文档
注册
评分
提单
论坛
小AI

IterateBatch

功能说明

单次Matmul计算处理的shape比较小时,由于每次计算均涉及到内部的通信,可能会影响性能,该接口提供批量处理Matmul的功能,调用一次IterateBatch,可以计算出多个singleCoreM * singleCoreN大小的C矩阵。

在使用该接口前,需要了解一些必备的数据排布格式:

  • 通用数据格式:BMNK的数据排布格式

  • BSH/SBH:B:Batch,批处理的大小; S:sequence length,序列长度;H = N * D,其中,N为head的数量,D为head的大小。
  • BSNGD:为原始BSH shape做reshape后的shape,S和D为单Batch的矩阵乘的M轴(或N轴)和K轴,一个SD为一个batch的计算数据,Layout格式如下图所示:

  • SBNGD:为原始SBH shape做reshape后shape,S和D为的矩阵乘的M轴(或N轴)和K轴,一个SD为一个Batch的计算数据,Layout格式如下图所示:

  • BNGS1S2:一般为前两种Layout进行矩阵乘的输出,S1S2数据连续存放,一个S1S2为一个Batch的计算数据,Layout格式如下图所示:

实例化Matmul时,需要通过MatmulType设置输入输出的Layout格式,当前支持4种Layout类型:BSNGD、SBNGD、BNGS1S2、NORMAL(BMNK的数据排布格式使用NORMAL表示)。

对于BSNGD、SBNGD、BNGS1S2 Layout格式,调用该接口之前需要在host Tiling实现中使用SetALayoutSetBLayoutSetCLayoutSetBatchNum设置A/B/C的Layout轴信息和最大BatchNum数;对于NORMAL Layout格式则需使用SetBatchInfoForNormal设置A/B/C的M/N/K轴信息和A/B矩阵的BatchNum数。

单个矩阵乘迭代顺序可通过tiling参数iterateOrder调整。

更多矩阵编程batch场景的相关内容请参考batch场景

函数原型

  • mix模式
    • 输出至GM
      1
      2
      template <bool sync = true, bool waitIterateBatch = false>
      __aicore__ inline void IterateBatch(const GlobalTensor<DstT>& gm, uint32_t batchA, uint32_t batchB, bool enSequentialWrite, const uint32_t matrixStrideA = 0, const uint32_t matrixStrideB = 0, const uint32_t matrixStrideC = 0, const bool enPartialSum = false, const uint8_t enAtomic = 0)
      
    • 输出至VECIN
      1
      2
      template <bool sync = true>
      __aicore__ inline void IterateBatch(const LocalTensor<DstT>& ubCmatrix, uint32_t batchA, uint32_t batchB, bool enSequentialWrite, const uint32_t matrixStrideA = 0, const uint32_t matrixStrideB = 0, const uint32_t matrixStrideC = 0, const bool enPartialSum = false, const uint8_t enAtomic = 0)
      

      使用前需先调用SetBatchNum接口设置batchA和batchB的大小。

  • 纯cube模式
    • 输出至GM
      1
      __aicore__ inline void IterateBatch(const GlobalTensor<DstT>& gm, bool enPartialSum, uint8_t enAtomic, bool enSequentialWrite, const uint32_t matrixStrideA = 0, const uint32_t matrixStrideB = 0, const uint32_t matrixStrideC = 0)
      
    • 输出至VECIN
      1
      __aicore__ inline void IterateBatch(const LocalTensor<DstT>& ubCmatrix, bool enPartialSum, uint8_t enAtomic, bool enSequentialWrite, const uint32_t matrixStrideA = 0, const uint32_t matrixStrideB = 0, const uint32_t matrixStrideC = 0)
      

参数说明

表1 模板参数说明

参数名

描述

sync

获取C矩阵过程分为同步和异步两种模式:

