Skip to content

asc_scatter

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/scatter/ub_scatter.h"。

根据索引寄存器中的索引值,将源矢量数据寄存器中的元素分散搬出到Unified Buffer(UB)。mask用于指示参与搬出的元素,掩码为1的源元素写入dst中对应索引位置,掩码为0的源元素不写入目的地址,保留目的地址原数据。搬运过程中数据格式与内容保持不变。

分散搬出过程如下图所示。

图1 分散搬出数据

本接口为Reg矢量搬运接口,仅在AIV上生效。

函数原型​

C
// 占位符形式
__simd_callee__ inline void asc_scatter(__ubuf__ <dtype>* dst,
                                        vector_<dtype> src,
                                        vector_<index_dtype> index,
                                        vector_bool mask)

dtype支持数据类型​

表1 dtype和index_dtype对应关系

dtypeindex_dtype
int8_tuint16_t
uint8_tuint16_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
__simd_callee__ inline void asc_scatter(__ubuf__ int8_t* dst,
                                        vector_int8_t src,
                                        vector_uint16_t index,
                                        vector_bool mask)

参数说明​

表2 参数说明

参数名输入/输出描述
dst输出目的操作数在UB中的起始地址,类型为__ubuf__ <dtype>*,起始地址需32字节对齐。
src输入源操作数(矢量数据寄存器),数据类型须与dst指向的数据类型一致。
index输入数据索引(矢量数据寄存器),单位为元素。
mask输入源操作数掩码(掩码寄存器),用于指示在计算过程中哪些元素参与搬运。对应位置为1时参与计算,为0时不参与计算,保留目的地址原数据。

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​

通用约束​

  • Reg矢量计算C API通用约束请参见通用约束。
  • 源操作数和索引为矢量数据寄存器,目的操作数为UB地址。
  • dst起始地址需32字节对齐。
  • UB容量上限为256KB,用户可用容量随编译选项与编程场景变化(默认预留6KB SIMD VF栈和2KB Ascend C预留空间,可用248KB;SIMD与SIMT混合编程时再划分32KB~128KB作为Data Cache,可用容量进一步减少)。index索引后的实际写入地址不可超过实际可用容量。
  • 如果本指令与其他指令存在数据依赖,需要插入同步指令asc_mem_bar,保证多个指令串行化,防止出现异常数据。

分散搬出约束​

  • mask比特位为0的源元素不参与搬运,其对应目的地址中的原数据保持不变。
  • 当dst为int8_t或uint8_t数据类型时,源操作数中仅偶数位置的元素有效,即src中位置为0、2、4、...、252、254的元素会被分散搬出到目的操作数中。
  • index中的有效索引值必须唯一。若存在重复的有效索引值,系统仅保留其中一个索引值对应的数据,其余数据将被忽略,且无法确定具体保留的数据。
  • index索引后的实际写入地址需落在UB有效地址范围内。

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;


constexpr uint32_t ELEMENTS_PER_REGISTER = 128;
constexpr uint32_t ELEMENT_COUNT = 133;
constexpr uint32_t REPEAT_TIMES = 3;
constexpr uint32_t OUTPUT_COUNT = REPEAT_TIMES * ELEMENT_COUNT;
constexpr uint16_t SENTINEL = 0xffff;
constexpr uint32_t INPUT_BYTES = ELEMENT_COUNT * sizeof(uint16_t);
constexpr uint32_t OUTPUT_BYTES = OUTPUT_COUNT * sizeof(uint16_t);

constexpr uint32_t DATA_BYTES = INPUT_BYTES;
// 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 = ELEMENT_COUNT;
__simd_vf__ inline void scatter_vf(__ubuf__ uint16_t* output,
                                    __ubuf__ uint16_t* input,
                                    __ubuf__ uint16_t* indices, uint32_t one_repeat_size, uint16_t repeat_time)
{
    vector_uint16_t src;
    vector_uint16_t index;
    asc_loadalign(src, input);
    asc_loadalign(index, indices);
    for (uint32_t repeat = 0; repeat < REPEAT_TIMES; ++repeat) {
        // 每次重新遍历输入时重置计数,内层循环由asc_update_mask_b16自动更新。
        uint32_t remaining_length = ELEMENT_COUNT;
        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);
            asc_loadalign(src, input + offset);
            asc_loadalign(index, indices + offset);
            asc_scatter(output + repeat * ELEMENT_COUNT + offset, src, index, mask);
        }
    }
}

