Skip to content

asc_storealign_postupdate

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/store/storealign.h"。

将矢量数据寄存器或掩码寄存器中的数据连续对齐搬出到Unified Buffer(UB),启用Post Update模式在搬出后自动累加目的地址指针,便于硬件循环内连续多次调用时无需手动维护目的地址。当源操作数为矢量数据寄存器时,单次搬出量为VL(256字节),支持配置掩码用于指示参与搬出的元素,掩码为1的元素写入目的地址,掩码为0的元素保留目的地址原数据。当源操作数为掩码寄存器时,单次搬出量为掩码寄存器长度(32字节),不支持配置掩码。搬运过程中数据格式与内容保持不变。目的操作数为UB地址。

矢量数据寄存器搬出场景提供以下两种模式:

  • 立即数偏移搬出模式:将矢量数据寄存器中的数据连续对齐搬出到当前目的地址,搬出完成后基于立即数累加目的地址指针,单位为元素。
  • 非连续对齐搬出模式:单条指令搬运8个DataBlock,一个DataBlock数据量为32字节。通过参数配置相邻DataBlock的步长。搬出完成后基于立即数累加目的地址指针,单位为32字节。

掩码寄存器搬出场景提供以下一种模式:

  • 立即数偏移搬出模式:将掩码寄存器中的数据连续对齐搬出到当前目的地址,搬出完成后基于立即数累加目的地址指针,单位为字节。

本接口为Reg矢量搬运接口,仅在AIV上生效。

函数原型​

矢量数据寄存器立即数偏移搬出模式​

C
// 占位符形式
__simd_callee__ inline void asc_storealign_postupdate(__ubuf__ <dtype>*& dst,
                                                      vector_<dtype> src,
                                                      int32_t offset,
                                                      vector_bool mask)

dtype支持数据类型​

dtype取值为:int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float。

函数原型典型示例​

C
__simd_callee__ inline void asc_storealign_postupdate(__ubuf__ int8_t*& dst,
                                                      vector_int8_t src,
                                                      int32_t offset,
                                                      vector_bool mask)

矢量数据寄存器非连续对齐搬出模式​

C
// 占位符形式
__simd_callee__ inline void asc_storealign_postupdate(__ubuf__ <dtype>*& dst,
                                                       vector_<dtype> src,
                                                       uint16_t block_stride,
                                                       uint16_t repeat_stride,
                                                       vector_bool mask)

dtype支持数据类型​

dtype取值为:int8_t、uint8_t、hifloat8_t、fp8_e8m0_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float。

函数原型典型示例​

C
__simd_callee__ inline void asc_storealign_postupdate(__ubuf__ int8_t*& dst,
                                                      vector_int8_t src,
                                                      uint16_t block_stride,
                                                      uint16_t repeat_stride,
                                                      vector_bool mask)

掩码寄存器立即数偏移搬出模式​

C
// 占位符形式
__simd_callee__ inline void asc_storealign_postupdate(__ubuf__ <dtype>*& dst,
                                                       vector_bool src,
                                                       int32_t offset)

dtype支持数据类型​

dtype取值为:uint8_t、uint16_t、uint32_t。

函数原型典型示例​

C
__simd_callee__ inline void asc_storealign_postupdate(__ubuf__ uint8_t*& dst,
                                                      vector_bool src,
                                                      int32_t offset)

参数说明​

矢量数据寄存器立即数偏移搬出模式​

表1 参数说明

参数名输入/输出描述
dst输入/输出目的操作数(矢量)的起始地址,按指针引用传入(__ubuf__ <dtype>*&)。dtype须与src一致,起始地址需32字节对齐。搬出完成后该指针由硬件自动更新。
src输入源操作数(矢量数据寄存器)。dtype须与dst一致。
offset输入目的地址更新量,类型为int32_t,单位为元素。接口执行后,目的地址偏移offset × sizeof(dtype)字节。
mask输入源操作数掩码(掩码寄存器),用于指示参与搬出的元素。对应位置为1时参与搬出,为0时不参与搬出。

矢量数据寄存器非连续对齐搬出模式​

表2 参数说明

参数名输入/输出描述
dst输入/输出目的操作数(矢量)的起始地址,按指针引用传入(__ubuf__ <dtype>*&)。dtype须与src一致,起始地址需32字节对齐。搬出完成后该指针由硬件自动更新。
src输入源操作数(矢量数据寄存器)。dtype须与dst一致。
block_stride输入目的操作数相邻数据块之间起始地址的步长,类型为uint16_t,单位为32字节。
repeat_stride输入目的地址Post Update后更新的偏移量,类型为uint16_t,单位为32字节。
mask输入源操作数掩码(掩码寄存器),用于指示参与搬出的元素。对应位置为1时参与搬出,为0时不参与搬出。

