asc_loadalign

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

头文件路径为："c_api/reg_compute/load/loadalign.h"。

从Unified Buffer（UB）中32字节对齐的起始地址读取数据，并通过函数返回值返回或写入目的矢量数据寄存器或掩码寄存器，搬运过程中数据格式和内容保持不变。本接口提供四种功能模式：

• 连续对齐搬入模式：将UB源地址的数据搬入到矢量数据寄存器或掩码寄存器，由用户自行更新源地址。
• 立即数偏移搬入模式：从相对源起始地址偏移指定距离的位置搬入数据。本接口不会自动更新源地址。
• 地址寄存器偏移搬入模式：通过地址寄存器指定相对源起始地址的偏移，常用于Hardware Loop内偏移随循环计数变化的对齐搬入场景。需要与asc_update_addr_reg配合使用。
• 非连续对齐搬入模式：单条指令非连续搬入8个DataBlock，每个DataBlock的数据量为32字节。支持配置数据块之间的地址步长和起始读取位置。

连续对齐搬入模式中，通过函数返回值返回掩码寄存器时，请使用asc_loadalign_mask。非连续对齐搬入模式中，通过函数返回值返回矢量数据寄存器时，请使用asc_loadalign_datablock_strided。

图1 连续搬入矢量数据寄存器

本接口仅在AIV上生效，非AIV调用直接返回。

函数原型

连续对齐搬入模式

C

// 通过函数返回值返回矢量数据寄存器。
__simd_callee__ inline vector_<dtype> asc_loadalign(__ubuf__ <dtype>* src)

// 搬入矢量数据寄存器。
__simd_callee__ inline void asc_loadalign(vector_<dtype>& dst,
                                          __ubuf__ <dtype>* src)
// 搬入掩码寄存器。
__simd_callee__ inline void asc_loadalign(vector_bool& dst,
                                          __ubuf__ uint32_t* src)

dtype支持数据类型

• 返回值类型接口支持的数据类型为int4b_t、int8_t、uint8_t、fp4x2_e2m1_t、fp4x2_e1m2_t、hifloat8_t、fp8_e8m0_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float。
• 无返回值类型接口支持的数据类型为int4b_t、int8_t、uint8_t、fp4x2_e2m1_t、fp4x2_e1m2_t、hifloat8_t、fp8_e8m0_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t。

当dtype为int4b_t时，目的矢量数据寄存器的实际类型为vector_int4x2_t。

函数原型典型示例

C

// 示例：float类型。
__simd_callee__ inline vector_float asc_loadalign(__ubuf__ float* src)

__simd_callee__ inline void asc_loadalign(vector_float& dst,
                                          __ubuf__ float* src)

立即数偏移搬入模式

C

// 搬入矢量数据寄存器。
__simd_callee__ inline void asc_loadalign(vector_<dtype>& dst,
                                          __ubuf__ <dtype>* src,
                                          int32_t offset)
// 搬入掩码寄存器。
__simd_callee__ inline void asc_loadalign(vector_bool& dst,
                                          __ubuf__ uint32_t* src,
                                          int32_t offset)

dtype支持数据类型

dtype支持的数据类型为int4b_t、int8_t、uint8_t、fp4x2_e2m1_t、fp4x2_e1m2_t、hifloat8_t、fp8_e8m0_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t。当dtype为int4b_t时，dst的实际类型为vector_int4x2_t。

函数原型典型示例

C

// 示例：float类型。
__simd_callee__ inline void asc_loadalign(vector_float& dst,
                                          __ubuf__ float* src,
                                          int32_t offset)

地址寄存器偏移搬入模式

C

// 搬入矢量数据寄存器。
__simd_callee__ inline void asc_loadalign(vector_<dtype>& dst,
                                          __ubuf__ <dtype>* src,
                                          addr_reg offset)
// 搬入掩码寄存器。
__simd_callee__ inline void asc_loadalign(vector_bool& dst,
                                          __ubuf__ uint32_t* src,
                                          addr_reg offset)

dtype支持数据类型

dtype支持的数据类型为int4b_t、int8_t、uint8_t、fp4x2_e2m1_t、fp4x2_e1m2_t、hifloat8_t、fp8_e8m0_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t。当dtype为int4b_t时，dst的实际类型为vector_int4x2_t。

函数原型典型示例

C

// 示例：float类型。
__simd_callee__ inline void asc_loadalign(vector_float& dst,
                                          __ubuf__ float* src,
                                          addr_reg offset)