__global__ __vector__ void asc_scatter_kernel(__gm__ uint16_t* output,
                                               __gm__ uint16_t* input,
                                               __gm__ uint16_t* indices)
{
    asc_init();
    __ubuf__ uint16_t output_local[OUTPUT_COUNT];
    __ubuf__ uint16_t input_local[ELEMENT_COUNT];
    __ubuf__ uint16_t index_local[ELEMENT_COUNT];
    asc_lock(PIPE_MTE2, MUTEX_ID);
    asc_copy_gm2ub_align(output_local, output, OUTPUT_BYTES);
    asc_copy_gm2ub_align(input_local, input, INPUT_BYTES);
    asc_copy_gm2ub_align(index_local, indices, INPUT_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<scatter_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, OUTPUT_BYTES);
    asc_unlock(PIPE_MTE3, MUTEX_ID);
    asc_sync();
}
} // namespace

int main()
{
    std::vector<uint16_t> input(ELEMENT_COUNT);
    std::vector<uint16_t> indices(ELEMENT_COUNT);
    std::vector<uint16_t> output(OUTPUT_COUNT, SENTINEL);
    for (uint32_t i = 0; i < ELEMENT_COUNT; ++i) {
        input[i] = static_cast<uint16_t>(i + 1);
        const uint32_t block_count = (i < ELEMENTS_PER_REGISTER) ? ELEMENTS_PER_REGISTER : ELEMENT_COUNT - ELEMENTS_PER_REGISTER;
        indices[i] = static_cast<uint16_t>((i * 3) % block_count);
    }

    if (aclInit(nullptr) != ACL_SUCCESS || aclrtSetDevice(0) != ACL_SUCCESS) return 1;
    uint16_t* input_device = nullptr;
    uint16_t* index_device = nullptr;
    uint16_t* output_device = nullptr;
    if (aclrtMalloc(reinterpret_cast<void**>(&input_device), INPUT_BYTES, ACL_MEM_MALLOC_HUGE_FIRST) != ACL_SUCCESS ||
        aclrtMalloc(reinterpret_cast<void**>(&index_device), INPUT_BYTES, ACL_MEM_MALLOC_HUGE_FIRST) != ACL_SUCCESS ||
        aclrtMalloc(reinterpret_cast<void**>(&output_device), OUTPUT_BYTES, ACL_MEM_MALLOC_HUGE_FIRST) != ACL_SUCCESS) {
        return 1;
    }
    if (aclrtMemcpy(input_device, INPUT_BYTES, input.data(), INPUT_BYTES, ACL_MEMCPY_HOST_TO_DEVICE) != ACL_SUCCESS ||
        aclrtMemcpy(index_device, INPUT_BYTES, indices.data(), INPUT_BYTES, ACL_MEMCPY_HOST_TO_DEVICE) != ACL_SUCCESS ||
        aclrtMemcpy(output_device, OUTPUT_BYTES, output.data(), OUTPUT_BYTES, ACL_MEMCPY_HOST_TO_DEVICE) != ACL_SUCCESS) {
        return 1;
    }

    asc_scatter_kernel<<<1, 0>>>(output_device, input_device, index_device);
    if (aclrtSynchronizeDevice() != ACL_SUCCESS ||
        aclrtMemcpy(output.data(), OUTPUT_BYTES, output_device, OUTPUT_BYTES, ACL_MEMCPY_DEVICE_TO_HOST) != ACL_SUCCESS) {
        return 1;
    }

    bool passed = true;
    for (uint32_t repeat = 0; repeat < REPEAT_TIMES && passed; ++repeat) {
        for (uint32_t i = 0; i < ELEMENT_COUNT; ++i) {
            const uint16_t expected = input[i];
            const uint32_t block_offset = (i / ELEMENTS_PER_REGISTER) * ELEMENTS_PER_REGISTER;
            const uint32_t position = repeat * ELEMENT_COUNT + block_offset + indices[i];
            if (output[position] != expected) {
                std::cerr << "Mismatch at output[" << position << "]: expected " << expected
                          << ", actual " << output[position] << std::endl;
                passed = false;
                break;
            }
        }
    }

    aclrtFree(input_device);
    aclrtFree(index_device);
    aclrtFree(output_device);
    aclrtResetDevice(0);
    aclFinalize();
    std::cout << (passed ? "[Success] asc_scatter passed." : "[Failed] asc_scatter failed.") << std::endl;
    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。