Ascend C
搜索

Appearance

本页内容

Compare

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：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

功能说明​

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

逐元素比较两个tensor大小，如果比较后的结果为真，则输出结果的对应比特位为1，否则为0。

支持多种比较模式：

  • LT：小于（less than）

  • GT：大于（greater than）

  • GE：大于或等于（greater than or equal to）

  • EQ：等于（equal to）

  • NE：不等于（not equal to）

  • LE：小于或等于（less than or equal to）

函数原型​

  • 整个Tensor参与计算

    C++
    dst = src0 < src1;
dst = src0 > src1;
dst = src0 <= src1;
dst = src0 >= src1;
dst = src0 == src1;
dst = src0 != src1;

    Atlas 200I/500 A2 推理产品暂不支持整个Tensor参与计算的运算符重载。

  • Tensor前n个数据计算

    C++
    template <typename T, typename U>
__aicore__ inline void Compare(const LocalTensor<U>& dst, const LocalTensor<T>& src0, const LocalTensor<T>& src1, CMPMODE cmpMode, uint32_t count)

  • Tensor高维切分计算

    • mask逐bit模式

      C++
      template <typename T, typename U, bool isSetMask = true>
__aicore__ inline void Compare(const LocalTensor<U>& dst, const LocalTensor<T>& src0, const LocalTensor<T>& src1, CMPMODE cmpMode, const uint64_t mask[], uint8_t repeatTime, const BinaryRepeatParams& repeatParams)

    • mask连续模式

      C++
      template <typename T, typename U, bool isSetMask = true>
__aicore__ inline void Compare(const LocalTensor<U>& dst, const LocalTensor<T>& src0, const LocalTensor<T>& src1, CMPMODE cmpMode, const uint64_t mask, uint8_t repeatTime, const BinaryRepeatParams& repeatParams)

参数说明​

模板参数及接口参数说明​

表1 模板参数说明

参数名描述
T源操作数数据类型。
U目的操作数数据类型。
isSetMask保留参数，保持默认值即可。

表2 接口参数说明

参数名称输入/输出描述
dst输出目的操作数。
类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。
LocalTensor的起始地址需要32字节对齐。
dst用于存储比较结果，将dst中uint8_t类型的数据按照bit位展开，由左至右依次表征对应位置的src0和src1的比较结果，如果比较后的结果为真，则对应比特位为1，否则为0。
src0、src1输入源操作数。
类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。
LocalTensor的起始地址需要32字节对齐。
cmpMode输入CMPMODE类型，表示比较模式，包括EQ，NE，GE，LE，GT，LT。
• LT：src0小于（less than）src1
• GT：src0大于（greater than）src1
• GE：src0大于或等于（greater than or equal to）src1
• EQ：src0等于（equal to）src1
• NE：src0不等于（not equal to）src1
• LE：src0小于或等于（less than or equal to）src1
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。
关于该参数的具体描述请参考高维切分。
repeatParams输入控制操作数地址步长的参数。BinaryRepeatParams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。
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[]参数说明​

  • 针对Ascend 950PR/Ascend 950DT，设置有效。
  • 针对Atlas A3 训练系列产品/Atlas A3 推理系列产品，保留参数，设置无效。
  • 针对Atlas A2 训练系列产品/Atlas A2 推理系列产品，保留参数，设置无效。
  • 针对Atlas 200I/500 A2 推理产品，设置有效。
  • 针对Atlas 推理系列产品AI Core，保留参数，设置无效。
  • 针对Atlas 训练系列产品，保留参数，设置无效。
  • 针对Kirin X90，保留参数，设置无效。
  • 针对Kirin 9030，保留参数，设置无效。

