GroupedMatmulWithRoutingOperation

功能

在MOE中，实现topK个专家权重与token激活值的乘法。

使用场景

UP：根据各个专家的权值，将token值分配给topK个专家。

DOWN：根据各个专家的权值，将topK个专家计算的结果重新整合。

计算过程

• UP

  UP过程的计算公式如下：

  

  其中，AcTensor为激活token值，Expertindex为专家-token索引，ExpertWeight为专家权重，计算过程如下：

  1. 根据当前专家的索引，从AcTensor中获取当前专家的激活token值。
  2. 获取当前专家的权重，并与当前专家的激活token值做BatchMatmul。
• DOWN

  DOWN过程的计算公式如下：

  

  其中，AcTensor为激活token值，Expertindex为专家-token索引，ExpertWeight为专家权重，计算过程如下：

  1. 根据当前专家的索，从AcTensor中获取当前专家的激活token值。
  2. 获取当前专家的权重，并与当前专家的激活token值做BatchMatmul。
  3. 将当前token在所有专家上的结果相加。

定义

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

struct GroupedMatmulWithRoutingParam {
    enum GroupedMatmulType : int {
        GROUPED_MATMUL_UP = 0, 
        GROUPED_MATMUL_DOWN  
    };
    bool transposeB = true;
    int32_t topK = 0;
    GroupedMatmulType groupedMatmulType = GROUPED_MATMUL_UP;
    aclDataType outDataType = ACL_DT_UNDEFINED;
    uint8_t rsv[16] = {0};
};

参数列表

输入输出

• UP

  非量化场景

  • 输入

    参数	维度	数据类型	格式	描述
    AcTensor	[num_tokens, hidden_size_in]	float16/bf16	ND	激活值。
    ExpertWeight	[num_experts, hidden_size_in, hidden_size_out]	float16/bf16	ND	专家权重。如果设置“transposeB”为true，则hidden_size_in和hidden_size_out位置调换。
    ExpertCount	[num_experts]	int32	ND	专家 Token 数量。
    Expertindex	[num_tokens*topK]	int32	ND	专家 Token 索引。

  • 输出

    参数	维度	数据类型	格式	描述
    Result	[num_tokens*Topk, hidden_size_out]	float16/bf16	ND	输出。

  量化场景

  • 输入

    参数	维度	数据类型	格式	描述
    AcTensor	[num_tokens, hidden_size_in]	int8	ND	激活值。
    ExpertWeight	[num_experts, hidden_size_in, hidden_size_out]	int8	ND/NZ	专家权重。如果设置“transposeB”为true，则hidden_size_in和hidden_size_out位置调换。
    ExpertCount	[num_experts]	int32	ND	专家 Token 数量。
    Expertindex	[num_tokens*topK]	int32	ND	专家 Token 索引。
    nscale	[num_experts, hidden_size_out]	float	ND	ExpertWeight方向反量化系数。
    mscale	[num_tokens]	float	ND	AcTensor方向反量化系数。

  • 输出

    参数	维度	数据类型	格式	描述
    Result	[num_tokens*Topk, hidden_size_out]	float16/bf16	ND	输出。

• DOWN

  非量化场景

  • 输入

    参数	维度	数据类型	格式	描述
    AcTensor	[num_tokens*topK, hidden_size_in]	float16/bf16	ND	激活值。
    ExpertWeight	[num_experts, hidden_size_in,hidden_size_out]	float16/bf16	ND	专家权重。如果设置“transposeB”为true，则hidden_size_in和hidden_size_out位置调换。
    ExpertCount	[num_experts]	int32	ND	专家 Token 数量。
    Expertindex	[num_tokens*topK]	int32	ND	专家 Token 索引。

  • 输出

    参数	维度	数据类型	格式	描述
    Result	[num_tokens, hidden_size_out]	float16/bf16	ND	输出。

  量化场景

  • 输入

    参数	维度	数据类型	格式	描述
    AcTensor	[num_tokens*topK, hidden_size_in]	int8	ND	激活值。
    ExpertWeight	[num_experts, hidden_size_in,hidden_size_out]	int8	ND/NZ	专家权重。如果设置“transposeB”为true，则hidden_size_in和hidden_size_out位置调换。
    ExpertCount	[num_experts]	int32	ND	专家 Token 数量。
    Expertindex	[num_tokens*topK]	int32	ND	专家 Token 索引。
    nscale	[num_experts, hidden_size_out]	float	ND	ExpertWeight方向反量化系数。
    mscale	[num_tokens*topK]	float	ND	AcTensor方向反量化系数。

  • 输出

    参数	维度	数据类型	格式	描述
    Result	[num_tokens, hidden_size_out]	float16/bf16	ND	输出。

规格约束

• 当选择输出类型量化 ，则输入必须为int8类型；当选择输出类型不量化 ，则输入必须为bf16或fp16。
• topK的数量不能超过专家数量。
• 只支持 Atlas 800I A2 推理产品 / Atlas A2 训练系列产品 。
• nTokens取值范围[128, 512]。
• nExperts取值范围[128, 256]。
• topK取值范围[2, 10]。
• hiddenSizeIn在UP模式下的取值范围[32, 5120]且为32的整数倍，在DOWN模式下取值范围[32, 256]且为32的整数倍。
• hiddenSizeOut在UP模式下的取值范围[32, 256]且为32的整数倍，在DOWN模式下取值范围[32, 5120]且为32的整数倍。