  • 同步:需要同步等待IterateBatch执行结束。
  • 异步:不需要同步等待IterateBatch执行结束。

通过该参数设置同步或者异步模式:同步模式设置为true;异步模式设置为false。默认为同步模式。异步场景需要配合WaitIterateBatch接口使用。

waitIterateBatch

是否需要通过WaitIterateBatch接口等待IterateBatch执行结束,仅在异步场景下使用。默认为false。

true:需要通过WaitIterateBatch接口等待IterateBatch执行结束。

false:不需要通过WaitIterateBatch接口等待IterateBatch执行结束,开发者自行处理等待IterateBatch执行结束的过程。

参数名

输入/输出

描述

gm

输入

C矩阵放置于Global Memory的地址。

Atlas A2训练系列产品/Atlas 800I A2推理产品,支持的数据类型为:half/float/bfloat16_t/int32_t

Atlas推理系列产品(Ascend 310P处理器)AI Core,支持的数据类型为:half/float/bfloat16_t/int32_t

ubCmatrix

输入

C矩阵放置于Local Memory的地址。

Atlas A2训练系列产品/Atlas 800I A2推理产品,支持的数据类型为:half/float/bfloat16_t/int32_t

Atlas推理系列产品(Ascend 310P处理器)AI Core,支持的数据类型为:half/float/bfloat16_t/int32_t

batchA

输入

左矩阵的batch数。

batchB

输入

右矩阵的batch数。在batchA/batchB不相同的情况下,默认做broadcast操作。

多batch计算支持在G轴上做输入broadcast和输出reduce,左矩阵、右矩阵G轴维度必须是整数倍的关系。

enSequentialWrite

输入

输出是否连续存放数据。

  • 左右矩阵和输出矩阵的存储位置为Unified Buffer,则enSequentialWrite参数应配置为true;
  • 输出矩阵的存储位置为GM,则enSequentialWrite参数应配置为false。

matrixStrideA

输入

A矩阵源操作数相邻nd矩阵起始地址间的偏移,单位是元素。

matrixStrideB

输入

B矩阵源操作数相邻nd矩阵起始地址间的偏移,单位是元素。

matrixStrideC

输入

C矩阵目的操作数相邻nd矩阵起始地址间的偏移,单位是元素。

enPartialSum

输入

是否将矩阵乘的结果累加于现有的CO1数据,默认值false。在L0C累加时,只支持A矩阵和B矩阵相乘的输出C矩阵规格为singleM==baseM &&singleN==baseN。

enAtomic

输入

是否开启Atomic操作,默认值为0

参数取值:

0:不开启Atomic操作

1:开启AtomicAdd累加操作

2:开启AtomicMax求最大值操作

3:开启AtomicMin求最小值操作

返回值

支持的型号

Atlas A2训练系列产品/Atlas 800I A2推理产品

Atlas推理系列产品(Ascend 310P处理器)AI Core

约束说明

  • 对于BSNGD、SBNGD、BNGS1S2 Layout格式,输入A、B矩阵按分形对齐后的多Batch数据总和应小于L1 Buffer的大小;对于NORMAL Layout格式没有这种限制,但需通过MatmulConfig配置输入A、B矩阵多Batch数据大小与L1 Buffer的大小关系。
  • 如果接口输出到Unified Buffer上,输出C矩阵大小BaseM*BaseN应小于分配的Unified Buffer内存大小。
  • 对于BSNGD、SBNGD、BNGS1S2 Layout格式,输入输出只支持ND格式数据。对于NORMAL Layout格式, 输入支持ND/NZ格式数据。
  • 该接口不支持量化模式,即不支持SetQuantScalar、SetQuantVector接口。
  • BSNGD场景,不支持一次计算多行SD,需要算子程序中循环计算。
  • 异步模式不支持IterateBatch搬运到UB上。
  • BatchMatmul只支持Norm模板。
  • Atlas推理系列产品(Ascend 310P处理器)AI Core,只支持NORMAL Layout格式。
  • Atlas推理系列产品(Ascend 310P处理器)AI Core上,不支持A、B矩阵内存逻辑位置为TPosition::TSCM的输入。
  • Atlas推理系列产品(Ascend 310P处理器)AI Core上,Bias不支持复用,Bias的shape大小必须为Batch * N。

