asc_copy_gm2l1_nd2nz(NPU架构版本3510)
产品支持情况
- Ascend 950PR&950DT系列产品:支持
- Atlas A3系列产品:不支持
- Atlas A2系列产品:不支持
- Atlas 200I/500 A2推理产品:不支持
- Atlas推理系列产品AI Core:不支持
- Atlas推理系列产品Vector Core:不支持
- Atlas训练系列产品:不支持
功能说明
头文件路径为:"c_api/cube_datamove/cube_datamove.h"。
将数据从Global Memory搬运到L1 Buffer,并在搬运过程中将源端按N维连续排布的ND格式数据转换为L1 Buffer侧的Nz分形排布,使其满足后续矩阵计算对分形列连续性的要求。该接口也适用于卷积格式NHWC(ND)转换为NC1HWC0格式等转换场景。
进行ND2Nz格式搬运前,需先通过asc_set_gm2l1_nz_para接口配置ND2Nz搬运的目的Nz矩阵的stride与ND矩阵搬运个数。
本接口仅在AIC上执行有效。
如图1所示,ND到Nz的格式转换也等价于DN到Zn的格式转换,如果要进行DN到Zn的格式转换可采用此指令。

搬入前的数据排布参见关键分形格式详解;地址对齐与搬运粒度要求参见矩阵计算输入搬运约束,并结合本接口的参数和约束说明使用。
函数原型
__aicore__ inline void asc_copy_gm2l1_nd2nz(__cbuf__ <dtype>* dst,
__gm__ <dtype>* src,
uint64_t src_d_value,
asc_load_l2_cache_mode l2_cache_mode,
uint16_t n_value,
uint32_t d_value,
uint64_t src_nd_matrix_stride,
bool enable_small_c0)
dtype支持数据类型
dtype取值为:int8_t、uint8_t、hifloat8_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float。
函数原型典型示例
// 示例:half类型的ND到Nz格式搬运。
__aicore__ inline void asc_copy_gm2l1_nd2nz(__cbuf__ half* dst,
__gm__ half* src,
uint64_t src_d_value,
asc_load_l2_cache_mode l2_cache_mode,
uint16_t n_value,
uint32_t d_value,
uint64_t src_nd_matrix_stride,
bool enable_small_c0)
参数说明
表1 参数说明
| 参数名 | 输入/输出 | 含义 |
|---|---|---|
| dst | 输出 | 目的操作数,存储位置为L1 Buffer。起始地址需要按照32字节对齐。 |
| src | 输入 | 源操作数,存储位置为GM。起始地址需要按照1字节对齐。 |
| src_d_value | 输入 | 源矩阵相邻行起始地址之间的偏移,单位为字节。取值范围:[0, |
| l2_cache_mode | 输入 | 使用asc_load_l2_cache_mode枚举值配置输入GM数据在L2 Cache中的管理策略。仅支持asc_load_l2_cache_mode::NORMAL_FIRST_VICTIM、asc_load_l2_cache_mode::NORMAL_LAST_VICTIM、asc_load_l2_cache_mode::NORMAL_PERSISTENT和asc_load_l2_cache_mode::NOTALLOC_KEEP。 |
| n_value | 输入 | 源矩阵中ND矩阵的行数,单位为元素,取值范围:[1, 65535]。 |
| d_value | 输入 | 源矩阵中ND矩阵的列数,单位为元素,取值范围:[1, |
| src_nd_matrix_stride | 输入 | 源矩阵相邻ND矩阵起始地址间的偏移,单位为字节。取值范围:[0, • 源矩阵ND矩阵个数为1时,此参数无意义,设置为0即可。 • 源矩阵ND矩阵个数大于1时,当 src_nd_matrix_stride = 0时,表示重复搬出源矩阵的第一个ND矩阵。 |
| enable_small_c0 | 输入 | SmallC0模式开关,仅当 • false:不开启SmallC0模式,按标准Nz格式的C0(32字节)排布搬运;• true:开启SmallC0模式,搬运过程中搬运的数据量不满足 |
ND到Nz的格式转换如图2所示。

返回值说明
无
流水类型
PIPE_MTE2
约束说明
通用约束
- 本接口非AIC调用直接返回。
dst起始地址需要按照32字节对齐(L1 Buffer对齐要求),否则会导致搬运异常。src起始地址需要按照1字节对齐(GM对齐要求),否则会导致搬运异常。- 如果本指令与其他指令存在数据依赖,需要插入同步指令,保证多个指令串行化,防止出现异常数据。
- L1 Buffer容量上限:L1 Buffer总容量512KB,
