Skip to content

asc_loadalign_postupdate

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/reg_compute/load/loadalign.h"。

从Unified Buffer(UB)中32字节对齐的起始地址读取数据,并搬入矢量数据寄存器或掩码寄存器,搬运过程中数据格式和内容保持不变。接口采用Post Update模式,搬运完成后自动更新源地址指针。本接口提供两种功能模式:

  • 立即数偏移搬入模式:从当前源地址搬入数据,搬入完成后按照指定步长自动更新源地址。
  • 非连续对齐搬入模式:按照指定的数据块间隔,从当前源地址非连续搬入8个DataBlock,每个DataBlock的数据量为32字节。搬入完成后按照指定步长自动更新源地址。

图1 立即数偏移搬入模式

本接口为Reg矢量搬运接口,仅在AIV上生效。

函数原型​

立即数偏移搬入模式​

C
// 搬入矢量数据寄存器。
__simd_callee__ inline void asc_loadalign_postupdate(vector_<dtype>& dst,
                                                     __ubuf__ <dtype>*& src,
                                                     int32_t offset)
// 搬入掩码寄存器。
__simd_callee__ inline void asc_loadalign_postupdate(vector_bool& dst,
                                                     __ubuf__ uint32_t*& src,
                                                     int32_t offset)

dtype支持数据类型​

dtype取值为:int4b_t、int8_t、uint8_t、fp4x2_e2m1_t、fp4x2_e1m2_t、hifloat8_t、fp8_e8m0_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t。当dtype为int4b_t时,dst的实际类型为vector_int4x2_t。

函数原型典型示例​

C
// 示例:float类型。
__simd_callee__ inline void asc_loadalign_postupdate(vector_float& dst,
                                                     __ubuf__ float*& src,
                                                     int32_t offset)

非连续对齐搬入模式​

C
__simd_callee__ inline void asc_loadalign_postupdate(vector_<dtype>& dst,
                                                     __ubuf__ <dtype>*& src,
                                                     uint16_t block_stride,
                                                     uint16_t repeat_stride,
                                                     vector_bool mask)

dtype支持数据类型​

dtype取值为:int4b_t、int8_t、uint8_t、fp4x2_e2m1_t、fp4x2_e1m2_t、hifloat8_t、fp8_e8m0_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t。当dtype为int4b_t时,dst的实际类型为vector_int4x2_t。

函数原型典型示例​

C
// 示例:float类型。
__simd_callee__ inline void asc_loadalign_postupdate(vector_float& dst,
                                                     __ubuf__ float*& src,
                                                     uint16_t block_stride,
                                                     uint16_t repeat_stride,
                                                     vector_bool mask)

参数说明​

立即数偏移搬入模式​

表1 参数说明

参数名输入/输出描述
dst输出目的矢量数据寄存器或掩码寄存器。
• 当dst为矢量数据寄存器,dtype必须与src一致,搬入VL长度数据。
• 当dst为掩码寄存器,搬入VL/8长度数据。
src输入/输出源UB地址,实际读取地址必须按32字节对齐。
offset输入Post Update步长。接口从当前src地址完成搬入后更新src。
• 当dst为矢量数据寄存器时,单位为元素个数,src增加offset × sizeof(dtype)字节。
• 当dst为掩码寄存器时,单位为字节,src指针增加offset字节。

非连续对齐搬入模式​

表2 参数说明

参数名输入/输出描述
dst输出目的矢量数据寄存器。dtype必须与src一致,搬入VL长度数据。
src输入/输出源UB地址,实际读取地址必须按32字节对齐。
block_stride输入源操作数相邻DataBlock之间起始地址的步长,单位为32字节。
repeat_stride输入Post Update步长,单位为32字节。接口完成本次搬入后,将src地址增加repeat_stride × 32字节。
mask输入掩码寄存器,用于指示在计算过程中哪些元素参与计算。该接口以DataBlock为数据搬运单元。
• 当DataBlock中的任意一个元素被mask筛选成有效元素时,该DataBlock中所有数据都会搬入至矢量数据寄存器。
• 当DataBlock中所有元素都被mask筛选成无效元素时,该DataBlock中的数据不会搬入到矢量数据寄存器,对应位置的元素设置为0,即使UB越界也不会报错。

