Ln

产品支持情况

不传入config的原型

• Ascend 950PR/Ascend 950DT：不支持

• Atlas A3 训练系列产品/Atlas A3 推理系列产品：支持

• Atlas A2 训练系列产品/Atlas A2 推理系列产品：支持

• Atlas 200I/500 A2 推理产品：支持

• Atlas 推理系列产品AI Core：支持

• Atlas 推理系列产品Vector Core：不支持

• Atlas 训练系列产品：支持

• Kirin X90：支持

• Kirin 9030：支持

传入config的原型

• 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

• Kirin X90：不支持

• Kirin 9030：不支持

功能说明

头文件路径为："basic_api/kernel_operator_vec_unary_intf.h"。

Ln属于单目矢量类计算接口，负责将输入的tensor按元素取自然对数。计算公式如下：

函数原型

• 传入config的原型

  • tensor前n个数据连续计算

    C++

    template <typename T, const LnConfig& config = DEFAULT_LN_CONFIG>
    __aicore__ inline void Ln(const LocalTensor<T>& dst, const LocalTensor<T>& src, const int32_t& count)
    

  • tensor高维切分计算

    • mask逐bit模式

      C++

      template <typename T, bool isSetMask = true, const LnConfig& config = DEFAULT_LN_CONFIG>
      __aicore__ inline void Ln(const LocalTensor<T>& dst, const LocalTensor<T>& src, uint64_t mask[], const uint8_t repeatTime, const UnaryRepeatParams& repeatParams)
      

    • mask连续模式

      C++

      template <typename T, bool isSetMask = true, const LnConfig& config = DEFAULT_LN_CONFIG>
      __aicore__ inline void Ln(const LocalTensor<T>& dst, const LocalTensor<T>& src, uint64_t mask, const uint8_t repeatTime, const UnaryRepeatParams& repeatParams)
      

• 不传入config的原型

  • tensor前n个数据连续计算

    C++

    template <typename T>
    __aicore__ inline void Ln(const LocalTensor<T>& dst, const LocalTensor<T>& src, const int32_t& count)
    

  • tensor高维切分计算

    • mask逐bit模式

      C++

      template <typename T, bool isSetMask = true>
      __aicore__ inline void Ln(const LocalTensor<T>& dst, const LocalTensor<T>& src, uint64_t mask[], const uint8_t repeatTime, const UnaryRepeatParams& repeatParams)
      

    • mask连续模式

      C++

      template <typename T, bool isSetMask = true>
      __aicore__ inline void Ln(const LocalTensor<T>& dst, const LocalTensor<T>& src, uint64_t mask, const uint8_t repeatTime, const UnaryRepeatParams& repeatParams)
      

参数说明

表1 模板参数说明

参数名	描述
T	操作数数据类型。
isSetMask	是否在接口内部设置mask。 • true，表示在接口内部设置mask。 • false，表示在接口外部设置mask，开发者需要使用SetVectorMask接口设置mask值。这种模式下，接口入参中的mask值设置为占位符MASK_PLACEHOLDER，用于占位，无实际含义。
config	该参数仅支持Ascend 950PR/Ascend 950DT。 用于配置Subnormal计算模式，LnConfig类型，定义如下： enum class LnAlgo {     INTRINSIC = 0,     PRECISION_1ULP_FTZ_TRUE,     PRECISION_1ULP_FTZ_FALSE, }; struct LnConfig {     LnAlgo algo = LnAlgo::INTRINSIC; }; 通过LnConfig结构体的参数algo来配置Subnormal计算模式。algo取值如下： • LnAlgo::INTRINSIC、LnAlgo::PRECISION_1ULP_FTZ_TRUE，使用单指令计算得出结果，所有Subnormal被近似为0。 • LnAlgo::PRECISION_1ULP_FTZ_FALSE，支持Subnormal数据计算。 该参数的默认值DEFAULT_LN_CONFIG的取值如下： constexpr LnConfig DEFAULT_LN_CONFIG = { LnAlgo::INTRINSIC }; 调用本原型时若不显式传入config参数，则默认使用DEFAULT_LN_CONFIG，此时行为与不传入config参数的原型等价。