调用示例

  • 该示例完成aGM、bGM矩阵乘,结果保存到cGm上,其中aGM、bGM、cGM数据的layout格式均为NORMAL,左矩阵每次计算batchA个MK数据,右矩阵每次计算batchB个KN数据。
    #include "kernel_operator.h"
    #include "lib/matmul_intf.h"
    
    extern "C" __global__  __aicore__ void kernel_matmul_rpc_batch(GM_ADDR aGM, GM_ADDR bGM, GM_ADDR cGM, GM_ADDR biasGM, GM_ADDR tilingGM, GM_ADDR workspaceGM, uint32_t isTransposeAIn, uint32_t isTransposeBIn, int32_t batchA,  int32_t batchB)
    {
        // 定义matmul type
        typedef matmul::MatmulType <AscendC::TPosition::GM, CubeFormat::ND, half, false, LayoutMode::NORMAL> aType;
        typedef matmul::MatmulType <AscendC::TPosition::GM, CubeFormat::ND, half, true, LayoutMode::NORMAL> bType;
        typedef matmul::MatmulType <AscendC::TPosition::GM, CubeFormat::ND, float, false, LayoutMode::NORMAL> cType;
        typedef matmul::MatmulType <AscendC::TPosition::GM, CubeFormat::ND, float> biasType;
    
        // 初始化tiling数据
        TCubeTiling tiling;
        auto tempTilingGM = (__gm__ uint32_t*)tilingGM;
        auto tempTiling = (uint32_t*)&tiling;
        for (int i = 0; i < sizeof(TCubeTiling) / sizeof(int32_t); ++i, ++tempTilingGM, ++tempTiling) {
            *tempTiling = *tempTilingGM;
        }
    
        // 初始化gm数据
        AscendC::GlobalTensor<half> aGlobal;
        AscendC::GlobalTensor<half> bGlobal;
        AscendC::GlobalTensor<float> cGlobal;
        AscendC::GlobalTensor<float> biasGlobal;
        int32_t sizeA = tiling.ALayoutInfoB * tiling.singleCoreM * tiling.singleCoreK * sizeof(A_T);
        int32_t sizeB = tiling.BLayoutInfoB * tiling.singleCoreK * tiling.singleCoreN * sizeof(B_T);
        int32_t sizeC = tiling.CLayoutInfoB * tiling.singleCoreM * tiling.singleCoreN * sizeof(C_T);
        int32_t sizebias = tiling.CLayoutInfoB * tiling.singleCoreN * sizeof(C_T);
        aGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ half*>(aGM), sizeA);
        bGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ half*>(bGM), sizeB);
        cGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ float*>(cGM), sizeC);
        biasGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ float*>(biasGM), sizebias);
        tiling.shareMode = 0;            
        tiling.shareL1Size = 512 * 1024;
        tiling.shareL0CSize = 128 * 1024;
        tiling.shareUbSize = 0;
        int offset_a=0, offset_b=0, offset_c=0, offset_bias=0;
        AscendC::GlobalTensor<A_T> gm_a;
        gm_a.SetGlobalBuffer(const_cast<__gm__ A_T*>(aGlobal[offset_a].GetPhyAddr()), tiling.singleCoreM * tiling.singleCoreK);
        AscendC::GlobalTensor<B_T> gm_b;
        gm_b.SetGlobalBuffer(const_cast<__gm__ B_T*>(bGlobal[offset_b].GetPhyAddr()), tiling.singleCoreK * tiling.singleCoreN);
        AscendC::GlobalTensor<C_T> gm_c;
        gm_c.SetGlobalBuffer(const_cast<__gm__ C_T*>(cGlobal[offset_c].GetPhyAddr()), tiling.singleCoreM * tiling.singleCoreN) ;
        AscendC::GlobalTensor<BiasT> gm_bias;
        gm_bias.SetGlobalBuffer(const_cast<__gm__ BiasT*>(biasGlobal[offset_bias].GetPhyAddr()), tiling.singleCoreN);
        // 创建Matmul实例
        constexpr static MatmulConfig MM_CFG = GetNormalConfig(false, false, false, BatchMode::BATCH_LESS_THAN_L1);
        matmul::Matmul<aType, bType, cType, biasType, MM_CFG> mm1;
        TPipe pipe;
    
