Skip to content

asc_reduce_min_datablock

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对每个DataBlock(32B)内的元素求最小值,得到各DataBlock的归约结果。结果依次保存在dst的低位。计算公式如下:

其中,表示DataBlock的索引,为一个DataBlock内的元素个数。

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_reduce_min_datablock(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_reduce_min_datablock(vector_<dtype>& dst,
                                                     vector_<dtype> src,
                                                     vector_bool mask)

dtype支持数据类型​

dtype取值为:int16_t、uint16_t、half、int32_t、uint32_t、float。

函数原型典型示例​

C
// 示例:对half矢量数据寄存器按DataBlock执行归约最小值操作
__simd_callee__ inline void asc_reduce_min_datablock(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归约。

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:归约结果写入dst。
  • 通过函数返回值返回结果:返回归约结果,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。
  • 比较时遵循。
  • 每个DataBlock内的最小值连续写入dst的前8个元素,这8个元素为有效输出,dst中的其他元素置0。
  • 未被mask选中的元素被视为对应数据类型的最大值,浮点数类型的最大值为+inf。如果一个DataBlock中的所有元素均未被mask选中,则将该最大值写入dst的对应位置。
  • 仅输出最小值,不输出索引。

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 <cstdint>
#include <algorithm>
#include <limits>
#include <iostream>
#include <vector>
#include "c_api/asc_simd.h"
#include "utils/std/cmath.h"
#include "acl/acl.h"
namespace {
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 = 133 * sizeof(uint32_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(uint32_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 uint8_t MUTEX_ID = 0;

__simd_vf__ inline void reduce(__ubuf__ uint32_t* dst, __ubuf__ uint32_t* 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_uint32_t dst_reg, src_reg;
        vector_bool mask = asc_update_mask_b32(remaining_length);
        asc_loadalign(src_reg, src + offset);
        asc_reduce_min_datablock(dst_reg, src_reg, mask);
        // 每轮只写出8个归约值;输入掩码不能作为输出掩码。
        uint32_t result_count = 8;
        vector_bool dst_mask = asc_update_mask_b32(result_count);
        asc_storealign(dst + i * (ELEMENTS_PER_REGISTER / 8), dst_reg, dst_mask);
    }
}
__global__ __vector__ void asc_reduce_min_datablock_kernel(__gm__ uint32_t* dst, __gm__ uint32_t* src)
{
    asc_init();
    __ubuf__ uint32_t dst_local[PADDED_ELEMENT_COUNT], src_local[PADDED_ELEMENT_COUNT];
    asc_lock(PIPE_MTE2, MUTEX_ID);
    asc_copy_gm2ub_align(src_local, src, PADDED_ELEMENT_COUNT * sizeof(uint32_t));
    asc_unlock(PIPE_MTE2, MUTEX_ID);

    uint32_t one_repeat_size = static_cast<uint32_t>(asc_get_vf_len() / sizeof(uint32_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<reduce>(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, PADDED_ELEMENT_COUNT * sizeof(uint32_t));
    asc_unlock(PIPE_MTE3, MUTEX_ID);
    asc_sync();
}
} // namespace
int main()
{
    std::vector<uint32_t> src(PADDED_ELEMENT_COUNT), output(PADDED_ELEMENT_COUNT, 0), golden(PADDED_ELEMENT_COUNT, std::numeric_limits<uint32_t>::max());
    for (uint32_t i = 0; i < TOTAL_LENGTH; ++i) src[i] = i + 1;
    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 block = 0; block < 8 && offset + block * 8 < end; ++block) {
            const uint32_t block_end = (offset + block * 8 + 8 < end) ? offset + block * 8 + 8 : end;
            uint32_t value = src[offset + block * 8];
            for (uint32_t i = offset + block * 8 + 1; i < block_end; ++i) value = value < src[i] ? value : src[i];
            golden[(offset / ELEMENTS_PER_REGISTER) * (ELEMENTS_PER_REGISTER / 8) + block] = value;
        }
    }
    aclInit(nullptr);
    aclrtSetDevice(0);
    uint32_t* src_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&src_device), PADDED_ELEMENT_COUNT * sizeof(uint32_t),
        ACL_MEM_MALLOC_HUGE_FIRST);
    uint32_t* dst_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&dst_device), PADDED_ELEMENT_COUNT * sizeof(uint32_t),
        ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMemcpy(src_device, src.size() * sizeof(uint32_t), src.data(), src.size() * sizeof(uint32_t),
        ACL_MEMCPY_HOST_TO_DEVICE);
    asc_reduce_min_datablock_kernel<<<1, 0>>>(dst_device, src_device);
    aclrtSynchronizeDevice();
    aclrtMemcpy(output.data(), output.size() * sizeof(uint32_t), dst_device, output.size() * sizeof(uint32_t),
        ACL_MEMCPY_DEVICE_TO_HOST);
    const bool passed = std::equal(output.begin(), output.begin() + (REPEAT_COUNT * ELEMENTS_PER_REGISTER / 8), golden.begin());
    std::cout << (passed ? "[Success] asc_reduce_min_datablock passed." : "[Failed] asc_reduce_min_datablock 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。