Fma
产品支持情况
- Ascend 950PR/Ascend 950DT：支持
- Atlas A3 训练系列产品/Atlas A3 推理系列产品：不支持
- Atlas A2 训练系列产品/Atlas A2 推理系列产品：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
按元素计算两个输入相乘后与第三个输入相加的结果。计算公式如下：
函数原型
通过sharedTmpBuffer入参传入临时空间
Texttemplate <const FmaConfig& config = DEFAULT_FMA_CONFIG, typename T> __aicore__ inline void Fma(const LocalTensor<T>& dst, const LocalTensor<T>& src0, const LocalTensor<T>& src1,const LocalTensor<T>& src2, const LocalTensor<uint8_t>& sharedTmpBuffer, const uint32_t count)接口框架申请临时空间
Texttemplate <const FmaConfig& config = DEFAULT_FMA_CONFIG, typename T> __aicore__ inline void Fma(const LocalTensor<T>& dst, const LocalTensor<T>& src0, const LocalTensor<T>& src1, const LocalTensor<T>& src2, const uint32_t count)
由于该接口的内部实现中涉及精度转换。需要额外的临时空间来存储计算过程中的中间变量。临时空间支持开发者通过sharedTmpBuffer入参传入和接口框架申请两种方式。
- 通过sharedTmpBuffer入参传入，使用该tensor作为临时空间进行处理，接口框架不再申请。该方式开发者可以自行管理sharedTmpBuffer内存空间，并在接口调用完成后，复用该部分内存，内存不会反复申请释放，灵活性较高，内存利用率也较高。
- 接口框架申请临时空间，开发者无需申请，但是需要预留临时空间的大小。
通过sharedTmpBuffer传入的情况，开发者需要为tensor申请空间；接口框架申请的方式，开发者需要预留临时空间。临时空间大小BufferSize的获取方式如下：通过GetFmaMaxMinTmpSize中提供的接口获取需要预留空间的大小。
参数说明
表1 模板参数说明
| 参数名 | 描述 |
|---|---|
| FmaConfig | Fma算法的相关配置。此参数可选配，FmaConfig类型，具体定义如下方代码所示，其中参数的含义为： isReuseSource：是否允许修改源操作数。该参数预留，传入默认值false即可。 |
| T | 操作数的数据类型。支持的数据类型为：half、float。 |
Text
struct FmaConfig {
bool isReuseSource;
};
表2 接口参数说明
| 参数名 | 输入/输出 | 描述 |
|---|---|---|
| dst | 输出 | 目的操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 |
| src0、src1、src2 | 输入 | 源操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 源操作数的数据类型需要与目的操作数保持一致。 |
| sharedTmpBuffer | 输入 | 临时缓存。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 用于Fma内部复杂计算时存储中间变量，由开发者提供。 临时空间大小BufferSize的获取方式请参考GetFmaMaxMinTmpSize。 |
| count | 输入 | 参与计算的元素个数。 |
返回值说明
无
约束说明
- 不支持源操作数与目的操作数地址重叠。
- 不支持sharedTmpBuffer与源操作数和目的操作数地址重叠。
- 操作数地址对齐要求请参见通用地址对齐约束。
调用示例
通过sharedTmpBuffer入参传入
TextAscendC::TPipe pipe; AscendC::TQue<AscendC::TPosition::VECCALC, 1> tmpQue; pipe.InitBuffer(tmpQue, 1, bufferSize); // bufferSize通过Host侧tiling参数获取 AscendC::LocalTensor<uint8_t> sharedTmpBuffer = tmpQue.AllocTensor<uint8_t>(); // 输入tensor长度为1024,算子输入的数据类型为half,实际计算个数为512 static constexpr AscendC::FmaConfig fmaConfig = {false}; // 不修改源操作数 // dst、src0、src1、src2为half类型的LocalTensor AscendC::Fma<fmaConfig, half>(dst, src0, src1, src2, sharedTmpBuffer, 512);接口框架申请临时空间
TextAscendC::TPipe pipe; AscendC::TQue<AscendC::TPosition::VECCALC, 1> tmpQue; pipe.InitBuffer(tmpQue, 1, bufferSize); // bufferSize通过Host侧tiling参数获取 // 输入tensor长度为1024,算子输入的数据类型为half,实际计算个数为512 static constexpr AscendC::FmaConfig fmaConfig = {false}; // 不修改源操作数 // dst、src0、src1、src2为half类型的LocalTensor AscendC::Fma<fmaConfig, half>(dst, src0, src1, src2, 512);
结果示例如下：
Text
输入数据(src0):[1 1 1 ...... 1 1 1]
输入数据(src1):[2 2 2 ...... 2 2 2]
输入数据(src2):[1 1 1 ...... 1 1 1]
输出数据(dst):[3 3 3 ...... 3 3 3]