矢量数据寄存器和掩码寄存器的详细说明请参见reg数据类型定义。

返回值说明​

无

约束说明​

通用约束​

  • Reg矢量计算C API通用约束请参见通用约束。
  • 各功能模式下的当前实际读取地址及Post Update更新后的下一次实际读取地址必须按32字节对齐,且实际读取范围必须在UB地址空间内且不越界,否则会报错。非连续对齐搬入模式中,当某个DataBlock的mask包含的元素全部无效时,该DataBlock即使越界也不会报错。
  • UB容量上限为256KB,用户可用容量随编译选项与编程场景变化(默认预留6KB SIMD VF栈 + 2KB Ascend C预留,可用248KB;SIMD+SIMT混编时再划分32KB~128KB作Data Cache,可用容量进一步减少)。UB地址偏移后不可超过实际可用容量,否则会报错。
  • 如果本指令与其他指令存在数据依赖,需要插入同步指令asc_mem_bar,保证多个指令串行化,防止出现异常数据。

非连续对齐搬入模式​

  • 该模式不支持目的操作数为掩码寄存器。

  • 当dtype为int64_t时,由于掩码创建接口不支持b64模式,需要先通过asc_create_mask_b32生成b32掩码,再通过asc_unpack_lower将其展开为适用于b64数据的掩码后传入本接口。展开后的掩码以连续8个bit为一组,仅每组最低位的bit有效,用于控制对应的一个b64元素。

    C
    vector_int64_t src_reg;
    vector_bool mask_b32 = asc_create_mask_b32(PAT_ALL);
    vector_bool mask_b64;
    asc_unpack_lower(mask_b64, mask_b32);
    addr_reg load_offset;
    addr_reg store_offset;
    for (uint16_t i = 0; i < repeatTimes; ++i) {
        load_offset = asc_update_addr_reg_b32(elements_vl * 2);
        // 搬出到UB后数据类型为B32,偏移不需要*2
        store_offset = asc_update_addr_reg_b32(elements_vl);
        asc_loadalign(src_reg, input, load_offset);
        asc_storealign_pack(output, src_reg, store_offset, mask_b64);
    }
    

调用示例​

将代码保存为example.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:

Bash
bisheng example.asc -o main --npu-arch=dav-3510 && ./main
C++
#include <cstdint>
#include <iostream>
#include <vector>
#include "c_api/asc_simd.h"
#include "utils/std/cmath.h"
#include "acl/acl.h"
namespace {
constexpr uint8_t MUTEX_ID = 0;

template <typename T>
void print_data(const char* label, const std::vector<T>& dst_regs)
{
    std::cout << label << ":";
    const size_t count = dst_regs.size() < 8 ? dst_regs.size() : 8;
    for (size_t i = 0; i < count; ++i) std::cout << ' ' << +dst_regs[i];
    if (dst_regs.size() > count) std::cout << " ...";
    std::cout << std::endl;
}