非连续对齐搬入模式

C

__simd_callee__ inline void asc_loadalign(vector_<dtype>& dst,
                                          __ubuf__ <dtype>* src,
                                          uint16_t block_stride,
                                          uint16_t repeat_stride,
                                          vector_bool mask)

dtype支持数据类型

dtype支持的数据类型为int4b_t、int8_t、uint8_t、fp4x2_e2m1_t、fp4x2_e1m2_t、hifloat8_t、fp8_e8m0_t、fp8_e5m2_t、fp8_e4m3fn_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t。当dtype为int4b_t时，dst的实际类型为vector_int4x2_t。

函数原型典型示例

C

// 示例：float类型。
__simd_callee__ inline void asc_loadalign(vector_float& dst,
                                          __ubuf__ float* src,
                                          uint16_t block_stride,
                                          uint16_t repeat_stride,
                                          vector_bool mask)

参数说明

连续对齐搬入模式

表1 参数说明

参数名	输入/输出	描述
dst	输出	目的矢量数据寄存器或掩码寄存器，仅无返回值类型接口包含该参数。 • 当dst为矢量数据寄存器，dtype必须与src一致，搬入VL长度数据。 • 当dst为掩码寄存器，搬入VL/8长度数据。
src	输入	源UB地址，实际读取地址必须按32字节对齐。

立即数偏移搬入模式

表2 参数说明

参数名	输入/输出	描述
dst	输出	目的矢量数据寄存器或掩码寄存器。 • 当dst为矢量数据寄存器，dtype必须与src一致，搬入VL长度数据。 • 当dst为掩码寄存器，搬入VL/8长度数据。
src	输入	源UB地址，实际读取地址必须按32字节对齐。
offset	输入	相对src起始地址的偏移。 • 当dst为矢量数据寄存器，单位为元素个数。 • 当dst为掩码寄存器，单位为字节。

地址寄存器偏移搬入模式

表3 参数说明

参数名	输入/输出	描述
dst	输出	目的矢量数据寄存器或掩码寄存器。 • 当dst为矢量数据寄存器，dtype必须与src一致，搬入VL长度数据。 • 当dst为掩码寄存器，搬入VL/8长度数据。
src	输入	源UB地址，实际读取地址必须按32字节对齐。
offset	输入	地址寄存器，类型为addr_reg，必须通过asc_update_addr_reg生成。该寄存器记录相对src起始地址的偏移，单位为元素个数。b8、b16、b32模式分别表示每个元素占1字节、2字节、4字节。当dst为vector_bool时，应使用b32模式。

非连续对齐搬入模式

表4 参数说明

参数名	输入/输出	描述
dst	输出	目的矢量数据寄存器。dtype必须与src一致，搬入VL长度数据。本模式不支持vector_bool目的寄存器。
src	输入	源UB地址，实际读取地址必须按32字节对齐。
block_stride	输入	源操作数相邻DataBlock之间起始地址的步长，单位为32字节。
repeat_stride	输入	本次搬入的起始读取地址相对src的偏移，单位为32字节。实际起始读取地址为src偏移repeat_stride × 32字节。
mask	输入	掩码寄存器，用于指示在计算过程中哪些元素参与计算。该接口以DataBlock为数据搬运单元。 • 当DataBlock中的任意一个元素被mask筛选成有效元素时，该DataBlock中所有数据都会搬入至矢量数据寄存器。 • 当DataBlock中所有元素都被mask筛选成无效元素时，该DataBlock中的数据不会搬入到矢量数据寄存器，对应位置的元素设置为0，即使UB越界也不会报错。

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

对于返回值类型接口，返回保存连续对齐搬入结果的矢量数据寄存器，数据类型与src保持一致。

约束说明

通用约束

• 本接口仅在AIV上生效，非AIV调用直接返回。
• 本接口在Vector Function（__simd_vf__标记的函数）内调用。
• 各功能模式下的实际读取地址必须按32字节对齐，且实际读取范围必须在UB地址空间内且不越界，否则会报错。非连续对齐搬入模式中，当某个DataBlock的mask包含的元素全部无效时，该DataBlock即使越界也不会报错。
• 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）。UB地址偏移后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UB地址重叠，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。

