asc_loadunalign_postupdate
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/loadunalign.h"。
从Unified Buffer（UB）中按dtype对齐的起始地址读取VL长度连续数据，并搬入矢量数据寄存器。本接口将asc_loadunalign_pre中的非对齐寄存器（32字节）中缓存的前置数据与从UB读取的后续数据拼接，得到VL长度数据并搬入矢量数据寄存器。搬入完成后，接口同步更新地址和非对齐寄存器。
设本次实际读取的起始字节地址为src_start_addr，结束字节地址为src_end_addr，其中src_end_addr = src_start_addr + VL；将src_start_addr向低地址方向对齐到32字节边界，得到aligned_src_start_addr。asc_loadunalign_pre将字节地址范围[aligned_src_start_addr, aligned_src_start_addr + 32)的数据缓存到非对齐寄存器，本接口将该缓存与从UB读取的后续数据拼接，得到字节地址范围[src_start_addr, src_end_addr)的数据。
本接口提供两种功能模式：
连续非对齐搬入模式：设当前UB地址指针为
src_ptr。搬入完成后，源地址指针更新为src_ptr = src_ptr + count，并同步更新非对齐寄存器。该指针运算以元素为单位，即源地址增加count × sizeof(dtype)字节。地址寄存器偏移搬入模式：设当前UB地址指针为
src_ptr，循环迭代索引为i，步长stride的单位为元素个数。asc_update_addr_reg生成当前迭代的起始偏移offset = i * stride，本次实际读取地址为src_ptr + offset。搬入完成后，接口将offset更新为offset + inc，因此当前循环迭代内下一次实际读取地址为src_ptr + i * stride + inc。以上指针和偏移运算均以元素为单位。src_ptr保持不变；inc只更新当前循环迭代内的地址偏移，不影响下一次循环迭代的起始偏移。
函数原型
连续非对齐搬入模式
__simd_callee__ inline void asc_loadunalign_postupdate(vector_<dtype>& dst,
vector_load_unalign& src0,
__ubuf__ <dtype>*& src1,
uint32_t count)
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
// 示例：int8_t类型。
__simd_callee__ inline void asc_loadunalign_postupdate(vector_int8_t& dst,
vector_load_unalign& src0,
__ubuf__ int8_t*& src1,
uint32_t count)
地址寄存器偏移搬入模式
__simd_callee__ inline void asc_loadunalign_postupdate(vector_<dtype>& dst,
vector_load_unalign& src0,
__ubuf__ <dtype>* src1,
addr_reg& offset,
uint32_t inc)
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
// 示例：int8_t类型。
__simd_callee__ inline void asc_loadunalign_postupdate(vector_int8_t& dst,
vector_load_unalign& src0,
__ubuf__ int8_t* src1,
addr_reg& offset,
uint32_t inc)
参数说明
连续非对齐搬入模式
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。dtype必须与src1一致，搬入VL长度数据。 |
| src0 | 输入/输出 | 非对齐寄存器，大小为32字节。本接口调用后，src0中缓存的数据更新为更新后的src1所确定的实际读取地址所需的前置数据，可供下一次搬入使用。 |
| src1 | 输入/输出 | 源UB地址，实际读取地址必须按dtype对齐。 |
| count | 输入 | Post Update步长，单位为元素个数。接口使用当前src1地址完成搬入后，将src1增加count × sizeof(dtype)字节。 |
地址寄存器偏移搬入模式
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。dtype必须与src1一致，搬入VL长度数据。 |
| src0 | 输入/输出 | 非对齐寄存器，大小为32字节。本接口调用后，src0中缓存的数据更新为src1与更新后的offset所确定的实际读取地址所需的前置数据，可供当前循环迭代内的下一次搬入使用。 |
| src1 | 输入 | 源UB基地址。该地址与offset共同确定实际读取地址，实际读取地址必须按dtype对齐。 |
| offset | 输入/输出 | 地址寄存器，类型为addr_reg。该寄存器记录相对src1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。本接口完成搬入后会根据inc更新offset。 |
| inc | 输入 | Post Update步长，单位为元素个数。接口使用当前offset完成搬入后，将offset记录的元素偏移量增加inc，即更新为offset = offset + inc。 |
返回值说明
无
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。 src1起始地址或src1与offset确定的实际访问地址必须按dtype对齐，且实际访问范围必须在UB地址空间内，否则会报错。- 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，必须插入同步指令asc_mem_bar，保证多个指令串行化，防止出现异常数据。
连续非对齐搬入模式
- 首次搬入前必须调用asc_loadunalign_pre进行初始化，该初始化接口与紧随其后的首次搬入必须使用相同的