constexpr uint32_t BUFFER_ELEMENTS = 260;
constexpr uint32_t ELEMENTS_PER_REGISTER = 256;
constexpr uint32_t BUFFER_STORAGE_ELEMENTS =
    AscendC::Std::ceil_div(BUFFER_ELEMENTS, ELEMENTS_PER_REGISTER) * ELEMENTS_PER_REGISTER;
constexpr uint32_t BUFFER_BYTES = BUFFER_ELEMENTS * sizeof(uint8_t);
// 统一记录实际处理长度,用于计算迭代次数并限制尾轮的有效范围。
constexpr uint32_t TOTAL_LENGTH = BUFFER_ELEMENTS;
constexpr uint32_t DATA_BYTES = TOTAL_LENGTH * sizeof(uint8_t);
__simd_vf__ inline void asc_loadalign_postupdate_vf(__ubuf__ uint8_t* output,
                                                    __ubuf__ uint8_t* input,
                                                    uint32_t one_repeat_size, uint16_t repeat_time)
{
    // 保留剩余有效元素数,供更新掩码处理尾块。
    uint32_t remaining_length = BUFFER_ELEMENTS;
    for (uint16_t i = 0; i < repeat_time; ++i) {
        vector_bool mask = asc_update_mask_b8(remaining_length);
        vector_uint8_t src_reg;
        asc_loadalign_postupdate(src_reg, input, one_repeat_size);
        asc_storealign(output + i * one_repeat_size, src_reg, mask);
    }
}

__global__ __vector__ void asc_loadalign_postupdate_kernel(__gm__ uint8_t* output, __gm__ uint8_t* input)
{
    asc_init();
    __ubuf__ uint8_t output_local[BUFFER_STORAGE_ELEMENTS], input_local[BUFFER_STORAGE_ELEMENTS];
    asc_lock(PIPE_MTE2, MUTEX_ID);
    asc_copy_gm2ub_align(input_local, input, BUFFER_BYTES);

    asc_unlock(PIPE_MTE2, MUTEX_ID);


    uint32_t one_repeat_size = static_cast<uint32_t>(asc_get_vf_len() / sizeof(uint8_t));
    uint16_t repeat_time = static_cast<uint16_t>(AscendC::Std::ceil_div(TOTAL_LENGTH, one_repeat_size));
    asc_lock(PIPE_V, MUTEX_ID);
    asc_vf_call<asc_loadalign_postupdate_vf>(output_local, input_local, one_repeat_size, repeat_time);

    asc_unlock(PIPE_V, MUTEX_ID);

    asc_lock(PIPE_MTE3, MUTEX_ID);

    asc_copy_ub2gm_align(output, output_local, BUFFER_BYTES);
    asc_unlock(PIPE_MTE3, MUTEX_ID);
    asc_sync();
}
} // namespace

int main()
{
    std::vector<uint8_t> input(BUFFER_ELEMENTS), output(BUFFER_ELEMENTS, 0xff);
    for (uint16_t i = 0; i < BUFFER_ELEMENTS; ++i) input[i] = static_cast<uint8_t>(i % 251);
    aclInit(nullptr);
    aclrtSetDevice(0);
    uint8_t* input_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&input_device), BUFFER_BYTES,
        ACL_MEM_MALLOC_HUGE_FIRST);
    uint8_t* output_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&output_device), BUFFER_BYTES,
        ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMemcpy(input_device, input.size() * sizeof(uint8_t), input.data(), input.size() * sizeof(uint8_t),
        ACL_MEMCPY_HOST_TO_DEVICE);
    asc_loadalign_postupdate_kernel<<<1, 0>>>(output_device, input_device);
    aclrtSynchronizeDevice();
    aclrtMemcpy(output.data(), output.size() * sizeof(uint8_t), output_device, output.size() * sizeof(uint8_t),
        ACL_MEMCPY_DEVICE_TO_HOST);
    print_data("Input bytes", input);
    print_data("Output bytes", output);
    const bool passed = input == output;
    std::cout << (passed ? "[Success] asc_loadalign_postupdate completed."
                         : "[Failed] asc_loadalign_postupdate output mismatch.")
              << std::endl;
    aclrtFree(input_device);
    aclrtFree(output_device);
    aclrtResetDevice(0);
    aclFinalize();
    return passed ? 0 : 1;
}

免责声明:本站内容由 asc-devkit 仓 master 分支自动编译生成,属于持续开发版本,可能存在缺陷,仅供预览与参考。如需稳定及商用资料,请查阅官方 昇腾社区。