asc_pair_reduce_sum

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/compute/reg_reduce.h"。

根据mask将源操作数src中每两个相邻元素相加，得到计算结果。结果连续保存在目的操作数dst的低半部分，dst的高半部分置0。以half数据类型为例，相加示意图如下：

计算公式如下：

其中，为矢量数据寄存器的元素个数。

函数原型

C

// 通过函数返回值返回结果（占位符形式）
__simd_callee__ inline vector_<dtype> asc_pair_reduce_sum(vector_<dtype> src,
                                                           vector_bool mask)

// 通过引用参数输出结果（占位符形式）
__simd_callee__ inline void asc_pair_reduce_sum(vector_<dtype>& dst,
                                                 vector_<dtype> src,
                                                 vector_bool mask)

dtype支持数据类型

dtype取值为：half、float。

函数原型典型示例

C

// 示例：对half矢量数据寄存器执行相邻元素相加
__simd_callee__ inline void asc_pair_reduce_sum(vector_half& dst,
                                                 vector_half src,
                                                 vector_bool mask)

参数说明

表1 参数说明

参数名	输入/输出	描述
dst	输出	目的操作数（矢量数据寄存器）。
src	输入	源操作数（矢量数据寄存器）。
mask	输入	掩码寄存器，用于控制各元素是否参与计算。mask中与元素对应的比特位为1时，该元素参与计算；为0时，该元素不参与计算。

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

• 通过引用参数输出结果：计算结果写入dst。
• 通过函数返回值返回结果：返回计算结果，类型为矢量数据寄存器，与src的数据类型一致。

约束说明

• 通过引用参数输出结果的函数原型在非AIV上调用时直接返回。
• 通过函数返回值输出结果的函数原型在非AIV上调用时返回对应矢量类型的默认构造值。
• 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。
• dst与src的数据类型需要保持一致。
• mask指定源操作数是否参与计算，不参与计算的元素被当作0进行累加。例如：
  • 若连续两个元素a、b均不参与计算，目的操作数结果为0。
  • 若连续两个元素a、b仅元素a参与计算，目的操作数结果为a。
  • 若连续两个元素a、b仅元素b参与计算，目的操作数结果为b。
• 求和后，dst中仅前一半元素为有效数据，后一半填充为0。搬出至Unified Buffer（UB）时需要避免数据踩踏。

调用示例

将以下代码保存为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 <cmath>
#include <cstdint>
#include <iostream>
#include <vector>

#include "c_api/asc_simd.h"
#include "acl/acl.h"

namespace {
template <typename T>
bool compare_data(const std::vector<T>& actual, const std::vector<T>& expected, double tolerance = 0.0)
{
    if (actual.size() != expected.size()) return false;
    for (size_t i = 0; i < actual.size(); ++i) {
        if (actual[i] == expected[i]) continue;
        const double diff = static_cast<double>(actual[i]) - static_cast<double>(expected[i]);
        if (diff > tolerance || diff < -tolerance) return false;
    }
    return true;
}

constexpr uint32_t ELEMENT_COUNT = 64;

__simd_vf__ inline void compute(__ubuf__ float* dst, __ubuf__ float* src)
{
    vector_float dst_reg;
    vector_float src_reg;
    uint32_t count = ELEMENT_COUNT;
    vector_bool mask = asc_update_mask_b32(count);
    asc_loadalign(src_reg, src);
    asc_pair_reduce_sum(dst_reg, src_reg, mask);
    asc_storealign(dst, dst_reg, mask);
}

__global__ __vector__ void asc_pair_reduce_sum_kernel(__gm__ float* dst, __gm__ float* src)
{
    asc_init();
    __ubuf__ float dst_local[ELEMENT_COUNT];
    __ubuf__ float src_local[ELEMENT_COUNT];
    asc_copy_gm2ub_align(src_local, src, ELEMENT_COUNT * sizeof(float));
    asc_sync_notify(PIPE_MTE2, PIPE_V, EVENT_ID0);
    asc_sync_wait(PIPE_MTE2, PIPE_V, EVENT_ID0);
    compute(dst_local, src_local);
    asc_sync_notify(PIPE_V, PIPE_MTE3, EVENT_ID0);
    asc_sync_wait(PIPE_V, PIPE_MTE3, EVENT_ID0);
    asc_copy_ub2gm_align(dst, dst_local, ELEMENT_COUNT * sizeof(float));
    asc_sync();
}
} // namespace

int main()
{
    std::vector<float> src(ELEMENT_COUNT);
    std::vector<float> output(ELEMENT_COUNT, 0.0f);
    std::vector<float> golden(ELEMENT_COUNT, 0.0f);
    for (uint32_t i = 0; i < ELEMENT_COUNT; ++i) {
        src[i] = static_cast<float>(i) * 0.25f;
    }
    for (uint32_t i = 0; i < ELEMENT_COUNT / 2; ++i) {
        golden[i] = src[2 * i] + src[2 * i + 1];
    }
    aclInit(nullptr);
    aclrtSetDevice(0);
    float* src_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&src_device), (ELEMENT_COUNT) * sizeof(float),
        ACL_MEM_MALLOC_HUGE_FIRST);
    float* dst_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&dst_device), (ELEMENT_COUNT) * sizeof(float),
        ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMemcpy(src_device, src.size() * sizeof(float), src.data(), src.size() * sizeof(float),
        ACL_MEMCPY_HOST_TO_DEVICE);
    asc_pair_reduce_sum_kernel<<<1, 0>>>(dst_device, src_device);
    aclrtSynchronizeDevice();
    aclrtMemcpy(output.data(), output.size() * sizeof(float), dst_device, output.size() * sizeof(float),
        ACL_MEMCPY_DEVICE_TO_HOST);
    const bool passed = compare_data(output, golden, 1e-6);
    std::cout << (passed ? "[Success] asc_pair_reduce_sum passed." : "[Failed] asc_pair_reduce_sum failed.") << std::endl;
    aclrtFree(dst_device);
    aclrtFree(src_device);
    aclrtResetDevice(0);
    aclFinalize();
    return passed ? 0 : 1;
}