表2 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。 地址对齐约束参考通用地址对齐约束。
src	输入	源操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 地址对齐约束参考通用地址对齐约束。
count	输入	参与计算的元素个数。关于该参数的具体说明请参考连续计算。
mask[]/mask	输入	mask用于控制每次迭代内参与计算的元素。详细设置参考掩码。
repeatTime	输入	重复迭代次数。矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。 关于该参数的具体说明请参考高维切分。
repeatParams	输入	控制操作数地址步长的参数。UnaryRepeatParams类型，包含操作数相邻迭代间相同DataBlock的地址步长，操作数同一迭代内不同DataBlock的地址步长等参数。 相邻迭代间的地址步长参数说明请参考repeatStride；同一迭代内DataBlock的地址步长参数说明请参考dataBlockStride。

数据类型

T支持的数据类型为：half、float。

返回值说明

无

约束说明

• 操作数地址对齐要求请参见通用地址对齐约束。
• 操作数地址重叠约束请参考通用地址重叠约束。

• 当参数count或repeatTime取值为0时，该接口的行为如下：
  • 针对如下型号，当参数count或repeatTime取值为0时，不会执行计算操作，不会对目的操作数进行写入，该接口将被视为NOP（空操作）。
    • Atlas A3 训练系列产品/Atlas A3 推理系列产品
    • Atlas A2 训练系列产品/Atlas A2 推理系列产品
  • 针对Ascend 950PR/Ascend 950DT：该接口通过VF调用Reg矢量计算API实现兼容，当参数count或repeatTime取值为0时，软仿行为不保证该接口被视为NOP（空操作）。

• 对UB空间的占用说明。针对Ascend 950PR/Ascend 950DT：
  • tensor高维切分计算占用8KB Unified Buffer。
  • tensor前n个数据连续计算不涉及8KB Unified Buffer的占用。

关键特性

针对Ascend 950PR/Ascend 950DT，有如下关键特性：

最大精度误差：

• LnAlgo::INTRINSIC、LnAlgo::PRECISION_1ULP_FTZ_TRUE，最大精度误差为1ulp。
• LnAlgo::PRECISION_1ULP_FTZ_FALSE，软仿实现，最大精度误差为1ulp。

配置Subnormal模式：

FTZ（Flush To Zero）：一种浮点运算模式，当结果为Subnormal时，将其直接清零（近似为0），而非保留其精确的微小数值。

只有将algo设置为LnAlgo::PRECISION_1ULP_FTZ_false时，Ln接口才会保留并正确输出Subnormal结果；其他模式下Subnormal均被FTZ。

由于Subnormal的计算行为是通过软件仿真算法实现，一般场景推荐使用性能更好的LnAlgo::INTRINSIC、LnAlgo::PRECISION_1ULP_FTZ_TRUE；需要精确Subnormal输出的场景（如特定数据精度要求的算法、避免除零错误）使用LnAlgo::PRECISION_1ULP_FTZ_FALSE。

调用示例

• tensor高维切分计算样例-mask连续模式

  C++

  uint64_t mask = 256 / sizeof(half);
  // repeatTime = 4, 128 elements one repeat, 512 elements total.
  // dstBlkStride, srcBlkStride = 1, no gap between blocks in one repeat.
  // dstRepStride, srcRepStride = 8, no gap between repeats.
  AscendC::Ln(dstLocal, srcLocal, mask, 4, { 1, 1, 8, 8 });
  

• tensor高维切分计算样例-mask逐bit模式

  C++

  uint64_t mask[2] = { UINT64_MAX, UINT64_MAX };
  // repeatTime = 4, 128 elements one repeat, 512 elements total.
  // dstBlkStride, srcBlkStride = 1, no gap between blocks in one repeat.
  // dstRepStride, srcRepStride = 8, no gap between repeats.
  AscendC::Ln(dstLocal, srcLocal, mask, 4, { 1, 1, 8, 8 });
  

• tensor前n个数据计算接口样例

  C++

  AscendC::Ln(dstLocal, srcLocal, 512);
  

  以下示例仅支持Ascend 950PR/Ascend 950DT

  C++

  static constexpr LnConfig config = { LnAlgo::PRECISION_1ULP_FTZ_FALSE };
  AscendC::Ln<T, config>(dstLocal, srcLocal, 512);
  

结果示例如下：

Bash

输入数据srcLocal：[1 2 3 4 ...]
输出数据dstLocal：[0 0.6931 1.0986 1.3863 ...]