掩码寄存器立即数偏移搬出模式​

表3 参数说明

参数名输入/输出描述
dst输入/输出目的操作数(矢量)的起始地址,按指针引用传入(__ubuf__ <dtype>*&),起始地址需32字节对齐。搬出完成后该指针由硬件自动更新。
src输入源操作数(掩码寄存器)。
offset输入目的地址更新量,类型为int32_t,单位为字节。接口执行后,dst指针的底层UB地址偏移offset字节。

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。
  • dst起始地址需32字节对齐,否则会报错。
  • 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+2KB Ascend C预留,可用248KB;SIMD+SIMT混编时再划分32KB~128KB作Data Cache,可用容量进一步减少)。目的操作数的实际访问地址和Post Update后的地址不可超过实际可用容量,否则会报错。
  • 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。

矢量数据寄存器搬出场景​

  • mask比特位为0的位置采用保持模式:dst对应位置保持原值不变,不写入src数据。
  • 步长参数模式下,通过block_stride和repeat_stride确定的实际访问地址需落在UB地址范围内,且Post Update后的dst新地址仍需32字节对齐,否则会报错。

掩码寄存器搬出场景​

  • Post Update后的dst新地址仍需32字节对齐,否则下一次调用本接口会报错。

调用示例​

将代码保存为examples.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 examples.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 REGISTER_BYTES = 256;
constexpr uint32_t BUFFER_BYTES = 260;
// 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 = (BUFFER_BYTES + REGISTER_BYTES - 1) / REGISTER_BYTES;
constexpr uint32_t STORAGE_BYTES = REPEAT_COUNT * REGISTER_BYTES;
constexpr uint32_t DATA_BYTES = BUFFER_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 = BUFFER_BYTES / sizeof(uint8_t);
__simd_vf__ inline void Store(__ubuf__ uint8_t* output, __ubuf__ uint8_t* input, 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 = BUFFER_BYTES;
    for (uint16_t i = 0; i < repeat_time; ++i) {
      vector_bool mask = asc_update_mask_b8(remaining_length);
      vector_uint8_t src;
      asc_loadalign(src, input + i * REGISTER_BYTES);
      asc_storealign_postupdate(output, src, REGISTER_BYTES, mask);
    }
}

__global__ __vector__ void asc_storealign_postupdate_kernel(__gm__ uint8_t* output, __gm__ uint8_t* input)
{
    asc_init();
    __ubuf__ uint8_t output_local[STORAGE_BYTES], input_local[STORAGE_BYTES];
    asc_lock(PIPE_MTE2, MUTEX_ID);
    asc_copy_gm2ub_align(input_local, input, BUFFER_BYTES);
    asc_unlock(PIPE_MTE2, MUTEX_ID);

    uint32_t one_repeat_size = static_cast<uint32_t>(asc_get_vf_len() / sizeof(uint8_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<Store>(output_local, input_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, BUFFER_BYTES);
    asc_unlock(PIPE_MTE3, MUTEX_ID);
    asc_sync();
}
} // namespace

int main()
{
    std::vector<uint8_t> input(BUFFER_BYTES), output(BUFFER_BYTES, 0xff);
    for (uint32_t i = 0; i < BUFFER_BYTES; ++i) input[i] = static_cast<uint8_t>(i % 251);
    aclInit(nullptr);
    aclrtSetDevice(0);
    uint8_t* input_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&input_device), (BUFFER_BYTES) * sizeof(uint8_t),
        ACL_MEM_MALLOC_HUGE_FIRST);
    uint8_t* output_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&output_device), (BUFFER_BYTES) * sizeof(uint8_t),
        ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMemcpy(input_device, input.size() * sizeof(uint8_t), input.data(), input.size() * sizeof(uint8_t),
        ACL_MEMCPY_HOST_TO_DEVICE);
    asc_storealign_postupdate_kernel<<<1, 0>>>(output_device, input_device);
    aclrtSynchronizeDevice();
    aclrtMemcpy(output.data(), output.size() * sizeof(uint8_t), output_device, output.size() * sizeof(uint8_t),
        ACL_MEMCPY_DEVICE_TO_HOST);
    print_data("Input bytes", input);
    print_data("Output bytes", output);
    const bool passed = input == output;
    std::cout << (passed ? "[Success] asc_loadalign completed." : "[Failed] asc_loadalign output mismatch.")
              << std::endl;
    aclrtFree(input_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。