Skip to content

okftype: reference.api description: "按掩码把源矢量寄存器中每两个相邻元素相加,结果连续写入目的寄存器低半部分、高半部分置零,支持 half 与 float。" tag:

  • roles: [compute]
  • operations: [reduction] dependencies:
  • path: docs/zh/api/SIMD-API/c_api/defs/type/data_type_definition.md kind: requires condition: "矢量数据寄存器与掩码寄存器的类型定义"
  • path: docs/zh/api/SIMD-API/c_api/reg_compute/overview.md kind: constrained_by condition: "Reg 矢量计算 C API 通用约束" version: ">=9.0.0" version_changes:
  • since: "9.2.0" kind: overload_added scope: "section:函数原型" scope_basis: resolved note: "9.2.0 为 asc_pair_reduce_sum 的 half 与 float 两种 dtype 补充 2 个函数返回值形式重载,9.0.0/9.1.0 只有把结果写入 dst 的引用输出形式;当前 include 中该名字共 2 条引用输出 + 2 条返回值声明。"
  • since: "9.2.0" kind: header_reorganized scope: "page" scope_basis: kind_default note: "声明位置由 include/c_api/reg_compute/reg_vector.h(9.1.0 及更早)统一到 include/c_api/reg_compute/compute/reg_reduce.h(9.2.0 起),与正文头文件路径一致。"

asc_pair_reduce_sum

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_reduce.h"。

根据mask将源操作数src中每两个相邻元素相加,得到计算结果。结果连续保存在目的操作数dst的低半部分,dst的高半部分置0。以half数据类型为例,相加示意图如下:

asc_pair_reduce_sum示意图

计算公式如下:

其中,为矢量数据寄存器的元素个数。

本接口为Reg矢量计算接口,仅在AIV上生效。

函数原型​

C
// 通过函数返回值返回结果(占位符形式)
__simd_callee__ inline vector_<dtype> asc_pair_reduce_sum(vector_<dtype> src,
                                                          vector_bool mask)

// 通过引用参数输出结果(占位符形式)
__simd_callee__ inline void asc_pair_reduce_sum(vector_<dtype>& dst,
                                                vector_<dtype> src,
                                                vector_bool mask)

dtype支持数据类型​

dtype取值为:half、float。

函数原型典型示例​

C
// 示例:对half矢量数据寄存器执行相邻元素相加
__simd_callee__ inline void asc_pair_reduce_sum(vector_half& dst,
                                                vector_half src,
                                                vector_bool mask)

参数说明​

表1 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)。
mask输入掩码寄存器,用于控制各元素是否参与计算。mask中与元素对应的比特位为1时,该元素参与计算;为0时,该元素不参与计算。

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​

  • 通过引用参数输出结果:计算结果写入dst。
  • 通过函数返回值返回结果:返回计算结果,类型为矢量数据寄存器,与src的数据类型一致。

约束说明​

  • Reg矢量计算C API通用约束请参见通用约束。
  • dst与src的数据类型需要保持一致。
  • mask指定源操作数是否参与计算,不参与计算的元素被当作0进行累加。例如:
    • 若连续两个元素a、b均不参与计算,目的操作数结果为0。
    • 若连续两个元素a、b仅元素a参与计算,目的操作数结果为a。
    • 若连续两个元素a、b仅元素b参与计算,目的操作数结果为b。
  • 求和后,dst中仅前一半元素为有效数据,后一半填充为0。搬出至Unified Buffer(UB)时需要避免数据踩踏。

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
C++
#include <cmath>
#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>
bool compare_data(const std::vector<T>& actual, const std::vector<T>& expected, double tolerance = 0.0)
{
    if (actual.size() != expected.size()) return false;
    for (size_t i = 0; i < actual.size(); ++i) {
        if (actual[i] == expected[i]) continue;
        const double diff = static_cast<double>(actual[i]) - static_cast<double>(expected[i]);
        if (diff > tolerance || diff < -tolerance) return false;
    }
    return true;
}

constexpr uint32_t ELEMENTS_PER_REGISTER = 64;
constexpr uint32_t DATA_BYTES = 137 * 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;

__simd_vf__ inline void compute(__ubuf__ float* dst, __ubuf__ float* src, 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_float dst_reg;
        vector_float src_reg;
        vector_bool mask = asc_update_mask_b32(remaining_length);
        asc_loadalign(src_reg, src + offset);
        asc_pair_reduce_sum(dst_reg, src_reg, mask);
        asc_storealign(dst + offset, dst_reg, mask);
    }
}

__global__ __vector__ void asc_pair_reduce_sum_kernel(__gm__ float* dst, __gm__ float* src)
{
    asc_init();
    __ubuf__ float dst_local[PADDED_ELEMENT_COUNT];
    __ubuf__ float src_local[PADDED_ELEMENT_COUNT];
    asc_lock(PIPE_MTE2, MUTEX_ID);
    asc_copy_gm2ub_align(src_local, src, TOTAL_LENGTH * sizeof(float));
    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<compute>(dst_local, src_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, TOTAL_LENGTH * sizeof(float));
    asc_unlock(PIPE_MTE3, MUTEX_ID);
    asc_sync();
}
} // namespace

int main()
{
    std::vector<float> src(TOTAL_LENGTH);
    std::vector<float> output(TOTAL_LENGTH, 0.0f);
    std::vector<float> golden(TOTAL_LENGTH, 0.0f);
    for (uint32_t i = 0; i < TOTAL_LENGTH; ++i) {
        src[i] = static_cast<float>(i) * 0.25f;
    }
    for (uint32_t offset = 0; offset < TOTAL_LENGTH; offset += ELEMENTS_PER_REGISTER) {
        const uint32_t end = (offset + ELEMENTS_PER_REGISTER < TOTAL_LENGTH) ?
            offset + ELEMENTS_PER_REGISTER : TOTAL_LENGTH;
        for (uint32_t i = offset; i + 1 < end; i += 2) {
            golden[offset + (i - offset) / 2] = src[i] + src[i + 1];
        }
        if (((end - offset) & 1U) != 0) golden[offset + (end - offset) / 2] = src[end - 1];
    }
    aclInit(nullptr);
    aclrtSetDevice(0);
    float* src_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&src_device), (TOTAL_LENGTH) * sizeof(float),
        ACL_MEM_MALLOC_HUGE_FIRST);
    float* dst_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&dst_device), (TOTAL_LENGTH) * sizeof(float),
        ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMemcpy(src_device, src.size() * sizeof(float), src.data(), src.size() * sizeof(float),
        ACL_MEMCPY_HOST_TO_DEVICE);
    asc_pair_reduce_sum_kernel<<<1, 0>>>(dst_device, src_device);
    aclrtSynchronizeDevice();
    aclrtMemcpy(output.data(), output.size() * sizeof(float), dst_device, output.size() * sizeof(float),
        ACL_MEMCPY_DEVICE_TO_HOST);
    const bool passed = compare_data(output, golden, 1e-6);
    std::cout << (passed ? "[Success] asc_pair_reduce_sum passed." : "[Failed] asc_pair_reduce_sum failed.") << std::endl;
    aclrtFree(dst_device);
    aclrtFree(src_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。