dst偏移量与搬运大小之和不可越界,否则触发异常。
ND2Nz搬运约束
- 调用本指令前,需要先调用asc_set_gm2l1_nz_para接口配置ND2Nz搬运的目的Nz矩阵步长与ND矩阵搬运个数。
src_d_value取值范围为[0,],超出取值范围的值会被截断,导致搬运结果不符合预期。 n_value取值范围为[1, 65535],超出取值范围的值会被截断,导致搬运结果不符合预期。d_value取值范围为[1,],超出取值范围的值会被截断,导致搬运结果不符合预期。 src_nd_matrix_stride取值范围为[0,],超出取值范围的值会被截断,导致搬运结果不符合预期。 enable_small_c0设置为true时,,否则导致搬运异常。
调用示例
将代码保存为examples.asc后,可通过bisheng命令编译运行,其中--npu-arch参数需根据实际产品型号指定对应的NPU架构,具体产品与NPU架构的映射关系请参考__NPU_ARCH__。
以Ascend 950PR&950DT系列产品(对应NPU架构为dav-3510)为例,编译运行命令如下:
bisheng examples.asc -o main --npu-arch=dav-3510 && ./main
样例单核占用32KB L1 Buffer、16KB L0A Buffer、16KB L0B Buffer和64KB L0C Buffer。样例依次复用EVENT_ID0完成MTE2到MTE1、MTE1到M、M到FIX的同步。
#include <cstdint>
#include <iostream>
#include <vector>
#include "c_api/asc_simd.h"
#include "acl/acl.h"
namespace {
constexpr uint32_t M = 128;
constexpr uint32_t K = 128;
constexpr uint32_t N = 128;
constexpr uint32_t ELEMENTS = M * N;
constexpr uint32_t CUBE_M = 16;
constexpr uint32_t CUBE_K = 32;
__global__ __cube__ void AscCopyGm2l1Nd2nzKernel(__gm__ int8_t* a, __gm__ int8_t* b,
__gm__ int32_t* output)
{
asc_init();
__cbuf__ int8_t a_l1[M * K], b_l1[N * K];
__ca__ int8_t a_l0[M * K];
__cb__ int8_t b_l0[K * N];
__cc__ int32_t c_l0[ELEMENTS];
// 将两个128 x 128的ND矩阵从GM搬入L1并转换为Nz格式。
asc_set_gm2l1_nz_para(1, 1, 128, 0);
asc_copy_gm2l1_nd2nz(a_l1, a, K * sizeof(int8_t), asc_load_l2_cache_mode::NORMAL_FIRST_VICTIM,
M, K, 0, false);
asc_set_gm2l1_nz_para(1, 1, 128, 0);
asc_copy_gm2l1_nd2nz(b_l1, b, K * sizeof(int8_t), asc_load_l2_cache_mode::NORMAL_FIRST_VICTIM,
N, K, 0, false);
asc_sync_notify(PIPE_MTE2, PIPE_MTE1, EVENT_ID0);
asc_sync_wait(PIPE_MTE2, PIPE_MTE1, EVENT_ID0);
// 将Nz矩阵分别搬入L0A和L0B,供矩阵乘计算使用。
asc_copy_l12l0a(a_l0, a_l1, 0, 0, M / CUBE_M, K / CUBE_K,
M / CUBE_M, M / CUBE_M);
asc_copy_l12l0b(b_l0, b_l1, 0, 0, N / CUBE_M, K / CUBE_K,
N / CUBE_M, N / CUBE_M);
asc_sync_notify(PIPE_MTE1, PIPE_M, EVENT_ID0);
asc_sync_wait(PIPE_MTE1, PIPE_M, EVENT_ID0);
// 计算128 x 128矩阵乘,并将结果从L0C搬回GM。
asc_mmad(c_l0, a_l0, b_l0, M, K, N, asc_unit_flag_mode::DISABLE, true, false, true);
asc_sync_notify(PIPE_M, PIPE_FIX, EVENT_ID0);
asc_sync_wait(PIPE_M, PIPE_FIX, EVENT_ID0);
asc_set_l0c_copy_nz_para(1, 0, 0);
asc_copy_l0c2gm(output, c_l0, N, M, N, M, asc_store_l2_cache_mode::NORMAL_FIRST_VICTIM,
