicore__ inline void CopyOut(uint32_t offset)
    {
        LocalTensor<srcType> dstLocal = outQueue.DeQue<srcType>();
        DataCopy(dst_global[offset], dstLocal, bufferSize);
        outQueue.FreeTensor(dstLocal);
    }
private:
    GlobalTensor<srcType> src_global;
    GlobalTensor<srcType> dst_global;
    TPipe pipe;
    TQue<QuePosition::VECIN, 1> inQueueX;
    TQue<QuePosition::VECOUT, 1> outQueue;
    uint32_t bufferSize = 0;
};
template <typename dataType>
__aicore__ void kernel_erf_operator(GM_ADDR src_gm, GM_ADDR dst_gm, uint32_t srcSize)
{
    KernelErf<dataType> op;
    op.Init(src_gm, dst_gm, srcSize);
    op.Process();
}

结果示例如下：

输入数据(srcLocal): 
[-9.609991  -1.8448765  9.609758   3.8447127 -1.1222854  9.229954
 -1.9746934 -3.7733989 -4.9434195  0.8424659  0.2051153 -9.630209
  9.585648   1.3517833 -7.195028   4.7777047]
输出数据(dstLocal): 
[-1.         -0.9909206   1.          0.99999994 -0.88752156  1.
 -0.994772   -0.9999999  -1.          0.7665139   0.22824255 -1.
  1.          0.9440866  -1.          1.        ]

父主题： Erf