asc_storealign_pack_quarter

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/store/storealign.h"。

将矢量数据寄存器中的数据压缩搬出到Unified Buffer（UB）。mask用于指示参与搬出的元素，mask对应位置为1时，将src中每个32bit的有效元素中低8bit数据写入压缩后对应的目的位置，mask对应位置为0时，压缩后对应的目的位置保持原值。本接口在Vector Function（__simd_vf__标记的函数）内使用，目的操作数为UB地址。

本接口提供三种参数列表不同的功能模式：

• 对齐搬出模式：偏移固定为0，将压缩后的数据搬出到UB起始地址，由用户自行更新目的地址。
• 立即数偏移搬出模式：通过int32_t offset指定相对目的起始地址的偏移，偏移单位为元素，用户可选择更新偏移或更新目的地址。
• 地址寄存器偏移搬出模式：通过地址寄存器addr_reg offset指定相对目的起始地址的偏移，常用于Hardware Loop内偏移随循环计数变化的压缩搬出场景。需要与asc_update_addr_reg配合使用。

本接口仅在AIV上执行有效。

函数原型

对齐搬出模式

C

// 占位符形式
__simd_callee__ inline void asc_storealign_pack_quarter(__ubuf__ <dtype>* dst,
                                                        vector_<dtype> src,
                                                        vector_bool mask)

dtype支持数据类型

dtype支持的数据类型为int32_t、uint32_t、float。对应矢量寄存器类型为vector_<dtype>。

函数原型典型示例

C

__simd_callee__ inline void asc_storealign_pack_quarter(__ubuf__ int32_t* dst,
                                                        vector_int32_t src,
                                                        vector_bool mask)

立即数偏移搬出模式

C

// 占位符形式
__simd_callee__ inline void asc_storealign_pack_quarter(__ubuf__ <dtype>* dst,
                                                        vector_<dtype> src,
                                                        int32_t offset,
                                                        vector_bool mask)

dtype支持数据类型

dtype支持的数据类型为int32_t、uint32_t、float。对应矢量寄存器类型为vector_<dtype>。

函数原型典型示例

C

__simd_callee__ inline void asc_storealign_pack_quarter(__ubuf__ int32_t* dst,
                                                        vector_int32_t src,
                                                        int32_t offset,
                                                        vector_bool mask)

地址寄存器偏移搬出模式

C

// 占位符形式
__simd_callee__ inline void asc_storealign_pack_quarter(__ubuf__ <dtype>* dst,
                                                        vector_<dtype> src,
                                                        addr_reg offset,
                                                        vector_bool mask)

dtype支持数据类型

dtype支持的数据类型为int32_t、uint32_t、float。对应矢量寄存器类型为vector_<dtype>。

函数原型典型示例

C

__simd_callee__ inline void asc_storealign_pack_quarter(__ubuf__ int32_t* dst,
                                                        vector_int32_t src,
                                                        addr_reg offset,
                                                        vector_bool mask)

参数说明

对齐搬出模式

表1 参数说明

参数名	输入/输出	描述
dst	输出	目的操作数的起始地址。类型为__ubuf__ <dtype>*，起始地址需32字节对齐。
src	输入	源操作数（矢量数据寄存器）。dtype须与dst一致。
mask	输入	源操作数掩码（掩码寄存器），用于指示参与搬出的元素。对应位置为1时参与搬出，为0时不参与搬出。需通过掩码设置接口预先赋值后再传入。

立即数偏移搬出模式

表2 参数说明

参数名	输入/输出	描述
dst	输出	目的操作数的起始地址。类型为__ubuf__ <dtype>*，起始地址需32字节对齐。
src	输入	源操作数（矢量数据寄存器）。dtype须与dst一致。
offset	输入	相对dst起始地址的偏移量，类型为int32_t，单位为元素。
mask	输入	源操作数掩码（掩码寄存器），用于指示参与搬出的元素。对应位置为1时参与搬出，为0时不参与搬出。需通过掩码设置接口预先赋值后再传入。

地址寄存器偏移搬出模式

表3 参数说明

参数名	输入/输出	描述
dst	输出	目的操作数的起始地址。类型为__ubuf__ <dtype>*，起始地址需32字节对齐。
src	输入	源操作数（矢量数据寄存器）。dtype须与dst一致。
offset	输入	地址寄存器偏移，类型为addr_reg，由配套的地址寄存器构造接口预先构造。
mask	输入	源操作数掩码（掩码寄存器），用于指示参与搬出的元素。对应位置为1时参与搬出，为0时不参与搬出。需通过掩码设置接口预先赋值后再传入。

矢量数据寄存器、掩码寄存器和地址寄存器的详细说明请参见reg数据类型定义。

返回值说明

无

约束说明

通用约束

• 本接口非AIV调用直接返回。
• 本接口在Vector Function（__simd_vf__标记的函数）内调用。
• dst起始地址需32字节对齐，否则会报错。
• mask必须为vector_bool类型掩码寄存器，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。
• UB总容量为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栈和2KB Ascend C预留空间，可用248KB；SIMD+SIMT混编时再划分32KB~128KB作为Data Cache，可用容量进一步减少）。dst偏移与写出区域对应的UB范围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。

int32_t偏移压缩搬出场景

• offset单位为元素，通过offset参数偏移后的实际访问地址需落在UB地址范围内，且仍需32字节对齐，否则会报错。
• mask比特位为1的源操作数元素参与搬出，为0的元素不参与搬出，压缩后对应的目的位置保持原值。

addr_reg偏移压缩搬出场景

• offset必须由配套的地址寄存器构造接口预先构造。
• 通过offset参数偏移后的实际访问地址需落在UB地址范围内，且仍需32字节对齐，否则会报错。
• mask比特位为1的源操作数元素参与搬出，为0的元素不参与搬出，压缩后对应的目的位置保持原值。

