aclnnFlashAttentionUnpaddingScoreGradV4
支持的产品型号
Atlas A2 训练系列产品 Atlas A3 训练系列产品/Atlas A3 推理系列产品
函数原型
每个算子分为两段式接口，必须先调用“aclnnFlashAttentionUnpaddingScoreGradV4GetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnFlashAttentionUnpaddingScoreGradV4”接口执行计算。
aclnnStatus aclnnFlashAttentionUnpaddingScoreGradV4GetWorkspaceSize(const aclTensor *query, const aclTensor *queryRope, const aclTensor *keyIn, const aclTensor *keyInRope, const aclTensor *value, const aclTensor *dy, const aclTensor *pseShiftOptional, const aclTensor *dropMaskOptional, const aclTensor *paddingMaskOptional, const aclTensor *attenMaskOptional, const aclTensor *softmaxMaxOptional, const aclTensor *softmaxSumOptional, const aclTensor *softmaxInOptional, const aclTensor *attentionInOptional, const aclIntArray *prefixOptional, const aclIntArray *actualSeqQLenOptional, const aclIntArray *actualSeqKvLenOptional, const aclIntArray *qStartIdxOptional, const aclIntArray *kvStartIdxOptional, double scaleValue, double keepProb, int64_t preTokens, int64_t nextTokens, int64_t headNum, char *inputLayout, int64_t innerPrecise, int64_t sparseMode, int64_t pseType, const aclTensor *dqOut, const aclTensor *dqRopeOut, const aclTensor *dkOut, const aclTensor *dkRopeOut, const aclTensor *dvOut, const aclTensor *dpseOut, uint64_t *workspaceSize, aclOpExecutor **executor)aclnnStatus aclnnFlashAttentionUnpaddingScoreGradV4(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)
功能说明
算子功能：训练场景下计算注意力的反向输出，即aclnnFlashAttentionVarLenScoreV4的反向计算。该接口相较于aclnnFlashAttentionUnpaddingScoreGradV2接口，新增queryRope、keyRope、dqRope和dkRope参数。
计算公式：
已知注意力的正向计算公式：
其中:
为方便表达，以变量和表示计算公式：
则注意力的反向计算公式为：
aclnnFlashAttentionUnpaddingScoreGradV4GetWorkspaceSize
参数说明：
query（aclTensor*，计算输入）：Device侧的aclTensor，公式中的输入Q的nope部分，数据类型支持 BFLOAT16，数据格式支持ND；综合约束请见约束说明。
queryRope（aclTensor*，计算输入）：Device侧的aclTensor，公式中的输入Q的rope部分，即旋转位置编码，数据类型支持 BFLOAT16，数据格式支持ND；综合约束请见约束说明。
keyIn（aclTensor*，计算输入）：Device侧的aclTensor，公式中的输入K的nope部分，数据类型支持 BFLOAT16，数据格式支持ND；综合约束请见约束说明。
keyInRope（aclTensor*，计算输入）：Device侧的aclTensor，公式中的输入K的rope部分，数据类型支持 BFLOAT16，数据格式支持ND；综合约束请见约束说明。
value（aclTensor*，计算输入）：Device侧的aclTensor，公式中的输入V，数据类型支持 BFLOAT16，数据格式支持ND；综合约束请见约束说明。
dy（aclTensor*，计算输入）：Device侧的aclTensor，公式中的输入dY，数据类型支持 BFLOAT16，数据格式支持ND；综合约束请见约束说明。
pseShiftOptional（aclTensor*，计算输入）：公式中的输入pse, 必须为nullptr。
dropMaskOptional（aclTensor*，计算输入）：必须为nullptr。
paddingMaskOptional（aclTensor*，计算输入）：Device侧的aclTensor，暂不支持该传参。
qStartIdxOptional（aclIntArray*，计算输入）：Host侧的aclIntArray，数据类型支持INT64，代表外切场景，当前分块的Q的sequence在全局中的起始索引，数据格式支持ND。
kvStartIdxOptional（aclIntArray*，计算输入）：Host侧的aclIntArray，数据类型支持INT64，代表外切场景，当前分块的Q的sequence在全局中的起始索引，数据格式支持ND。
attenMaskOptional（aclTensor*，计算输入）：Device侧的aclTensor，数据类型支持BOOL(8bit的BOOL)、UINT8，数据格式支持ND，支持shape范围为[S1Max,S2Max]；综合约束请见约束说明。不可为nullptr。
