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

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
| dtype | index_dtype |
|---|---|
| int8_t | uint8_t |
| uint8_t | uint8_t |
| hifloat8_t | uint8_t |
| fp8_e8m0_t | uint8_t |
| fp8_e5m2_t | uint8_t |
| fp8_e4m3fn_t | uint8_t |
| int16_t | uint16_t |
| uint16_t | uint16_t |
| half | uint16_t |
| bfloat16_t | uint16_t |
| int32_t | uint32_t |
| uint32_t | uint32_t |
| float | uint32_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;
}