地址寄存器偏移搬入模式

• 必须先调用asc_update_addr_reg接口。
• 当dtype为int64_t或uint64_t时，由于地址寄存器更新接口不支持b64模式，需要使用asc_update_addr_reg_b32生成地址寄存器。一个b64元素占用两个b32寻址单元，因此传入asc_update_addr_reg_b32的各维偏移量必须设置为期望的b64元素偏移量的2倍。

非连续对齐搬入模式

• 该模式不支持目的操作数为掩码寄存器。
• mask需通过掩码设置接口预先赋值后再传入；未赋值的掩码寄存器内容不确定，会导致有效元素位置错误。
• 当dtype为int64_t时，由于掩码创建接口不支持b64模式，需要先通过asc_create_mask_b32生成b32掩码，再通过asc_unpack_lower将其展开为适用于b64数据的掩码后传入本接口。展开后的掩码以连续8个bit为一组，仅每组最低位的bit有效，用于控制对应的一个b64元素。
  C

  vector_int64_t src_reg;
  vector_bool mask_b32 = asc_create_mask_b32(PAT_ALL);
  vector_bool mask_b64;
  asc_unpack_lower(mask_b64, mask_b32);
  addr_reg load_offset;
  addr_reg store_offset;
  for (uint16_t i = 0; i < repeatTimes; ++i) {
      load_offset = asc_update_addr_reg_b32(elements_vl * 2);
      // 搬出到UB后数据类型为B32，偏移不需要*2
      store_offset = asc_update_addr_reg_b32(elements_vl);
      asc_loadalign(src_reg, input, load_offset);
      asc_storealign_pack(output, src_reg, store_offset, mask_b64);
  }
  

调用示例

将代码保存为example.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/Ascend 950DT产品（对应NPU架构为dav-3510）为例，编译运行命令如下：

Bash

bisheng example.asc -o main --npu-arch=dav-3510 && ./main

C++

#include <cstdint>
#include <iostream>
#include <vector>
#include "c_api/asc_simd.h"
#include "acl/acl.h"
namespace {
__aicore__ constexpr uint32_t ceil_division(uint32_t numerator, uint32_t denominator)
{
    return (numerator + denominator - 1) / denominator;
}

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 BUFFER_ELEMENTS = 512;
constexpr uint32_t BUFFER_BYTES = BUFFER_ELEMENTS * sizeof(uint8_t);
__simd_vf__ inline void asc_loadalign_vf(__ubuf__ uint8_t* output, __ubuf__ uint8_t* input,
                                         uint16_t one_repeat_size, uint16_t repeat_time)
{
    vector_bool mask = asc_create_mask_b8(PAT_ALL);
    for (uint16_t i = 0; i < repeat_time; ++i) {
        vector_uint8_t dst_reg;
        asc_loadalign(dst_reg, input + i * one_repeat_size);
        asc_storealign(output + i * one_repeat_size, dst_reg, mask);
    }
}

__global__ __vector__ void asc_loadalign_kernel(__gm__ uint8_t* output, __gm__ uint8_t* input)
{
    asc_init();
    __ubuf__ uint8_t output_local[BUFFER_ELEMENTS], input_local[BUFFER_ELEMENTS];
    asc_copy_gm2ub_align(input_local, input, BUFFER_BYTES);

    asc_sync_notify(PIPE_MTE2, PIPE_V, EVENT_ID0);
    asc_sync_wait(PIPE_MTE2, PIPE_V, EVENT_ID0);

    uint16_t one_repeat_size = asc_get_vf_len() / sizeof(uint8_t);
    uint16_t repeat_time = ceil_division(BUFFER_ELEMENTS, one_repeat_size);
    asc_vf_call<asc_loadalign_vf>(output_local, input_local, one_repeat_size, repeat_time);

    asc_sync_notify(PIPE_V, PIPE_MTE3, EVENT_ID0);
    asc_sync_wait(PIPE_V, PIPE_MTE3, EVENT_ID0);

    asc_copy_ub2gm_align(output, output_local, BUFFER_BYTES);
    asc_sync();
}
} // namespace

int main()
{
    std::vector<uint8_t> input(BUFFER_ELEMENTS), output(BUFFER_ELEMENTS, 0xff);
    for (uint16_t i = 0; i < BUFFER_ELEMENTS; ++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,
        ACL_MEM_MALLOC_HUGE_FIRST);
    uint8_t* output_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&output_device), BUFFER_BYTES,
        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_loadalign_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;
}