Skip to content

asc_loadunalign_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/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。搬入完成后,接口同步更新地址和非对齐寄存器。

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。

本接口提供两种功能模式:

  • 连续非对齐搬入模式:设当前UB地址指针为src_ptr。搬入完成后,源地址指针更新为src_ptr = src_ptr + count,并同步更新非对齐寄存器。该指针运算以元素为单位,即源地址增加count × sizeof(dtype)字节。

  • 地址寄存器偏移搬入模式:设当前UB地址指针为src_ptr,循环迭代索引为i,步长stride的单位为元素个数。asc_update_addr_reg生成当前迭代的起始偏移offset = i * stride,本次实际读取地址为src_ptr + offset。搬入完成后,接口将offset更新为offset + inc,因此当前循环迭代内下一次实际读取地址为src_ptr + i * stride + inc。以上指针和偏移运算均以元素为单位。src_ptr保持不变;inc只更新当前循环迭代内的地址偏移,不影响下一次循环迭代的起始偏移。

本接口为Reg矢量搬运接口,仅在AIV上生效。

函数原型​

连续非对齐搬入模式​

C
__simd_callee__ inline void asc_loadunalign_postupdate(vector_<dtype>& dst,
                                                       vector_load_unalign& src0,
                                                       __ubuf__ <dtype>*& src1,
                                                       uint32_t count)

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:int8_t类型。
__simd_callee__ inline void asc_loadunalign_postupdate(vector_int8_t& dst,
                                                       vector_load_unalign& src0,
                                                       __ubuf__ int8_t*& src1,
                                                       uint32_t count)

地址寄存器偏移搬入模式​

C
__simd_callee__ inline void asc_loadunalign_postupdate(vector_<dtype>& dst,
                                                       vector_load_unalign& src0,
                                                       __ubuf__ <dtype>* src1,
                                                       addr_reg& offset,
                                                       uint32_t inc)

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:int8_t类型。
__simd_callee__ inline void asc_loadunalign_postupdate(vector_int8_t& dst,
                                                       vector_load_unalign& src0,
                                                       __ubuf__ int8_t* src1,
                                                       addr_reg& offset,
                                                       uint32_t inc)

参数说明​

连续非对齐搬入模式​

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。dtype必须与src1一致,搬入VL长度数据。
src0输入/输出非对齐寄存器,大小为32字节。本接口调用后,src0中缓存的数据更新为更新后的src1所确定的实际读取地址所需的前置数据,可供下一次搬入使用。
src1输入/输出源UB地址,实际读取地址必须按dtype对齐。
count输入Post Update步长,单位为元素个数。接口使用当前src1地址完成搬入后,将src1增加count × sizeof(dtype)字节。

地址寄存器偏移搬入模式​

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src1一致,搬入VL长度数据。
src0输入/输出非对齐寄存器,大小为32字节。本接口调用后,src0中缓存的数据更新为src1与更新后的offset所确定的实际读取地址所需的前置数据,可供当前循环迭代内的下一次搬入使用。
src1输入源UB基地址。该地址与offset共同确定实际读取地址,实际读取地址必须按dtype对齐。
offset输入/输出地址寄存器,类型为addr_reg,表示相对src1基地址的偏移。由asc_update_addr_reg系列接口生成,生成接口的偏移参数单位由所选模式决定,b8、b16、b32模式分别以1字节、2字节、4字节为单位。本接口完成搬入后,根据inc更新该寄存器。
inc输入Post Update步长,单位为元素个数。本接口使用当前offset完成搬入后,将其表示的字节偏移量增加inc × sizeof(dtype)。当dtype为int64_t时,inc=4表示偏移32字节。

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。
  • src1起始地址或src1与offset确定的实际访问地址必须按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。

连续非对齐搬入模式​

  • 首次搬入前必须调用asc_loadunalign_pre进行初始化,该初始化接口与紧随其后的首次搬入必须使用相同的src1。
  • 后续调用继续使用上一次调用更新后的src1时,可以复用更新后的src0;如果src1被修改,必须根据修改后的src1重新初始化src0。

地址寄存器偏移搬入模式​

  • 每次循环迭代中,必须先调用asc_update_addr_reg生成该次迭代的起始偏移,再调用asc_loadunalign_pre初始化src0。该初始化调用与紧随其后的首次搬入必须使用相同的src1和offset。

  • 同一循环迭代内,后续搬入继续使用上一次本接口调用按inc更新后的offset时,可复用同步更新后的src0。如果src1或offset被另行修改,必须根据修改后的实际读取地址重新初始化src0。

  • 当dtype为int64_t时,使用asc_update_addr_reg_b32生成地址寄存器。该接口的各维偏移量以4字节为单位,因此,期望偏移N个int64_t元素时,对应的参数应设置为2 × N。本接口的inc以元素个数为单位,地址寄存器所表示的偏移在每次搬入后增加inc × sizeof(dtype)字节;对于int64_t,每次前进N个元素时,inc应设置为N,无需乘2。

    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;

constexpr uint32_t DATA_ELEMENTS = 260;
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_postupdate_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_postupdate(dst_reg, load_unalign_reg, src, valid_count);
        asc_storeunalign_postupdate(dst, store_unalign_reg, dst_reg, valid_count);
        remaining -= valid_count;
    }
    asc_storeunalign_post_postupdate(dst, store_unalign_reg, 0);
}

__global__ __vector__ void asc_loadunalign_postupdate_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_postupdate_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_postupdate_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_postupdate example." << 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。