softmaxMaxOptional（aclTensor*，计算输入）：Device侧的aclTensor，注意力正向计算的中间输出，数据类型支持FLOAT，数据格式支持ND；综合约束请见约束说明。
softmaxSumOptional（aclTensor*，计算输入）：Device侧的aclTensor，注意力正向计算的中间输出，数据类型支持FLOAT，数据格式支持ND。综合约束请见约束说明。
softmaxInOptional（aclTensor*，计算输入）：Device侧的aclTensor，注意力正向计算的中间输出，预留参数暂未使用，调用时该参数需传空。
attentionInOptional（aclTensor*，计算输入）：Device侧的aclTensor，注意力正向计算的最终输出，数据类型支持FLOAT16、BFLOAT16、FLOAT32，数据类型和shape与query一致，数据格式支持ND。
prefixOptional（aclIntArray*，计算输入）：Device侧的aclTensor，代表prefix稀疏计算场景每个Batch的N值，数据类型支持INT64，数据格式支持ND；综合约束请见约束说明。如不使用该参数，可传入nullptr。
actualSeqQLenOptional（aclIntArray*，计算输入）：数据类型支持INT64，数据格式支持ND，描述了每个Batch对应的query S大小；综合约束请见约束说明。
actualSeqKvLenOptional（aclIntArray*，计算输入）：数据类型支持INT64，数据格式支持ND，描述了每个Batch对应的key/value S大小。
dqOut（aclTensor*，计算输出）：Device侧的aclTensor，公式中的dQ，表示query的梯度，计算输出，数据类型支持 BFLOAT16，数据格式支持ND。
dqRopeOut（aclTensor*，计算输出）：Device侧的aclTensor，公式中的dqRope，表示queryRope的梯度，计算输出，数据类型支持 BFLOAT16，数据格式支持ND。
dkOut（aclTensor*，计算输出）：Device侧的aclTensor，公式中的dK，表示keyIn的梯度，计算输出，数据类型支持 BFLOAT16，数据格式支持ND。
dkRopeOut（aclTensor*，计算输出）：Device侧的aclTensor，公式中的dkRope，表示keyInRope的梯度，计算输出，数据类型支持 BFLOAT16，数据格式支持ND。
dvOut（aclTensor*，计算输出）：Device侧的aclTensor，公式中的dV，表示value的梯度，计算输出，数据类型支持 BFLOAT16，数据格式支持ND。
dpseOut（aclTensor*，计算输出）：Device侧的aclTensor，公式中的d(pse)，表示pse的梯度，计算输出，数据类型支持FLOAT16、BFLOAT16、FLOAT32，数据格式支持ND，预留参数暂未使用，但在pseShiftOptional不为空时，shape和数据类型与pseShiftOptional一致。
scaleValue（double，计算输入）：Host侧的double，公式中d开根号的倒数，代表缩放系数，作为计算流中Muls的scalar值，数据类型支持DOUBLE。一般设置为D^-0.5。
keepProb（double，计算输入）：Host侧的double，代表dropMaskOptional中1的比例，数据类型支持DOUBLE；综合约束请见约束说明。必须设置为1.0。
preTokens（int64_t，计算输入）：Host侧的int64_t，用于稀疏计算的参数，数据类型支持INT64。用户不特意指定时建议传入2147483647。
nextTokens（int64_t，计算输入）：Host侧的int64_t，用于稀疏计算的参数，数据类型支持INT64。用户不特意指定时建议传入2147483647。
headNum（int64_t，计算输入）：Host侧的int64_t，代表head个数，数据类型支持INT64；综合约束请见约束说明。
inputLayout（string*，计算输入）：Host侧的string，代表输入query、keyIn、value的数据排布格式，支持TND。
说明： query、keyIn、value数据排布格式支持从多种维度解读，其中T (Total S Length) 表示所有batch对应的S的总长、B（Batch）表示输入样本批量大小、S（Seq-Length）表示输入样本序列长度、H（Head-Size）表示隐藏层的大小、N（Head-Num）表示多头数、D（Head-Dim）表示隐藏层最小的单元尺寸，且满足D=H/N。
innerPrecise（int32_t，计算输入）：保留参数，暂未使用。
sparseMode（int64_t，计算输入）：Host侧的int，表示sparse的模式，数据类型支持INT64。
- sparseMode为0时，代表defaultMask模式，如果attenMaskOptional未传入则不做mask操作，忽略preTokens和nextTokens(内部赋值为INT_MAX)；如果传入，则需要传入完整的attenMaskOptional矩阵（S1Max * S2Max），表示preTokens和nextTokens之间的部分需要计算。
- sparseMode为1时，代表allMask，即传入完整的attenMaskOptional矩阵。
- sparseMode为2时，代表leftUpCausal模式的mask，对应以左顶点为划分的下三角场景，需要传入优化后的attenMaskOptional矩阵（2048*2048）。
- sparseMode为3时，代表rightDownCausal模式的mask，对应以右下顶点为划分的下三角场景，需要传入优化后的attenMaskOptional矩阵（2048*2048）。
- sparseMode为4时，代表band场景，即计算preTokens和nextTokens之间的部分。
- sparseMode为5时，不支持。
- sparseMode为6时，不支持。
- sparseMode为7时，代表rightDownCausal_Band场景，该场景由长序列外切产生，需要正确配置preTokens和nextTokens参数；传入shape为[2048, 2048]的下三角attenMaskOptional矩阵。
