asc_duplicate_scalar_merge
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/compute/reg_broadcast.h"。
将标量value广播到目的操作数dst中被mask筛选的位置,dst中未被mask筛选的元素保留原值。
本接口与asc_duplicate_scalar的广播数据来源相同,区别是本接口采用合并模式保留dst中未参与计算的元素。
本接口为Reg矢量计算接口,仅在AIV上生效。
函数原型
C++
// 占位符形式
__simd_callee__ inline void asc_duplicate_scalar_merge(vector_<dtype>& dst,
<dtype> value,
vector_bool mask)
占位符说明如下:
<dtype>取值为:int8_t、uint8_t、fp8_e8m0_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
C++
__simd_callee__ inline void asc_duplicate_scalar_merge(vector_float& dst,
float value,
vector_bool mask)
参数说明
表1 参数说明
| 参数名 | 输入/输出 | 描述 |
|---|---|---|
| dst | 输入/输出 | 目的操作数(矢量数据寄存器)。被mask筛选的元素写入value,未被筛选的元素保留调用接口前的值。元素数据类型需要与value保持一致。 |
| value | 输入 | 源操作数(标量),作为待广播的数据。数据类型需要与dst的元素数据类型保持一致。 |
| mask | 输入 | 目的操作数元素操作的有效指示(掩码寄存器)。对应比特位为1时,dst中的元素写入value;为0时,dst中的元素保留原值。 |
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
- Reg矢量计算C API通用约束请参见通用约束。
- 调用接口前需要初始化
dst,否则未被mask筛选的元素值不确定。 - 同一寄存器的数据依赖由硬件保序,无需额外插入同步指令。本接口与前后Reg数据搬运接口之间,如果不同寄存器访问同一Unified Buffer(UB)地址且存在写后读或写后写依赖,需要调用asc_mem_bar进行同步。
调用示例
将以下代码保存为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
以下示例将标量1.0f广播到dst的前4个元素,未被mask筛选的其余元素保留原值。
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 ELEMENTS_PER_REGISTER = 64;
constexpr uint32_t DATA_BYTES = 133 * sizeof(float);
// 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_BYTES / sizeof(float);
// 按单轮处理能力向上取整,确保非整寄存器长度的尾块也被处理。
constexpr uint32_t REPEAT_COUNT =
(TOTAL_LENGTH + ELEMENTS_PER_REGISTER - 1) / ELEMENTS_PER_REGISTER;
// 按完整寄存器块扩展UB容量,避免尾轮整寄存器访问越界;有效范围仍由掩码控制。
constexpr uint32_t PADDED_ELEMENT_COUNT = REPEAT_COUNT * ELEMENTS_PER_REGISTER;
constexpr uint32_t ACTIVE_COUNT = 16;
constexpr uint32_t BUFFER_BYTES = TOTAL_LENGTH * sizeof(float);
constexpr uint32_t PADDED_BUFFER_BYTES = PADDED_ELEMENT_COUNT * sizeof(float);
constexpr float INITIAL_VALUE = -1.0f;
constexpr float FILL_VALUE = 1.0f;
__simd_vf__ inline void duplicate_scalar_merge(__ubuf__ float* dst, uint32_t one_repeat_size, uint16_t repeat_time)
{
vector_float dst_reg;
// 剩余有效元素数由asc_update_mask_b32逐轮更新,无需按offset重新计算。
uint32_t remaining_length = TOTAL_LENGTH;
for (uint16_t i = 0; i < repeat_time; ++i) {
const uint32_t offset = i * one_repeat_size;
// active_mask控制本轮广播的生效位置:最多启用前ACTIVE_COUNT个元素,尾块不足时只启用有效元素。
// 例如133个元素按每轮64个处理,ACTIVE_COUNT为16时,三轮分别启用16、16、5个元素。
// remaining_length_active是本轮的独立计数;update_mask会将它扣减到0,因此每轮都要重新计算。
// 必须在生成store_mask之前计算,因为生成store_mask会更新跨轮使用的remaining_length。
uint32_t remaining_length_active = remaining_length < ACTIVE_COUNT ? remaining_length : ACTIVE_COUNT;
vector_bool active_mask = asc_update_mask_b32(remaining_length_active);
// store_mask控制写回范围,三轮分别写回64、64、5个有效元素,并自动更新剩余数量。
// 广播未生效的位置也可能需要写回,因此不能直接用active_mask代替store_mask。
vector_bool store_mask = asc_update_mask_b32(remaining_length);
asc_loadalign(dst_reg, dst + offset);
asc_duplicate_scalar_merge(dst_reg, FILL_VALUE, active_mask);
asc_storealign(dst + offset, dst_reg, store_mask);
}
}
__global__ __vector__ void asc_duplicate_scalar_merge_kernel(__gm__ float* dst)
{
asc_init();
__ubuf__ float dst_local[PADDED_ELEMENT_COUNT];
asc_lock(PIPE_MTE2, MUTEX_ID);
asc_copy_gm2ub_align(dst_local, dst, PADDED_BUFFER_BYTES);
asc_unlock(PIPE_MTE2, MUTEX_ID);
uint32_t one_repeat_size = static_cast<uint32_t>(asc_get_vf_len() / sizeof(float));
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<duplicate_scalar_merge>(dst_local, one_repeat_size, repeat_time);
asc_unlock(PIPE_V, MUTEX_ID);
asc_lock(PIPE_MTE3, MUTEX_ID);
asc_copy_ub2gm_align(dst, dst_local, BUFFER_BYTES);
asc_unlock(PIPE_MTE3, MUTEX_ID);
asc_sync();
}
} // namespace
int main()
{
std::vector<float> output(PADDED_ELEMENT_COUNT, INITIAL_VALUE);
std::vector<float> golden(TOTAL_LENGTH, INITIAL_VALUE);
for (uint32_t repeat = 0; repeat < REPEAT_COUNT; ++repeat) {
const uint32_t offset = repeat * ELEMENTS_PER_REGISTER;
const uint32_t remaining = TOTAL_LENGTH - offset;
// 保留剩余有效元素数,供更新掩码处理尾块。
const uint32_t remaining_length = remaining < ELEMENTS_PER_REGISTER ? remaining : ELEMENTS_PER_REGISTER;
const uint32_t remaining_length_active = remaining_length < ACTIVE_COUNT ? remaining_length : ACTIVE_COUNT;
for (uint32_t i = 0; i < remaining_length_active; ++i) golden[offset + i] = FILL_VALUE;
}
aclInit(nullptr);
aclrtSetDevice(0);
float* dst_device = nullptr;
aclrtMalloc(reinterpret_cast<void**>(&dst_device), PADDED_BUFFER_BYTES, ACL_MEM_MALLOC_HUGE_FIRST);
aclrtMemcpy(dst_device, PADDED_BUFFER_BYTES, output.data(), PADDED_BUFFER_BYTES, ACL_MEMCPY_HOST_TO_DEVICE);
asc_duplicate_scalar_merge_kernel<<<1, 0>>>(dst_device);
aclrtSynchronizeDevice();
output.resize(TOTAL_LENGTH);
aclrtMemcpy(output.data(), output.size() * sizeof(float), dst_device, output.size() * sizeof(float),
ACL_MEMCPY_DEVICE_TO_HOST);
const bool passed = output == golden;
std::cout << (passed ? "[Success] asc_duplicate_scalar_merge passed."
: "[Failed] asc_duplicate_scalar_merge failed.") << std::endl;
aclrtFree(dst_device);
aclrtResetDevice(0);
aclFinalize();
return passed ? 0 : 1;
}