        REGIST_MATMUL_OBJ(&pipe, GetSysWorkSpacePtr(), mm1);
        mm1.Init(&tiling);
        mm1.SetTensorA(gm_a, isTransposeAIn);
        mm1.SetTensorB(gm_b, isTransposeBIn);
        mm1.SetWorkspace(workspaceGM, 0);
        if(tiling.isBias) {
            mm1.SetBias(gm_bias);
        }
        // 多batch Matmul计算
        mm1.IterateBatch(gm_c, batchA, batchB, false);
    }
  • 该示例完成aGM、bGM矩阵乘,结果保存到cGm上,其中aGM数据的layout格式为BSNGD,bGM数据的layout格式为BSNGD,cGM的layout格式为BNGS1S2,左矩阵每次计算batchA个SD数据,右矩阵每次计算batchB个SD数据。
    #include "kernel_operator.h"
    #include "lib/matmul_intf.h"
    
    extern "C" __global__  __aicore__ void kernel_matmul_rpc_batch(GM_ADDR aGM, GM_ADDR bGM, GM_ADDR cGM, GM_ADDR biasGM, GM_ADDR tilingGM, GM_ADDR workspaceGM, uint32_t isTransposeAIn, uint32_t isTransposeBIn, int32_t batchA,  int32_t batchB)
    {
        // 定义matmul type
        typedef matmul::MatmulType <AscendC::TPosition::GM, CubeFormat::ND, half, false, LayoutMode::BSNGD> aType;
        typedef matmul::MatmulType <AscendC::TPosition::GM, CubeFormat::ND, half, true, LayoutMode::BSNGD> bType;
        typedef matmul::MatmulType <AscendC::TPosition::GM, CubeFormat::ND, float, false, LayoutMode::BNGS1S2> cType;
        typedef matmul::MatmulType <AscendC::TPosition::GM, CubeFormat::ND, float> biasType;
    
        // 初始化tiling数据
        TCubeTiling tiling;
        auto tempTilingGM = (__gm__ uint32_t*)tilingGM;
        auto tempTiling = (uint32_t*)&tiling;
        for (int i = 0; i < sizeof(TCubeTiling) / sizeof(int32_t); ++i, ++tempTilingGM, ++tempTiling) {
            *tempTiling = *tempTilingGM;
        }
    