- sparseMode为8时，代表band_LeftUpCausal场景，该场景由长序列外切产生，需要正确配置preTokens和nextTokens参数；传入shape为[2048, 2048]的下三角attenMaskOptional矩阵。
用户不特意指定时建议传入0。sparse不同模式的详细说明请参见sparse模式说明。
说明： 当所有的attenMaskOptional的shape小于2048且相同的时候，建议使用default模式，来减少内存使用量；sparseMode配置为1、2、3、5时，用户配置的preTokens、nextTokens不会生效；sparseMode配置为0、4时，须保证attenMaskOptional与preTokens、nextTokens的范围一致。
pseType（int64_t，计算输入）：Host侧的int64_t，数据类型支持INT64，用户不特意指定时可传入1，跟当前aclnnFlashAttentionUnpaddingScoreGrad实现一致，支持配置值为0、1，不支持2、3。
pseType 含义 备注 0 外部传入pse 先mul再add - 1 外部传入pse 先add再mul 跟aclnnFlashAttentionUnpaddingScoreGrad实现一致。 workspaceSize（uint64_t*，出参）：返回用户需要在Device侧申请的workspace大小。
executor（aclOpExecutor**，出参）：返回op执行器，包含了算子计算流程。
返回值：
返回aclnnStatus状态码，具体参见aclnn返回码。
第一段接口完成入参校验，若出现以下错误码，则对应原因为： - 返回161001（ACLNN_ERR_PARAM_NULLPTR）：如果传入参数是必选输入，输出或者必选属性，且是空指针，则返回161001。 - 返回161002（ACLNN_ERR_PARAM_INVALID）：query、queryRope、keyIn、keyInRope、value、dy、pseShiftOptional、dropMaskOptional、paddingMaskOptional、attenMaskOptional、softmaxMaxOptional、softmaxSumOptional、softmaxInOptional、attentionInOptional、dqOut、dkOut、dvOut的数据类型和数据格式不在支持的范围内。
aclnnFlashAttentionUnpaddingScoreGradV4
参数说明：
- workspace（void*，入参）：在Device侧申请的workspace内存地址。
- workspaceSize（uint64_t，入参）：在Device侧申请的workspace大小，由第一段接口aclnnFlashAttentionUnpaddingScoreGradV4GetWorkspaceSize获取。
- executor（aclOpExecutor*，入参）：op执行器，包含了算子计算流程。
- stream（aclrtStream，入参）：指定执行任务的AscendCL stream流。
返回值：
返回aclnnStatus状态码，具体参见aclnn返回码。
约束说明
该接口与PyTorch配合使用时，需要保证CANN相关包与PyTorch相关包的版本匹配
输入query、queryRope、key、keyRope、value、dy的B：batchsize必须相等。
输入query、queryRope、key、keyRope、value、dy的input_layout必须是TND。
在query/key/value的d大小相同的情况下，query/dy的shape必须一致。
query/key的d大小必须相同，d必须是8的整数倍。
queryRope/keyRope的d大小必须相同，d必须是8的整数倍，且需小于等于query/key的d。
支持输入query/dy的N和key/value的N不相等，但必须成比例关系，即Nq/Nkv必须是非0整数，Nq取值范围1~256。
关于数据shape的约束：
- B：取值范围为1~2K。带prefixOptional的时候B最大支持1K。
- N：取值范围为1~256。
- S：取值范围为1~1M。
- D：取值范围为1~512。
- KeepProb：取值范围为1。
部分场景下，如果计算量过大可能会导致算子执行超时(aicore error类型报错，errorStr为：timeout or trap error)，此时建议做轴切分处理，注：这里的计算量会受B、S、N、D等参数的影响，值越大计算量越大。
prefixOptional稀疏计算仅支持压缩场景，sparseMode=6，当Sq > Skv时，prefix的N值取值范围[0, Skv]，当Sq <= Skv时，prefix的N值取值范围[Skv-Sq, Skv]。
sparse_mode=7时，不支持可选输入realShiftOptional。
sparse_mode=8时，当每个sequence的q、kv等长时支持可选输入realShiftOptional，针对全局做pse生成。支持q方向进行外切，需要外切前每个sequence的q、kv等长，外切后传入的actualSeqQLenOptional[0] - actualSeqKvLenOptional[0] + qStartIdxOptional - kvStartIdxOptional == 0（本功能属实验性功能）。
actualSeqQLenOptional输入支持某个Batch上的S长度为0，此时不支持可选输入pseShiftOptional。
关于softmaxMax与softmaxSum参数的约束：输入格式固定为为[T, N, 8]，注：T=B*S
headNum的取值必须和传入的Query中的N值保持一致。
pseType只能为0或者1。
pseShiftOptional必须为空。
dropMaskOptional必须为空。
attenMaskOptional不能为空。
调用示例
示例代码如下，仅供参考，具体编译和执行过程请参考编译与运行样例。
#include <iostream>
#include <vector>
#include "acl/acl.h"
#include "aclnnop/aclnn_flash_attention_score_grad.h"
#define CHECK_RET(cond, return_expr) \
do { \
if (!(cond)) { \
return_expr; \
