okftype: reference.api description: "非对齐读取接口:从 UB 按 dtype 对齐的起始地址读取 VL 长度连续数据,并与 asc_loadunalign_pre 缓存在 32 字节非对齐寄存器中的前置数据拼接后搬入矢量寄存器,每次搬入前须用同一 src1 先做源地址预处理初始化,仅在 AIV 上生效。" tag:
- roles: [data_movement]
- operations: [load]
- traits: [unaligned_transfer] dependencies:
- path: docs/zh/api/SIMD-API/c_api/defs/type/data_type_definition.md kind: related condition: "正文据此说明矢量数据寄存器与非对齐寄存器"
- path: docs/zh/api/SIMD-API/c_api/reg_compute/load/asc_loadunalign_pre.md kind: requires condition: "每次搬入前必须用源地址预处理模式初始化,且与本接口使用相同的 src1"
- path: docs/zh/api/SIMD-API/c_api/reg_compute/reg_sync/asc_mem_bar.md kind: related condition: "与其他指令存在数据依赖时插入同步指令串行化" version: ">=9.0.0" version_changes: []
asc_loadunalign
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/loadunalign.h"。
从Unified Buffer(UB)中按dtype对齐的起始地址读取VL长度连续数据,并搬入矢量数据寄存器。本接口将asc_loadunalign_pre中的非对齐寄存器(32字节)中缓存的前置数据与从UB读取的后续数据拼接,得到VL长度数据并搬入矢量数据寄存器。连续搬入时,需要在每次调用前手动更新源地址。
设本次实际读取的起始字节地址为src_start_addr,结束字节地址为src_end_addr,其中src_end_addr = src_start_addr + VL;将src_start_addr向低地址方向对齐到32字节边界,得到aligned_src_start_addr。asc_loadunalign_pre将字节地址范围[aligned_src_start_addr, aligned_src_start_addr + 32)的数据缓存到非对齐寄存器,本接口将该缓存与从UB读取的后续数据拼接,得到字节地址范围[src_start_addr, src_end_addr)的数据。
本接口为Reg矢量搬运接口,仅在AIV上生效。
函数原型
__simd_callee__ inline void asc_loadunalign(vector_<dtype>& dst,
vector_load_unalign& src0,
__ubuf__ <dtype>* src1)
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
// 示例:int8_t类型。
__simd_callee__ inline void asc_loadunalign(vector_int8_t& dst,
vector_load_unalign& src0,
__ubuf__ int8_t* src1)
参数说明
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。dtype必须与src1一致,搬入VL长度数据。 |
| src0 | 输入 | 非对齐寄存器,大小为32字节,保存本次搬入所需的前置数据缓存。 |
| src1 | 输入 | 本次搬入的有效起始UB地址,必须按dtype对齐。本接口不会更新该指针。 |
返回值说明
无
约束说明
- Reg矢量计算C API通用约束请参见通用约束。
src1起始地址必须按dtype对齐,且实际访问范围必须在UB地址空间内,否则会报错。- 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。
- 每次搬入前必须调用asc_loadunalign_pre中的源地址预处理模式进行初始化,且初始化接口和本接口必须使用相同的
src1。
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:
bisheng example.asc -o main --npu-arch=dav-3510 && ./main
#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;
constexpr uint32_t DATA_ELEMENTS = 517;
constexpr uint32_t ELEMENTS_PER_REGISTER = 256;
constexpr uint32_t PADDED_DATA_ELEMENTS =
AscendC::Std::ceil_div(DATA_ELEMENTS, ELEMENTS_PER_REGISTER) * ELEMENTS_PER_REGISTER;
constexpr uint32_t BUFFER_ELEMENTS = PADDED_DATA_ELEMENTS + 32;
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 = DATA_ELEMENTS;
constexpr uint32_t DATA_BYTES = TOTAL_LENGTH * sizeof(uint8_t);
__simd_vf__ inline void asc_loadunalign_vf(__ubuf__ uint8_t* dst, __ubuf__ uint8_t* src,
uint32_t one_repeat_size, uint16_t repeat_time)
{
vector_load_unalign load_unalign_reg;
vector_store_unalign store_unalign_reg;
vector_uint8_t dst_reg;
asc_loadunalign_pre(load_unalign_reg, src);
uint32_t remaining = DATA_ELEMENTS;
for (uint16_t i = 0; i < repeat_time; ++i) {
const uint16_t valid_count = remaining > one_repeat_size ? one_repeat_size : remaining;
asc_loadunalign(dst_reg, load_unalign_reg, src + i * one_repeat_size);
asc_storeunalign(dst + i * one_repeat_size, store_unalign_reg, dst_reg, valid_count);
remaining -= valid_count;
}
asc_storeunalign_post(dst, store_unalign_reg, DATA_ELEMENTS);
}
__global__ __vector__ void asc_loadunalign_kernel(__gm__ uint8_t* output, __gm__ uint8_t* input)
{
asc_init();
__ubuf__ uint8_t input_local[BUFFER_ELEMENTS];
__ubuf__ uint8_t output_local[BUFFER_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_loadunalign_vf>(output_local + 1, input_local + 1, 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);
std::vector<uint8_t> output(BUFFER_ELEMENTS, 0xff);
for (uint16_t i = 0; i < BUFFER_ELEMENTS; ++i) input[i] = static_cast<uint8_t>(i % 251 + 1);
aclInit(nullptr);
aclrtSetDevice(0);
uint8_t* input_device = nullptr;
uint8_t* output_device = nullptr;
aclrtMalloc(reinterpret_cast<void**>(&input_device), BUFFER_BYTES, ACL_MEM_MALLOC_HUGE_FIRST);
aclrtMalloc(reinterpret_cast<void**>(&output_device), BUFFER_BYTES, ACL_MEM_MALLOC_HUGE_FIRST);
aclrtMemcpy(input_device, BUFFER_BYTES, input.data(), BUFFER_BYTES, ACL_MEMCPY_HOST_TO_DEVICE);
asc_loadunalign_kernel<<<1, 0>>>(output_device, input_device);
aclrtSynchronizeDevice();
aclrtMemcpy(output.data(), BUFFER_BYTES, output_device, BUFFER_BYTES, ACL_MEMCPY_DEVICE_TO_HOST);
bool passed = true;
for (uint16_t i = 0; i < DATA_ELEMENTS; ++i) passed = passed && output[i + 1] == input[i + 1];
std::cout << (passed ? "[Success]" : "[Failed]") << " asc_loadunalign example." << std::endl;
aclrtFree(input_device);
aclrtFree(output_device);
aclrtResetDevice(0);
aclFinalize();
return passed ? 0 : 1;
}