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 {
constexpr uint32_t ELEMENT_COUNT = 64;
constexpr uint32_t INPUT_BYTES = 256;
constexpr uint32_t PACKED_BYTES = 64;
constexpr uint32_t REPEAT_TIMES = 2;
constexpr uint32_t STEP_BYTES = 128;
constexpr uint32_t SECTION_BYTES = REPEAT_TIMES * STEP_BYTES;
constexpr uint32_t OUTPUT_BYTES = 3 * SECTION_BYTES;
constexpr uint8_t SENTINEL = 0xa5;

__simd_vf__ inline void pack_quarter_vf(__ubuf__ uint8_t* output,
                                        __ubuf__ uint32_t* input)
{
    vector_bool mask = asc_create_mask_b32(PAT_ALL);
    vector_int32_t src_i32;
    vector_uint32_t src_u32;
    vector_float src_f32;
    asc_loadalign(src_i32, reinterpret_cast<__ubuf__ int32_t*>(input));
    asc_loadalign(src_u32, input);
    asc_loadalign(src_f32, reinterpret_cast<__ubuf__ float*>(input));
    for (uint32_t repeat = 0; repeat < REPEAT_TIMES; ++repeat) {
        asc_storealign_pack_quarter(reinterpret_cast<__ubuf__ int32_t*>(
            output + repeat * STEP_BYTES), src_i32, mask);
        asc_storealign_pack_quarter(reinterpret_cast<__ubuf__ uint32_t*>(
            output + SECTION_BYTES + repeat * STEP_BYTES), src_u32, mask);
        asc_storealign_pack_quarter(reinterpret_cast<__ubuf__ float*>(
            output + 2 * SECTION_BYTES + repeat * STEP_BYTES), src_f32, mask);
    }
}

__global__ __vector__ void asc_storealign_pack_quarter_kernel(
    __gm__ uint8_t* output, __gm__ uint32_t* input)
{
    asc_init();
    __ubuf__ uint8_t output_local[OUTPUT_BYTES];
    __ubuf__ uint32_t input_local[ELEMENT_COUNT];
    asc_copy_gm2ub(output_local, output, OUTPUT_BYTES);
    asc_copy_gm2ub(input_local, input, INPUT_BYTES);
    asc_sync_notify(PIPE_MTE2, PIPE_V, EVENT_ID0);
    asc_sync_wait(PIPE_MTE2, PIPE_V, EVENT_ID0);
    pack_quarter_vf(output_local, input_local);
    asc_sync_notify(PIPE_V, PIPE_MTE3, EVENT_ID0);
    asc_sync_wait(PIPE_V, PIPE_MTE3, EVENT_ID0);
    asc_copy_ub2gm(output, output_local, OUTPUT_BYTES);
    asc_sync();
}
} // namespace

int main()
{
    std::vector<uint32_t> input(ELEMENT_COUNT);
    std::vector<uint8_t> output(OUTPUT_BYTES, SENTINEL);
    std::vector<uint8_t> expected(OUTPUT_BYTES, SENTINEL);
    for (uint32_t i = 0; i < ELEMENT_COUNT; ++i) {
        input[i] = 0x5a000000u | i;
        const uint8_t value = static_cast<uint8_t>(input[i]);
        for (uint32_t section = 0; section < 3; ++section) {
            for (uint32_t repeat = 0; repeat < REPEAT_TIMES; ++repeat) {
                expected[section * SECTION_BYTES + repeat * STEP_BYTES + i] = value;
            }
        }
    }

    aclInit(nullptr);
    aclrtSetDevice(0);
    uint32_t* input_device = nullptr;
    uint8_t* output_device = nullptr;
    aclrtMalloc(reinterpret_cast<void**>(&input_device), INPUT_BYTES, ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMalloc(reinterpret_cast<void**>(&output_device), OUTPUT_BYTES, ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMemcpy(input_device, INPUT_BYTES, input.data(), INPUT_BYTES, ACL_MEMCPY_HOST_TO_DEVICE);
    aclrtMemcpy(output_device, OUTPUT_BYTES, output.data(), OUTPUT_BYTES, ACL_MEMCPY_HOST_TO_DEVICE);
    asc_storealign_pack_quarter_kernel<<<1, 0>>>(output_device, input_device);
    aclrtSynchronizeDevice();
    aclrtMemcpy(output.data(), OUTPUT_BYTES, output_device, OUTPUT_BYTES, ACL_MEMCPY_DEVICE_TO_HOST);

    const bool passed = output == expected;
    std::cout << (passed ? "[Success] asc_storealign_pack_quarter passed."
                         : "[Failed] asc_storealign_pack_quarter output mismatch.")
              << std::endl;
    aclrtFree(input_device);
    aclrtFree(output_device);
    aclrtResetDevice(0);
    aclFinalize();
    return passed ? 0 : 1;
}