Trunc

产品支持情况

功能说明

按元素做浮点数截断，即向零取整操作。计算公式如下：

举例如下：

Trunc(3.9) = 3

Trunc(-3.9) = -3

函数原型

• 通过sharedTmpBuffer入参传入临时空间
  • 源操作数Tensor全部/部分参与计算

    1 2	template <typename T, bool isReuseSource = false> __aicore__ inline void Trunc(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const LocalTensor<uint8_t>& sharedTmpBuffer, const uint32_t calCount)

  • 源操作数Tensor全部参与计算

    1 2	template <typename T, bool isReuseSource = false> __aicore__ inline void Trunc(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const LocalTensor<uint8_t>& sharedTmpBuffer)

• 接口框架申请临时空间
  • 源操作数Tensor全部/部分参与计算

    1 2	template <typename T, bool isReuseSource = false> __aicore__ inline void Trunc(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const uint32_t calCount)

  • 源操作数Tensor全部参与计算

    1 2	template <typename T, bool isReuseSource = false> __aicore__ inline void Trunc(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor)

由于该接口的内部实现中涉及精度转换。需要额外的临时空间来存储计算过程中的中间变量。临时空间支持接口框架申请和开发者通过sharedTmpBuffer入参传入两种方式。

• 接口框架申请临时空间，开发者无需申请，但是需要预留临时空间的大小。

• 通过sharedTmpBuffer入参传入，使用该tensor作为临时空间进行处理，接口框架不再申请。该方式开发者可以自行管理sharedTmpBuffer内存空间，并在接口调用完成后，复用该部分内存，内存不会反复申请释放，灵活性较高，内存利用率也较高。

接口框架申请的方式，开发者需要预留临时空间；通过sharedTmpBuffer传入的情况，开发者需要为tensor申请空间。临时空间大小BufferSize的获取方式如下：通过GetTruncMaxMinTmpSize中提供的GetTruncMaxMinTmpSize接口获取需要预留空间的大小。

参数说明

返回值说明

无

约束说明

• 针对Atlas 推理系列产品AI Core，输入数据限制在[-2147483647.0, 2147483647.0]范围内。
• 支持源操作数与目的操作数地址重叠。
• 不支持sharedTmpBuffer与源操作数和目的操作数地址重叠。
• 操作数地址对齐要求请参见通用地址对齐约束。

调用示例

完整的调用样例可参考算子样例。

1
2
3

// dstLocal: 存放计算结果的Tensor
// srcLocal: 参与计算的输入Tensor
AscendC::Trunc<srcType, false>(dstLocal, srcLocal);

结果示例如下：

输入数据(srcLocal): [9.33 -8.07 -6.38 8.45 5.83 6.46 4.18 1.93]
输出数据(dstLocal): [9.   -8.   -6.   8.   5.   6.   4.   1.  ]