Skip to content

asc_gather

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_gather.h"。

根据索引位置index将源操作数src按元素收集到目的操作数dst中。

寄存器源收集模式:源操作数与目的操作数均为矢量数据寄存器。按 index 矢量寄存器中保存的逐元素索引,从src矢量数据寄存器中选择对应位置的元素写入dst对应位置,不使用掩码。

图 1 寄存器源收集模式

寄存器源收集模式

本接口为Reg矢量计算接口,仅在AIV上生效。

函数原型​

C
// 通过引用参数输出结果(占位符形式)
__simd_callee__ inline void asc_gather(vector_<dtype>& dst,
                                       vector_<dtype> src,
                                       vector_<index_dtype> index)

// 通过函数返回值返回结果(占位符形式)
__simd_callee__ inline vector_<dtype> asc_gather(vector_<dtype> src,
                                                 vector_<index_dtype> index)

支持数据类型列表​

表1 寄存器源收集模式支持数据类型列表

dtypeindex_dtype
int8_tuint8_t
uint8_tuint8_t
hifloat8_tuint8_t
fp8_e8m0_tuint8_t
fp8_e5m2_tuint8_t
fp8_e4m3fn_tuint8_t
int16_tuint16_t
uint16_tuint16_t
halfuint16_t
bfloat16_tuint16_t
int32_tuint32_t
uint32_tuint32_t
floatuint32_t

函数原型典型示例​

C
// 示例:dtype/index_dtype数据类型分别为: int16_t/uint16_t
// 通过引用参数输出结果
__simd_callee__ inline void asc_gather(vector_int16_t& dst,
                                       vector_int16_t src,
                                       vector_uint16_t index)

// 通过函数返回值返回结果
__simd_callee__ inline vector_int16_t asc_gather(vector_int16_t src,
                                                 vector_uint16_t index)

参数说明​

表2 参数说明

参数名输入/输出描述
dst输出目的操作数(矢量数据寄存器)。
src输入源操作数(矢量数据寄存器),dtype须与dst一致。
index输入数据索引(矢量数据寄存器)。单位是元素个数,dst[i] = src[index[i]]。

矢量数据寄存器的详细说明请参见reg数据类型定义。

返回值说明​

  • 通过引用参数输出结果的函数原型无返回值。
  • 通过函数返回值输出结果的函数原型返回收集结果,返回值类型与对应引用输出函数原型中dst参数的类型一致(去除引用)。

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。
  • 源/目的均为矢量数据寄存器。

寄存器源收集模式约束​

  • src为矢量数据寄存器类型,位宽是固定的Vector Length (VL),存储的元素个数固定。如果index中索引值超出当前矢量数据寄存器中能存储的最大元素个数时,按照如下方式处理:设定当前矢量数据寄存器所能存储的最大数据元素个数为VL_T, index中索引值为i,索引值更新为i % VL_T。

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>& values)
{
    std::cout << label << ":";
    const size_t count = values.size() < 8 ? values.size() : 8;
    for (size_t i = 0; i < count; ++i) std::cout << ' ' << +values[i];
    if (values.size() > count) std::cout << " ...";
    std::cout << std::endl;
}

constexpr uint32_t ELEMENTS_PER_REGISTER = 128;
constexpr uint32_t DATA_BYTES = 133 * sizeof(uint16_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_BYTES / sizeof(uint16_t);
// 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 PADDED_BUFFER_BYTES = PADDED_ELEMENT_COUNT * sizeof(uint16_t);

__simd_vf__ inline void gather_vf(__ubuf__ uint16_t* output, __ubuf__ uint16_t* input, __ubuf__ uint16_t* indices, 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 = TOTAL_LENGTH;
    for (uint16_t i = 0; i < repeat_time; ++i) {
        const uint32_t offset = i * one_repeat_size;
        vector_bool mask = asc_update_mask_b16(remaining_length);
        vector_uint16_t src;
        asc_loadalign(src, input + offset);
        vector_uint16_t index;
        asc_loadalign(index, indices + offset);
        vector_uint16_t dst;
        asc_gather(dst, src, index);
        asc_storealign(output + offset, dst, mask);
    }
}

