参数列表

在使用时应带有命名空间atb::infer::SelfAttentionParam的参数，成员描述如下：

上表中类型为自定义类型的，其描述如下：

• QuantType：表示quant类型的枚举量，其具体取值如下。
  • TYPE_QUANT_UNDEFINED：默认值，不与量化融合，此时q，k，v为bf16/float16。
  • TYPE_DEQUANT_FUSION：与反量化融合, 预留类型，当前不能够取此值。
  • TYPE_QUANT_QKV_OFFLINE：离线INT8量化，只支持Atlas 800I A2 推理产品/Atlas A2 训练系列产品。
  • TYPE_QUANT_QKV_ONLINE：在线INT8量化，只支持Atlas 800I A2 推理产品/Atlas A2 训练系列产品。
• outDataType：output数据类型，其具体取值如下。
  • 只支持PA_ENCODER，且“QuantType”不为TYPE_QUANT_UNDEFINED（格式为aclDataType）。
• kvHeadNum：表示kv头数量， 该值需要用户根据使用的模型实际情况传入，其具体取值如下。
  • kvHeadNum = 0时，keyCache的k_head_num，valueCache的v_head_num与query的num_heads一致，均为num_heads的数值。
  • kvHeadNum != 0时，keyCache的k_head_num，valueCache的v_head_num与kvHeadNum值相同。
• CalcType：表示计算类型，其具体取值如下。
  • UNDEFINED：同时使用flashAttention的decoder和encoder。
  • ENCODER：使用FlashAttention的encoder。、
  • DECODER：使用FlashAttention的decoder。
  • PA_ENCODER：使用PagedAttention的encoder。
• KernelType：表示内核精度类型，其具体取值如下。
  • KERNELTYPE_DEFAULT ：输入float16，batchmatmul使用float16，输出float16。
  • KERNELTYPE_HIGH_PRECISION ：输入float16，batch matmul使用float，输出float16。
• ClampTpye：表示clamp类型，其具体取值如下。
  • CLAMP_TYPE_UNDEFINED：不进行缩放。
  • CLAMP_TYPE_MIN_MAX：进行缩放，同时指定最大最小值。
• MaskType：表示mask类型，其具体取值如下。
  • MASK_TYPE_UNDEFINED：默认值，全0mask。
  • MASK_TYPE_NORM：倒三角mask。
  • MASK_TYPE_ALIBI：Alibi Mask。
  • MASK_TYPE_NORM_COMPRESS：倒三角压缩mask。
  • MASK_TYPE_ALIBI_COMPRESS：alibi压缩mask。
  • MASK_TYPE_ALIBI_COMPRESS_SQRT：alibi压缩开平方mask。
  • MASK_TYPE_ALIBI_COMPRESS_LEFT_ALIGN：alibi压缩mask左对齐。当前仅支持Atlas 800I A2 推理产品/Atlas A2 训练系列产品。
• KvCacheCfg：表示kvcache配置，不支持“calcType”为PA_ENCODER，其具体取值如下。
  • K_CACHE_V_CACHE ：默认值，进行kvcache处理。
  • K_BYPASS_V_BYPASS：直接传入kvcache。
• ScaleType：表示scale类型，其具体取值如下。
  • SCALE_TYPE_TOR：默认值，不开启LogN缩放。
  • SCALE_TYPE_LOGN：注意力使用LogN缩放，quantType只能是0。
  • SCALE_TYPE_MAX：边界值，仅用于判断是否出界。
• InputLayout：输入数据排布格式，InputLayout类型枚举值，其具体取值如下。
  • 默认为TYPE_BSND，此时枚举值为0。
  • 输入数据排布格式为TYPE_BNSD时，枚举值为1。