AddDeqRelu

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：不支持

• 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：不支持

功能说明

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

依次计算按元素求和、结果进行deq量化后再进行relu计算（结果和0对比取较大值）。计算公式如下：

Deq的计算公式如下，采用RINT舍入方式，scale需要通过SetDeqScale进行设置：

其中Relu的计算公式如下：

函数原型

• tensor前n个数据计算

  C++

  __aicore__ inline void AddDeqRelu(const LocalTensor<half>& dst, const LocalTensor<int32_t>& src0, const LocalTensor<int32_t>& src1, const int32_t& count)
  

• tensor高维切分计算

  • mask逐bit模式

    C++

    template <bool isSetMask = true>
    __aicore__ inline void AddDeqRelu(const LocalTensor<half>& dst, const LocalTensor<int32_t>& src0, const LocalTensor<int32_t>& src1, uint64_t mask[], const uint8_t repeatTime, const BinaryRepeatParams& repeatParams)
    

  • mask连续模式

    C++

    template <bool isSetMask = true>
    __aicore__ inline void AddDeqRelu(const LocalTensor<half>& dst, const LocalTensor<int32_t>& src0, const LocalTensor<int32_t>& src1, uint64_t mask, const uint8_t repeatTime, const BinaryRepeatParams& repeatParams)
    

操作数使用TensorTrait类型时，LocalTensor需要输入模板参数。提供支持操作数数据类型作为模板参数传入的接口如下：

• tensor前n个数据计算

  C++

  template <typename T, typename U>
  __aicore__ inline void AddDeqRelu(const LocalTensor<T>& dst, const LocalTensor<U>& src0, const LocalTensor<U>& src1, const int32_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 AddDeqRelu(const LocalTensor<T>& dst, const LocalTensor<U>& src0, const LocalTensor<U>& src1, uint64_t mask[], const uint8_t repeatTime, const BinaryRepeatParams& repeatParams)
    

  • mask连续模式

    C++

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

参数说明

表1 模板参数说明

参数名	描述
T	目的操作数的数据类型。
U	源操作数的数据类型。
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。

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。
src0、src1	输入	源操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。
count	输入	参与计算的元素个数。 注：参数取值范围和操作数的数据类型有关，数据类型不同，能够处理的元素个数最大值不同，最大处理的数据量不能超过UB大小限制。
mask[]/mask	输入	mask用于控制每次迭代内参与计算的元素。 设置详见掩码操作。
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。

数据类型

表3 数据类型组合情况

src0、src1数据类型	dst数据类型
int32_t	half

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，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）。

• 该接口需要与SetDeqScale配合使用，关系映射表如下：

  AddDeqRelu使用场景	对应使用的SetDeqScale函数原型
  输入类型为int32_t	__aicore__ inline void SetDeqScale(half scale)

• 本接口涉及临时空间的使用，计算公式如下，当计算数据量小于等于2K（2048）时，使用的临时空间与计算数据量线性相关，当数据量大于2K时，临时空间大小固定为8KB：

关键特性

溢出保护

该接口在执行int32_t到half数据类型的反量化时，会进行防溢出保护处理：

中间缩小步骤将数值控制在安全范围内，有效避免了浮点溢出。

调用示例

本样例的srcLocal为int32_t类型，dstLocal为half类型，计算mask时以int32_t为准。

• tensor高维切分计算样例-mask连续模式。

  C++

  uint64_t mask = 256 / sizeof(int32_t); // 64
  // repeatTime = 4，一次迭代计算64个数，共计算256个数
  // dstBlkStride, src0BlkStride, src1BlkStride = 1，单次迭代内数据连续读取和写入
  // dstRepStride = 4，src0RepStride, src1RepStride = 8，相邻迭代间数据连续读取和写入
  half scale = 0.1;
  AscendC::SetDeqScale(scale);
  AscendC::AddDeqRelu(dstLocal, src0Local, src1Local, mask, 4, { 1, 1, 1, 4, 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 = 4，一次迭代计算64个数，共计算256个数
  // dstBlkStride, src0BlkStride, src1BlkStride = 1，单次迭代内数据连续读取和写入
  // dstRepStride = 4，src0RepStride, src1RepStride = 8，相邻迭代间数据连续读取和写入
  half scale = 0.1;
  AscendC::SetDeqScale(scale);
  AscendC::AddDeqRelu(dstLocal, src0Local, src1Local, mask, 4, { 1, 1, 1, 4, 8, 8 });
  

• tensor前n个数据计算样例。

  C++

  half scale = 0.1;
  AscendC::SetDeqScale(scale);
  AscendC::AddDeqRelu(dstLocal, src0Local, src1Local, 512);
  

结果示例如下：

输入数据src0Local：[70 36 43 54 28 49 27 82 95 ...]
输入数据src1Local：[19 33 34 50 42  2 97 93 99 ...]
输出数据dstLocal：[8.9 6.9 7.7 10.4 7.0 5.1 12.4 17.5 19.4 ...]