功能说明

逐element比较两个tensor大小，如果为真则对应比特位为1，否则为0，支持多种比较模式。

函数原型

vec_cmpv_xx (dst, src0, src1, repeat_times, src0_rep_stride, src1_rep_stride)

PIPE：Vector

参数说明

表1 参数说明
参数名称	输入/输出	含义
instruction	输入	指令名称，支持以下几种比较： vec_cmpv_lt：src0小于（lower-than）src1 vec_cmpv_gt：src0大于（greater-than）src1 vec_cmpv_ge：src0大于或等于（greater-equal）src1 vec_cmpv_eq：src0等于（equal）src1 vec_cmpv_ne：src0不等于（not-equal）src1 vec_cmpv_le：src0小于或等于（lower-equal）src1
dst	输出	目的操作数，tensor中起始element，支持uint64, uint32, uint16和uint8。 Tensor的scope为Unified Buffer。
src0	输入	源操作数0，tensor中起始element。 Tensor的scope为Unified Buffer。 Atlas 200/300/500 推理产品，支持的数据类型为：Tensor(float16)。 Atlas 训练系列产品，支持的数据类型为：Tensor(float16/float32)。
src1	输入	源操作数1，tensor中起始element。 Tensor的scope为Unified Buffer。数据类型需保证与src0类型一致。
repeat_times	输入	重复迭代次数。 repeat time等于1时，源操作数和目的操作数之间的地址可以重叠。 repeat time大于1时，源操作数和目的操作数之间的地址不能重叠。
src0_rep_stride	输入	相邻迭代间，源操作数0相同block地址步长。
src1_rep_stride	输入	相邻迭代间，源操作数1相同block地址步长。

返回值

无。

支持的芯片型号

Atlas 200/300/500 推理产品

Atlas 训练系列产品

注意事项

无mask参数。
dst连续产生。比如当源操作数为float16，目的操作数为uint16时，相邻迭代间dst跳8个elements；当源操作数float32，目的操作数为uint16时，跳4个elements。
src0_rep_stride/src1_rep_stride ；单位：block；支持的数据类型为：Scalar(int16/int32/int64/uint16/uint32/uint64)、立即数(int)、Expr(int16/int32/int64/uint16/uint32/uint64)。
为了节省地址空间，开发者可以定义一个Tensor，供源操作数与目的操作数同时使用（即地址重叠），相关约束如下：
- 对于单次repeat（repeat_times=1），且源操作数与目的操作数之间要求100%完全重叠，不支持部分重叠。
- 对于多次repeat（repeat_times>1），若源操作数与目的操作数之间存在依赖，即第N次迭代的目的操作数是第N+1次的源操作数，这种情况是不支持地址重叠的。
操作数地址偏移对齐要求请见通用约束。

调用示例

from tbe import tik
tik_instance = tik.Tik()
src0_gm = tik_instance.Tensor("float16", (128,), name="src0_gm", scope=tik.scope_gm)
src1_gm = tik_instance.Tensor("float16", (128,), name="src1_gm", scope=tik.scope_gm)
src0_ub = tik_instance.Tensor("float16", (128,), name="src0_ub", scope=tik.scope_ubuf)
src1_ub = tik_instance.Tensor("float16", (128,), name="src1_ub", scope=tik.scope_ubuf)
dst_gm = tik_instance.Tensor("uint16", (16,), name="dst_gm", scope=tik.scope_gm)
dst_ub = tik_instance.Tensor("uint16", (16,), name="dst_ub", scope=tik.scope_ubuf)
# 拷贝用户输入数据到src ubuf
tik_instance.data_move(src0_ub, src0_gm, 0, 1, 8, 0, 0)
tik_instance.data_move(src1_ub, src1_gm, 0, 1, 8, 0, 0)
# 将dst_ub初始化为全5
tik_instance.vector_dup(16, dst_ub, 5, 1, 1, 1)
tik_instance.vec_cmpv_eq(dst_ub, src0_ub, src1_ub, 1, 8, 8)
# 将计算结果拷贝到目标gm
tik_instance.data_move(dst_gm, dst_ub, 0, 1, 1, 0, 0)

tik_instance.BuildCCE(kernel_name="vec_cmpv_eq", inputs=[src0_gm, src1_gm], outputs=[dst_gm])

结果示例：

输入数据(float16)：
  src0_gm = {1,2,3,...,128}
  src1_gm = {2,2,2,...,2}
输出结果：
dst_gm = {2,0,0,0,0,0,0,0,5,5,5,5,5,5,5,5}