vec_dup

功能说明

将一个Scalar变量或一个立即数，复制多次并填充到向量（PAR代表并行度）：点击放大

函数原型

vec_dup(mask, dst, scalar, repeat_times, dst_rep_stride)

PIPE：Vector

参数说明

表1 参数说明
参数名称	输入/输出	含义
mask	输入	请参考表1中mask参数描述。
dst	输出	目的操作数，tensor起始element，支持的数据类型：参考支持类型说明。 Tensor的scope为Unified Buffer。
scalar	输入	被复制的源操作数，支持的数据类型为Scalar和立即数，dtype需与dst保持一致。
repeat_times	输入	迭代次数，每一次源操作数和目的操作数的地址都会改变。取值范围：repeat_times∈[0,255]。当repeat_times为立即数时，不支持0。支持的数据类型：Scalar(int16/int32/int64/uint16/uint32/uint64)、立即数(int)、Expr(int16/int32/int64/uint16/uint32/uint64)。
dst_rep_stride	输入	迭代间，目的操作数同一block间地址步长，取值范围：dst_rep_stride∈[0，255]，单位：block_size。支持的数据类型：Scalar(int16/int32/int64/uint16/uint32/uint64)、立即数(int)、Expr(int16/int32/int64/uint16/uint32/uint64)。

支持类型说明

dst/src数据类型保持一致。

Atlas 200/300/500 推理产品，dst与src支持的数据类型为：Tensor(uint16, int16, float16, uint32, int32, float32)

Atlas 训练系列产品，dst与src支持的数据类型为：Tensor(uint16, int16, float16, uint32, int32, float32)

Atlas推理系列产品（Ascend 310P处理器）AI Core，dst与src支持的数据类型为：Tensor(uint16, int16, float16, uint32, int32, float32)

Atlas推理系列产品（Ascend 310P处理器）Vector Core，dst与src支持的数据类型为：Tensor(uint16, int16, float16, uint32, int32, float32)

Atlas A2训练系列产品/Atlas 800I A2推理产品，dst与src支持的数据类型为：Tensor(uint16, int16, float16, uint32, int32, float32)

Atlas 200/500 A2推理产品，dst与src支持的数据类型为：Tensor(uint8, int8,uint16, int16, float16, uint32, int32, float32)

支持的型号

Atlas 200/300/500 推理产品

Atlas 训练系列产品

Atlas推理系列产品（Ascend 310P处理器）AI Core

Atlas推理系列产品（Ascend 310P处理器）Vector Core

Atlas A2训练系列产品/Atlas 800I A2推理产品

Atlas 200/500 A2推理产品

注意事项

操作数地址偏移对齐要求请见通用约束。
用户自定义Scalar参数需自行保证不超出范围。

返回值

无。

调用示例

from tbe import tik
tik_instance = tik.Tik()
dtype_size = {
    "int8": 1,
    "uint8": 1,
    "int16": 2,
    "uint16": 2,
    "float16": 2,
    "int32": 4,
    "uint32": 4,
    "float32": 4,
    "int64": 8,
}

dtype = "float16"
shape = (2, 128)
elements = 2 * 128
# 单次迭代操作的数，当前示例一次迭代处理32个数
mask = 32
# repeat_time 表示迭代次数，
repeat_times = 3
# dst_rep_stride  相邻迭代间源操作数之间得间隔，源操作数第二次迭代的头间隔第一次迭代的头为5*16 个数
dst_rep_stride = 5
dst_gm = tik_instance.Tensor(dtype, shape, name="dst_gm", scope=tik.scope_gm)
dst_ub = tik_instance.Tensor(dtype, shape, name="dst_ub", scope=tik.scope_ubuf)
# 被复制的源操作数，支持的数据类型为Scalar和立即数，dtype需与dst保持一致
src_scalar = tik_instance.Scalar(init_value=0, dtype="float16")
tik_instance.vec_dup(mask, dst_ub, src_scalar, repeat_times, dst_rep_stride)
# 输入数据搬运 gm -> ub, 此处暂不对data_move 说明，详细参数内容请参见对应的章节
tik_instance.data_move(dst_gm, dst_ub, 0, 1, 16, 0, 0)
tik_instance.BuildCCE(kernel_name="vec_dup", inputs=[], outputs=[dst_gm])

输出数据(dst_gm)如下所示：

[[  0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
    0.    0.    0.    0.    0.    0.    0.    0.  203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2   0.    0.    0.    0.
    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
    0.    0.    0.    0.  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2]
 [203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2   0.    0.    0.    0.
    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.
    0.    0.    0.    0.  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2
  203.2 203.2 203.2 203.2 203.2 203.2 203.2 203.2]]

父主题： 数据填充