src1。 - 后续调用继续使用上一次调用更新后的
src1时，可以复用更新后的src0；如果src1被修改，必须根据修改后的src1重新初始化src0。
地址寄存器偏移搬入模式
- 每次循环迭代中，必须先调用
asc_update_addr_reg生成该次迭代的起始偏移，再调用asc_loadunalign_pre初始化src0。该初始化调用与紧随其后的首次搬入必须使用相同的src1和offset。 - 同一循环迭代内，后续搬入继续使用上一次本接口调用按
inc更新后的offset时，可复用同步更新后的src0。如果src1或offset被另行修改，必须根据修改后的实际读取地址重新初始化src0。 - 当dtype为
int64_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的各维偏移量以及本接口的inc都必须设置为期望的b64元素偏移量的2倍。Cvector_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：
bisheng example.asc -o main --npu-arch=dav-3510 && ./main
#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;
}
constexpr uint32_t DATA_ELEMENTS = 512;
constexpr uint32_t BUFFER_ELEMENTS = DATA_ELEMENTS + 32;
constexpr uint32_t BUFFER_BYTES = BUFFER_ELEMENTS * sizeof(uint8_t);
__simd_vf__ inline void asc_loadunalign_postupdate_vf(__ubuf__ uint8_t* dst,
__ubuf__ uint8_t* src,
uint16_t one_repeat_size, uint16_t repeat_time)
{
vector_load_unalign load_unalign_reg;
vector_store_unalign store_unalign_reg;
vector_uint8_t dst_reg;
asc_loadunalign_pre(load_unalign_reg, src);
for (uint16_t i = 0; i < repeat_time; ++i) {
asc_loadunalign_postupdate(dst_reg, load_unalign_reg, src, one_repeat_size);
asc_storeunalign_postupdate(dst, store_unalign_reg, dst_reg, one_repeat_size);
}
asc_storeunalign_post_postupdate(dst, store_unalign_reg, 0);
}
__global__ __vector__ void asc_loadunalign_postupdate_kernel(__gm__ uint8_t* output, __gm__ uint8_t* input)
{
asc_init();
__ubuf__ uint8_t input_local[BUFFER_ELEMENTS];
__ubuf__ uint8_t output_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(DATA_ELEMENTS, one_repeat_size);
asc_vf_call<asc_loadunalign_postupdate_vf>(
output_local + 1, input_local + 1, 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);
std::vector<uint8_t> output(BUFFER_ELEMENTS, 0xff);
for (uint16_t i = 0; i < BUFFER_ELEMENTS; ++i) input[i] = static_cast<uint8_t>(i % 251 + 1);
aclInit(nullptr);
aclrtSetDevice(0);
uint8_t* input_device = nullptr;
uint8_t* output_device = nullptr;
aclrtMalloc(reinterpret_cast<void**>(&input_device), BUFFER_BYTES, ACL_MEM_MALLOC_HUGE_FIRST);
aclrtMalloc(reinterpret_cast<void**>(&output_device), BUFFER_BYTES, ACL_MEM_MALLOC_HUGE_FIRST);
aclrtMemcpy(input_device, BUFFER_BYTES, input.data(), BUFFER_BYTES, ACL_MEMCPY_HOST_TO_DEVICE);
asc_loadunalign_postupdate_kernel<<<1, 0>>>(output_device, input_device);
aclrtSynchronizeDevice();
aclrtMemcpy(output.data(), BUFFER_BYTES, output_device, BUFFER_BYTES, ACL_MEMCPY_DEVICE_TO_HOST);
bool passed = true;
for (uint16_t i = 0; i < DATA_ELEMENTS; ++i) passed = passed && output[i + 1] == input[i + 1];
std::cout << (passed ? "[Success]" : "[Failed]") << " asc_loadunalign_postupdate example." << std::endl;
aclrtFree(input_device);
aclrtFree(output_device);
aclrtResetDevice(0);
aclFinalize();
return passed ? 0 : 1;
}