asc_unit_flag_mode::DISABLE, QuantMode_t::NoQuant, asc_relu_pre_mode::NONE, false, true, false, false);
asc_sync_pipe(PIPE_FIX);
}
template <typename T>
void PrintRow(const char* label, const std::vector<T>& data)
{
std::cout << label << ':';
for (uint32_t i = 0; i < 8; ++i) {
std::cout << ' ' << +data[i];
}
std::cout << " ..." << std::endl;
}
} // namespace
int main()
{
// 构造输入和CPU侧参考结果。
std::vector<int8_t> a(M * K), b(N * K);
std::vector<int32_t> output(ELEMENTS), golden(ELEMENTS);
for (uint32_t row = 0; row < M; ++row) {
for (uint32_t k = 0; k < K; ++k) {
a[row * K + k] = static_cast<int8_t>(static_cast<int32_t>((row + 2 * k) % 5) - 2);
}
}
for (uint32_t col = 0; col < N; ++col) {
for (uint32_t k = 0; k < K; ++k) {
b[col * K + k] = static_cast<int8_t>(static_cast<int32_t>((3 * col + k) % 5) - 2);
}
}
for (uint32_t row = 0; row < M; ++row) {
for (uint32_t col = 0; col < N; ++col) {
for (uint32_t k = 0; k < K; ++k) {
golden[row * N + col] += a[row * K + k] * b[col * K + k];
}
}
}
// 分配Device内存、启动核函数(Kernel)并校验结果。
aclInit(nullptr);
aclrtSetDevice(0);
int8_t *a_device = nullptr, *b_device = nullptr;
int32_t* output_device = nullptr;
aclrtMalloc(reinterpret_cast<void**>(&a_device), a.size(), ACL_MEM_MALLOC_HUGE_FIRST);
aclrtMalloc(reinterpret_cast<void**>(&b_device), b.size(), ACL_MEM_MALLOC_HUGE_FIRST);
aclrtMalloc(reinterpret_cast<void**>(&output_device), output.size() * sizeof(int32_t),
ACL_MEM_MALLOC_HUGE_FIRST);
aclrtMemcpy(a_device, a.size(), a.data(), a.size(), ACL_MEMCPY_HOST_TO_DEVICE);
aclrtMemcpy(b_device, b.size(), b.data(), b.size(), ACL_MEMCPY_HOST_TO_DEVICE);
AscCopyGm2l1Nd2nzKernel<<<1, 0>>>(a_device, b_device, output_device);
aclrtSynchronizeDevice();
aclrtMemcpy(output.data(), output.size() * sizeof(int32_t), output_device,
output.size() * sizeof(int32_t), ACL_MEMCPY_DEVICE_TO_HOST);
PrintRow("Input A row 0", a);
PrintRow("Input B row 0", b);
PrintRow("Output row 0", output);
PrintRow("Golden row 0", golden);
const bool passed = output == golden;
std::cout << (passed ? "[Success] asc_copy_gm2l1_nd2nz preserved the MMAD operands/result."
: "[Failed] asc_copy_gm2l1_nd2nz result mismatch.") << std::endl;
aclrtFree(a_device);
aclrtFree(b_device);
aclrtFree(output_device);
aclrtResetDevice(0);
aclFinalize();
return passed ? 0 : 1;
}