asc_loadunalign_pre

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"。

本接口根据Unified Buffer（UB）中按dtype对齐的起始地址，初始化非对齐寄存器，作为后续非对齐搬入的前置缓存。该阶段仅完成非对齐寄存器初始化，不会将数据搬入矢量数据寄存器。

设本次初始化对应的有效起始字节地址为src_start_addr，将src_start_addr向低地址方向对齐到32字节边界，得到aligned_src_start_addr。本接口将UB中字节地址范围[aligned_src_start_addr, aligned_src_start_addr + 32)的32字节数据搬入非对齐寄存器。

本接口输出的非对齐寄存器作为asc_loadunalign或asc_loadunalign_postupdate的输入非对齐寄存器。

本接口提供两种功能模式：

• 源地址预处理模式：以UB源地址作为起始地址，为asc_loadunalign或asc_loadunalign_postupdate的连续非对齐搬入模式准备前置数据缓存。
• 地址寄存器偏移预处理模式：以UB源地址与地址寄存器记录的元素偏移量共同确定起始地址，为asc_loadunalign_postupdate的地址寄存器偏移搬入模式准备前置数据缓存。需要与asc_update_addr_reg配合使用。

函数原型

源地址预处理模式

C

__simd_callee__ inline void asc_loadunalign_pre(vector_load_unalign& dst,
                                                __ubuf__ <dtype>* src)

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。

函数原型典型示例

C

// 示例：float类型。
__simd_callee__ inline void asc_loadunalign_pre(vector_load_unalign& dst,
                                                __ubuf__ float* src)

地址寄存器偏移预处理模式

C

__simd_callee__ inline void asc_loadunalign_pre(vector_load_unalign& dst,
                                                __ubuf__ <dtype>* 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。

函数原型典型示例

C

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

参数说明

源地址预处理模式

表1 参数说明

参数名	输入/输出	描述
dst	输出	目的非对齐寄存器。作为后续非对齐搬入的前置数据缓存。
src	输入	源UB地址，必须按dtype对齐。

地址寄存器偏移预处理模式

表2 参数说明

参数名	输入/输出	描述
dst	输出	目的非对齐寄存器。作为后续非对齐搬入的前置数据缓存。
src	输入	源UB地址。src与offset共同确定的实际访问地址必须按dtype对齐。
offset	输入	地址寄存器，类型为addr_reg。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。

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。
• 实际访问地址在接口内部向低地址方向对齐到32字节边界后读取数据。传入的src或src与offset确定的地址必须按dtype对齐，对齐后的32字节读取范围必须在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。

源地址预处理模式

• 本接口和紧随其后的搬入必须使用相同的src地址。
• 与asc_loadunalign配合使用时，每次搬入前都必须调用本接口重新初始化。
• 与asc_loadunalign_postupdate的连续非对齐搬入模式配合使用时，只有继续使用上次调用自动更新后的src时才可以复用；如果另外修改了src，必须重新初始化。

地址寄存器偏移预处理模式

• 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，再调用本接口初始化非对齐寄存器。
• 本接口和紧随其后的首次搬入必须使用相同的src和offset。
• 同一循环迭代内，后续搬入继续使用asc_loadunalign_postupdate按inc更新后的offset时，可以复用更新后的src0；如果src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的各维偏移量必须设置为期望的b64元素偏移量的2倍。
  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;
}

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_pre_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_pre_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_pre_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_pre_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_pre example." << std::endl;
    aclrtFree(input_device);
    aclrtFree(output_device);
    aclrtResetDevice(0);
    aclFinalize();
    return passed ? 0 : 1;
}