数据类型​

  • 针对Ascend 950PR/Ascend 950DT
    • T支持的数据类型为：int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t、double。其中，int8_t/uint8_t/int64_t/uint64_t/double数据类型仅支持tensor前n个数据计算接口和整个tensor参与计算的运算符重载。
    • U支持的数据类型为：int8_t、uint8_t。
  • 针对Atlas A3 训练系列产品/Atlas A3 推理系列产品
    • T支持的数据类型为：half（所有CMPMODE都支持）、float（所有CMPMODE都支持）、int32_t（只支持CMPMODE::EQ）。
    • U支持的数据类型为：int8_t、uint8_t。
  • 针对Atlas A2 训练系列产品/Atlas A2 推理系列产品
    • T支持的数据类型为：half（所有CMPMODE都支持）、float（所有CMPMODE都支持）、int32_t（只支持CMPMODE::EQ）。
    • U支持的数据类型为：int8_t、uint8_t。
  • 针对Atlas 200I/500 A2 推理产品
    • T支持的数据类型为：half、float。
    • U支持的数据类型为：int8_t、uint8_t。
  • 针对Atlas 推理系列产品 AI Core
    • T支持的数据类型为：half、float。
    • U支持的数据类型为：int8_t、uint8_t。
  • 针对Atlas 训练系列产品
    • T支持的数据类型为：half、float。
    • U支持的数据类型为：int8_t、uint8_t。
  • 针对Kirin X90
    • T支持的数据类型为：half（所有CMPMODE都支持）、float（所有CMPMODE都支持）、int32_t（只支持CMPMODE::EQ）。
    • U支持的数据类型为：uint8_t。
  • 针对Kirin 9030
    • T支持的数据类型为：half（所有CMPMODE都支持）、float（所有CMPMODE都支持）、int32_t（只支持CMPMODE::EQ）。
    • U支持的数据类型为：uint8_t。

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。

  • dst按照小端顺序排序成二进制结果，对应src中相应位置的数据比较结果。

  • 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，该接口不会执行计算操作，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，不保证该接口将被视为NOP（空操作）。
  • 使用整个tensor参与计算的运算符重载功能，src0和src1需满足256字节对齐。
  • 针对如下型号，使用tensor前n个数据参与计算的接口，设置count时，需要保证count个元素所占空间256字节对齐。未对齐部分元素不参与计算，仅完整对齐块有效。
    • 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

调用示例​

本样例中，源操作数src0和src1各存储了256个float类型的数据。样例实现的功能为，逐元素对src0和src1中的数据进行比较，如果src0中的元素小于src1中的元素，dst结果中对应的比特位置1；反之，则置0。dst结果使用uint8_t类型数据存储。

完整的调用样例可参考Compare类样例场景一。

  • 整个tensor参与计算

    C++
    dstLocal = src0Local < src1Local;  // 小于LT
dstLocal = src0Local > src1Local;  // 大于GT
dstLocal = src0Local <= src1Local; // 小于等于LE
dstLocal = src0Local >= src1Local; // 大于等于GE
dstLocal = src0Local == src1Local; // 等于EQ
dstLocal = src0Local != src1Local; // 不等于NE

  • tensor前n个数据计算

    C++
    // srcDataSize：参与计算的元素个数
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, srcDataSize);
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, srcDataSize);
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, srcDataSize);
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, srcDataSize);
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, srcDataSize);
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, srcDataSize);

    结果示例如下：

    LT：小于
输入数据src0Local：[ 2  2  2  2  2  2  2  2  3  3  3  3  3  3  3  3  5  5  5  5  5  5  5  5  7  7  7  7  7  7  7  7
                    11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ]
输入数据src1Local：[ 2  2  2  2  2  2  2  2  4  4  4  4  4  4  4  4  6  6  6  6  6  6  6  6  8  8  8  8  8  8  8  8
                    10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ]
输出数据dstLocal： [ 0(0b00000000) 255(0b11111111) 255(0b11111111) 255(0b11111111) 0(0b00000000) 0(0b00000000) 0(0b00000000) 0(0b00000000) ]

GT：大于
输入数据src0Local：[ 2 3 5 7 11 13 17 19 ... ]
输入数据src1Local：[ 2 4 6 8 10 12 14 16 ... ]
逐元素比较结果：   [ 0 0 0 0  1  1  1  1 ... ]
输出数据dstLocal： [ 240(0b11110000) ... ]