__global__ __vector__ void asc_gather_kernel(__gm__ uint16_t* output, __gm__ uint16_t* input,
                                             __gm__ uint16_t* indices)
{
    asc_init();
    __ubuf__ uint16_t output_local[PADDED_ELEMENT_COUNT];
    __ubuf__ uint16_t input_local[PADDED_ELEMENT_COUNT];
    __ubuf__ uint16_t index_local[PADDED_ELEMENT_COUNT];
    asc_lock(PIPE_MTE2, MUTEX_ID);
    asc_copy_gm2ub_align(input_local, input, PADDED_BUFFER_BYTES);
    asc_copy_gm2ub_align(index_local, indices, PADDED_BUFFER_BYTES);
    asc_unlock(PIPE_MTE2, MUTEX_ID);

    uint32_t one_repeat_size = static_cast<uint32_t>(asc_get_vf_len() / sizeof(uint16_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<gather_vf>(output_local, input_local, index_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, PADDED_BUFFER_BYTES);
    asc_unlock(PIPE_MTE3, MUTEX_ID);
    asc_sync();
}
} // namespace

int main()
{
    std::vector<uint16_t> input(PADDED_ELEMENT_COUNT, 0);
    std::vector<uint16_t> indices(PADDED_ELEMENT_COUNT, 0);
    std::vector<uint16_t> output(PADDED_ELEMENT_COUNT, 0xff);
    std::vector<uint16_t> golden(PADDED_ELEMENT_COUNT, 0xff);
    for (uint32_t i = 0; i < PADDED_ELEMENT_COUNT; ++i) {
        input[i] = static_cast<uint16_t>(i);
    }
    for (uint32_t offset = 0; offset < TOTAL_LENGTH; offset += ELEMENTS_PER_REGISTER) {
        const uint32_t valid_count = (TOTAL_LENGTH - offset > ELEMENTS_PER_REGISTER) ?
            ELEMENTS_PER_REGISTER : TOTAL_LENGTH - offset;
        for (uint32_t i = 0; i < valid_count; ++i) {
            indices[offset + i] = static_cast<uint16_t>(valid_count - 1 - i);
            golden[offset + i] = input[offset + indices[offset + i]];
        }
    }
    aclInit(nullptr);
    aclrtSetDevice(0);
    uint16_t* input_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&input_device), PADDED_BUFFER_BYTES,
        ACL_MEM_MALLOC_HUGE_FIRST);
    uint16_t* index_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&index_device), PADDED_BUFFER_BYTES,
        ACL_MEM_MALLOC_HUGE_FIRST);
    uint16_t* output_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&output_device), PADDED_BUFFER_BYTES,
        ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMemcpy(input_device, input.size() * sizeof(uint16_t), input.data(), input.size() * sizeof(uint16_t),
        ACL_MEMCPY_HOST_TO_DEVICE);
    aclrtMemcpy(index_device, indices.size() * sizeof(uint16_t), indices.data(), indices.size() * sizeof(uint16_t),
        ACL_MEMCPY_HOST_TO_DEVICE);
    asc_gather_kernel<<<1, 0>>>(output_device, input_device, index_device);
    aclrtSynchronizeDevice();
    aclrtMemcpy(output.data(), output.size() * sizeof(uint16_t), output_device, output.size() * sizeof(uint16_t),
        ACL_MEMCPY_DEVICE_TO_HOST);
    print_data("Input bytes", input);
    print_data("Output bytes", output);
    print_data("Golden", golden);
    bool passed = true;
    for (uint32_t i = 0; i < TOTAL_LENGTH; ++i) passed = passed && output[i] == golden[i];
    std::cout << (passed ? "[Success] asc_gather completed." : "[Failed] asc_gather output mismatch.")
              << std::endl;
    aclrtFree(input_device);
    aclrtFree(index_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。