        // 初始化gm数据
        AscendC::GlobalTensor<half> aGlobal;
        AscendC::GlobalTensor<half> bGlobal;
        AscendC::GlobalTensor<float> cGlobal;
        AscendC::GlobalTensor<float> biasGlobal;
        int32_t sizeA = tiling.ALayoutInfoB * tiling.ALayoutInfoS * tiling.ALayoutInfoN * tiling.ALayoutInfoG * tiling.ALayoutInfoD * sizeof(half);
        int32_t sizeB = tiling.BLayoutInfoB * tiling.BLayoutInfoS * tiling.BLayoutInfoN * tiling.BLayoutInfoG * tiling.BLayoutInfoD * sizeof(half);
        int32_t sizeC = tiling.CLayoutInfoB * tiling.CLayoutInfoS1 * tiling.CLayoutInfoN * tiling.CLayoutInfoG * tiling.CLayoutInfoS2 * sizeof(float);
        int32_t sizebias = tiling.CLayoutInfoB * tiling.CLayoutInfoN * tiling.CLayoutInfoG * tiling.CLayoutInfoS2 * sizeof(float);
        aGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ half*>(aGM), sizeA);
        bGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ half*>(bGM), sizeB);
        cGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ float*>(cGM), sizeC);
        biasGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ float*>(biasGM), sizebias);
        tiling.shareMode = 0;            
        tiling.shareL1Size = 512 * 1024;
        tiling.shareL0CSize = 128 * 1024;
        tiling.shareUbSize = 0;
        int offset_a=0, offset_b=0, offset_c=0, offset_bias=0;
        AscendC::GlobalTensor<A_T> gm_a;
        gm_a.SetGlobalBuffer(const_cast<__gm__ half*>(aGlobal[offset_a].GetPhyAddr()), tiling.ALayoutInfoS * tiling.ALayoutInfoN * tiling.ALayoutInfoG * tiling.ALayoutInfoD);
        AscendC::GlobalTensor<B_T> gm_b;
        gm_b.SetGlobalBuffer(const_cast<__gm__ half*>(bGlobal[offset_b].GetPhyAddr()), tiling.BLayoutInfoS * tiling.BLayoutInfoN * tiling.BLayoutInfoG * tiling.BLayoutInfoD);
        AscendC::GlobalTensor<C_T> gm_c;
        gm_c.SetGlobalBuffer(const_cast<__gm__ float*>(cGlobal[offset_c].GetPhyAddr()), tiling.CLayoutInfoS1 * tiling.CLayoutInfoN * tiling.CLayoutInfoG * tiling.CLayoutInfoS2) ;
        AscendC::GlobalTensor<BiasT> gm_bias;
        gm_bias.SetGlobalBuffer(const_cast<__gm__ float*>(biasGlobal[offset_bias].GetPhyAddr()), tiling.CLayoutInfoN * tiling.CLayoutInfoG * tiling.CLayoutInfoS2);
        // 创建Matmul实例
        matmul::Matmul<aType, bType, cType, biasType> mm1;
        AscendC::TPipe pipe;
    
        REGIST_MATMUL_OBJ(&pipe, GetSysWorkSpacePtr(), mm1);
        mm1.Init(&tiling);
        mm1.SetWorkspace(workspaceGM, 0);
        int batchC = batchA > batchB ? batchA : batchB;
        int g_lay = tiling.ALayoutInfoG > tiling.BLayoutInfoG ? tiling.ALayoutInfoG : tiling.BLayoutInfoG;
        // 计算需要多Batch计算循环次数
        int for_exent = tiling.ALayoutInfoB * tiling.ALayoutInfoN * g_lay / tiling.BatchNum;
        for(int i=0; i<for_exent; ++i) {
            // 计算每次多batch计算A/B矩阵的起始地址
            int batchOffsetA = i * tiling.ALayoutInfoD * batchA;
            int batchOffsetB = i * tiling.BLayoutInfoD * batchB;
            mm1.SetTensorA(gm_a[batchOffsetA], isTransposeAIn);
            mm1.SetTensorB(gm_b[batchOffsetB], isTransposeBIn);
            int idx_c = i * batchC;
            if (tiling.CLayoutInfoG == 1 && (tiling.BLayoutInfoG != 1 || tiling.ALayoutInfoG != 1)) {
                idx_c = idx_c / (tiling.BLayoutInfoG > tiling.ALayoutInfoG ? tiling.BLayoutInfoG : tiling.ALayoutInfoG);
            }
            if(tiling.isBias) {
                int batchOffsetBias = idx_c * tiling.CLayoutInfoS2;
                mm1.SetBias(gm_bias[batchOffsetBias]);
            }
            int batchOffsetC = idx_c * tiling.CLayoutInfoS2;
            if (C_TYPE::layout == LayoutMode::BNGS1S2) {
                batchOffsetC = idx_c * tiling.CLayoutInfoS2 * tiling.CLayoutInfoS1;
            }
            // 多batch Matmul计算
            mm1.IterateBatch(gm_c[batchOffsetC], batchA, batchB, false);
        }
    }
搜索结果
找到“0”个结果

当前产品无相关内容

未找到相关内容,请尝试其他搜索词