GE：大于或等于
输入数据src0Local：[ 2 3 5 7 11 13 17 19 ... ]
输入数据src1Local：[ 2 4 6 8 10 12 14 16 ... ]
输出数据dstLocal： [ 241(0b11110001) ... ]

LE：小于或等于
输入数据src0Local：[ 2 3 5 7 11 13 17 19 ... ]
输入数据src1Local：[ 2 4 6 8 10 12 14 16 ... ]
输出数据dstLocal： [ 15(0b00001111) ... ]

EQ：等于
输入数据src0Local：[ 2 3 5 7 11 13 17 19 ... ]
输入数据src1Local：[ 2 4 6 8 10 12 14 16 ... ]
输出数据dstLocal： [ 1(0b00000001) ... ]

NE：不等于
输入数据src0Local：[ 2 3 5 7 11 13 17 19 ... ]
输入数据src1Local：[ 2 4 6 8 10 12 14 16 ... ]
输出数据dstLocal： [ 254(0b11111110) ... ]

  • Tensor高维切分计算，mask逐bit模式

    C++
    // masks数组控制每次迭代参与计算的元素，两个uint64_t的值一共128bit，每个bit可以控制一个元素，为1则参与计算，为0则不参与计算
// masks[0]可以控制前64个元素，低bit位控制索引小的元素；masks[1]同理，可以控制后64个元素
// 例如，对float类型数据，每次迭代处理256B / sizeof(float) = 64个元素，因此只需要通过masks[0]即可进行控制
uint64_t masks[2] = {858993459, 0}; // 858993459(0x33333333)
// repeat: 1, dstBlkStride: 1, src0BlkStride: 1, src1BlkStride: 1, dstRepStride: 1, src0RepStride: 8, src1RepStride: 8
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, masks, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, masks, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, masks, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, masks, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, masks, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, masks, 1, { 1, 1, 1, 1, 8, 8 });

    结果示例如下：

    LE：小于等于
输入数据src0Local：[ 2  2  2  2  2  2  2  2  3  3  3  3  3  3  3  3  5  5  5  5  5  5  5  5  7  7  7  7  7  7  7  7
                    11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ]
输入数据src1Local：[ 2  2  2  2  2  2  2  2  4  4  4  4  4  4  4  4  6  6  6  6  6  6  6  6  8  8  8  8  8  8  8  8
                    10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ]
输入数据masks：{ 858993459, 0 }
输出数据dstLocal： [ 51(0b00110011) 51(0b00110011) 51(0b00110011) 51(0b00110011) 0(0b00000000) 0(0b00000000) 0(0b00000000) 0(0b00000000) ]

  • Tensor高维切分计算，mask连续模式

    C++
    // mask控制每次迭代参与计算的连续元素个数
// 例如，对float类型数据，每次迭代处理256B / sizeof(float) = 64个元素
uint64_t mask = 64;
// repeat: 1, dstBlkStride: 1, src0BlkStride: 1, src1BlkStride: 1, dstRepStride: 1, src0RepStride: 8, src1RepStride: 8
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, mask, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, mask, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, mask, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, mask, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, mask, 1, { 1, 1, 1, 1, 8, 8 });
AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, mask, 1, { 1, 1, 1, 1, 8, 8 });

    结果示例如下：

    LE：小于等于
输入数据src0Local：[ 2  2  2  2  2  2  2  2  3  3  3  3  3  3  3  3  5  5  5  5  5  5  5  5  7  7  7  7  7  7  7  7
                    11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ]
输入数据src1Local：[ 2  2  2  2  2  2  2  2  4  4  4  4  4  4  4  4  6  6  6  6  6  6  6  6  8  8  8  8  8  8  8  8
                    10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ]
输入数据mask：64
输出数据dstLocal： [ 255(0b11111111) 255(0b11111111) 255(0b11111111) 255(0b11111111) 0(0b00000000) 0(0b00000000) 0(0b00000000) 0(0b00000000) ]

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。

Copyright Huawei Technologies Co., Ltd.