GeGLU

功能说明

GeGLU是采用GELU作为激活函数的GLU变体。具体计算公式如下，PAR表示矢量计算单元一个迭代能够处理的元素个数：

其中GELU激活函数的计算公式如下：

上述公式中的erf为误差函数：

误差函数没有解析表达式，按照业界普遍使用的tanh近似表达式：

将GELU近似公式带入可得GeGLU表达式为：

其中a=-0.0713548162726, b=2.2363860002236e1，x1和x0代表srcTensor1和srcTensor0中的元素。

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 GeGLU(const LocalTensor<T> &dstTensor, const LocalTensor<T> &srcTensor0, const LocalTensor<T> &srcTensor1, const LocalTensor<uint8_t> &sharedTmpBuffer, 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 GeGLU(const LocalTensor<T> &dstTensor, const LocalTensor<T> &srcTensor0, const LocalTensor<T> &srcTensor1, 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 GeGLU(const LocalTensor<T> &dstTensor, const LocalTensor<T> &srcTensor0, const LocalTensor<T> &srcTensor1, 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 GeGLU(const LocalTensor<T> &dstTensor,const LocalTensor<T> &srcTensor0, const LocalTensor<T> &srcTensor1)

由于该接口的内部实现中涉及复杂的数学计算，需要额外的临时空间来存储计算过程中的中间变量。临时空间支持开发者通过sharedTmpBuffer入参传入和接口框架申请两种方式。

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

参数说明

返回值

无

支持的型号

Atlas推理系列产品（Ascend 310P处理器）AI Core

Atlas A2训练系列产品/Atlas 800I A2推理产品

约束说明

• 操作数地址偏移对齐要求请参见通用约束。
• 不支持源操作数与目的操作数地址重叠。
• 当前仅支持ND格式的输入，不支持其他格式。

调用示例

#ifdef ASCENDC_CPU_DEBUG
#include "tikicpulib.h"
#endif
#include "kernel_operator.h"
using namespace AscendC;

template <typename srcType>
class KernelGeGLU {
public:
    __aicore__ inline KernelGeGLU() {}
    __aicore__ inline void Init(GM_ADDR src0_gm, GM_ADDR src1_gm, GM_ADDR dst_gm, uint32_t inputSize,
        uint32_t tmpBufSize)
    {
        dataSize = inputSize;
        uint32_t bufSize = 4 * tmpBufSize;
        src0_global.SetGlobalBuffer(reinterpret_cast<__gm__ srcType*>(src0_gm), dataSize);
        src1_global.SetGlobalBuffer(reinterpret_cast<__gm__ srcType*>(src1_gm), dataSize);
        dst_global.SetGlobalBuffer(reinterpret_cast<__gm__ srcType*>(dst_gm), dataSize);
        pipe.InitBuffer(inQueue0, 1, dataSize * sizeof(srcType));
        pipe.InitBuffer(inQueue1, 1, dataSize * sizeof(srcType));
        pipe.InitBuffer(outQueue, 1, dataSize * sizeof(srcType));
        if ((sizeof(srcType) == sizeof(half)) && (tmpBufSize > 0)) {
            pipe.InitBuffer(buf, bufSize * sizeof(srcType));
        }
    }
    __aicore__ inline void Process(uint32_t tmpBufSize, uint32_t calCount)
    {
        CopyIn();
        Compute(tmpBufSize, calCount);
        CopyOut();
    }
private:
    __aicore__ inline void CopyIn()
    {
        LocalTensor<srcType> src0_local = inQueue0.AllocTensor<srcType>();
        LocalTensor<srcType> src1_local = inQueue1.AllocTensor<srcType>();
        DataCopy(src0_local, src0_global, dataSize);
        DataCopy(src1_local, src1_global, dataSize);
        inQueue0.EnQue(src0_local);
        inQueue1.EnQue(src1_local);
    }
    __aicore__ inline void Compute(uint32_t tmpBufSize, uint32_t calCount)
    {
        LocalTensor<srcType> dst_local = outQueue.AllocTensor<srcType>();
        LocalTensor<srcType> src0_local = inQueue0.DeQue<srcType>();
        LocalTensor<srcType> src1_local = inQueue1.DeQue<srcType>();
        LocalTensor<uint8_t> temp;
        if ((sizeof(srcType) == sizeof(half)) && (tmpBufSize > 0)) {
            temp = buf.Get<uint8_t>();
        }
        if ((tmpBufSize > 0) && (calCount > 0)) {
            GeGLU<srcType, false>(dst_local, src0_local, src1_local, temp, calCount);
        } else if (tmpBufSize > 0) {
            GeGLU<srcType, false>(dst_local, src0_local, src1_local, temp);
        } else if (calCount > 0) {
            GeGLU<srcType, false>(dst_local, src0_local, src1_local, calCount);
        } else {
            GeGLU<srcType, false>(dst_local, src0_local, src1_local);
        }
        outQueue.EnQue<srcType>(dst_local);
        inQueue0.FreeTensor(src0_local);
        inQueue1.FreeTensor(src1_local);
    }
    __aicore__ inline void CopyOut()
    {
        LocalTensor<srcType> dst_local = outQueue.DeQue<srcType>();
        DataCopy(dst_global, dst_local, dataSize);
        outQueue.FreeTensor(dst_local);
    }
private:
    GlobalTensor<srcType> src0_global;
    GlobalTensor<srcType> src1_global;
    GlobalTensor<srcType> dst_global;
    TPipe pipe;
    TQue<QuePosition::VECIN, 1> inQueue0;
    TQue<QuePosition::VECIN, 1> inQueue1;
    TQue<QuePosition::VECOUT, 1> outQueue;
    TBuf<TPosition::VECCALC> buf;
    uint32_t dataSize = 0;
};
template <typename dataType>
__aicore__ void kernel_geglu_operator(GM_ADDR src0_gm, GM_ADDR src1_gm, GM_ADDR dst_gm, uint32_t srcSize,
    uint32_t tmpBufSize, uint32_t calCount)
{
    KernelGeGLU<dataType> op;
    op.Init(src0_gm, src1_gm, dst_gm, srcSize, tmpBufSize);
    op.Process(tmpBufSize, calCount);
}

输入数据(srcTensor0): 
[ 1.6025391   3.4765625   3.4316406   3.7539062  -1.3330078   0.72314453
 -3.0078125   0.85498047 -1.3691406   2.6894531  -2.9101562  -3.6992188
 -2.2734375  -2.859375    2.5683594  -1.7802734 ]

输入数据(srcTensor1)
[-0.6015625  1.9589844  1.9257812  3.8769531  0.5878906  2.9179688
 -1.8847656  3.2304688  2.8945312  2.4550781  1.3730469 -1.9248047
  0.7919922 -2.5332031 -2.1425781 -2.9433594]

输出数据(dstLocal): [-0.263916015625000000 6.640625000000000000 6.429687500000000000
14.554687500000000000 -0.565429687500000000 2.107421875000000000 0.168579101562500000
2.759765625000000000 -3.957031250000000000 6.558593750000000000 -3.656250000000000000
0.192993164062500000 -1.415039062500000000 0.039642333984375000 -0.087890625000000000
0.007740020751953125]