} \
} while (0)
#define LOG_PRINT(message, ...) \
do { \
printf(message, ##__VA_ARGS__); \
} while (0)
int64_t GetShapeSize(const std::vector<int64_t>& shape) {
int64_t shapeSize = 1;
for (auto i : shape) {
shapeSize *= i;
}
return shapeSize;
}
void PrintOutResult(std::vector<int64_t> &shape, void** deviceAddr) {
auto size = GetShapeSize(shape);
std::vector<float> resultData(size, 0);
auto ret = aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]),
*deviceAddr, size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result from device to host failed. ERROR: %d\n", ret); return);
for (int64_t i = 0; i < size; i++) {
LOG_PRINT("mean result[%ld] is: %f\n", i, resultData[i]);
}
}
int Init(int32_t deviceId, aclrtStream* stream) {
// 固定写法，AscendCL初始化
auto ret = aclInit(nullptr);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret);
ret = aclrtSetDevice(deviceId);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret);
ret = aclrtCreateStream(stream);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret);
return 0;
}
template <typename T>
int CreateAclTensor(const std::vector<T>& hostData, const std::vector<int64_t>& shape, void** deviceAddr,
aclDataType dataType, aclTensor** tensor) {
auto size = GetShapeSize(shape) * sizeof(T);
// 调用aclrtMalloc申请device侧内存
auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret);
// 调用aclrtMemcpy将host侧数据拷贝到device侧内存上
ret = aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMemcpy failed. ERROR: %d\n", ret); return ret);
// 计算连续tensor的strides
std::vector<int64_t> strides(shape.size(), 1);
for (int64_t i = shape.size() - 2; i >= 0; i--) {
strides[i] = shape[i + 1] * strides[i + 1];
}
// 调用aclCreateTensor接口创建aclTensor
*tensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND,
shape.data(), shape.size(), *deviceAddr);
return 0;
}
int main() {
// 1. （固定写法）device/stream初始化，参考AscendCL对外接口列表
// 根据自己的实际device填写deviceId
int32_t deviceId = 0;
aclrtStream stream;
auto ret = Init(deviceId, &stream);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret);
// 2. 构造输入与输出，需要根据API的接口自定义构造
std::vector<int64_t> qShape = {256, 1, 128};
std::vector<int64_t> qRopeShape = {256, 1, 64};
std::vector<int64_t> kShape = {256, 1, 128};
std::vector<int64_t> kRopeShape = {256, 1, 64};
std::vector<int64_t> vShape = {256, 1, 128};
std::vector<int64_t> dxShape = {256, 1, 128};
std::vector<int64_t> attenmaskShape = {256, 256};
std::vector<int64_t> softmaxMaxShape = {256, 1, 8};
std::vector<int64_t> softmaxSumShape = {256, 1, 8};
std::vector<int64_t> attentionInShape = {256, 1, 128};
std::vector<int64_t> dqShape = {256, 1, 128};
std::vector<int64_t> dqRopeShape = {256, 1, 64};
std::vector<int64_t> dkShape = {256, 1, 128};
std::vector<int64_t> dkRopeShape = {256, 1, 64};
std::vector<int64_t> dvShape = {256, 1, 128};
void* qDeviceAddr = nullptr;
void* qRopeDeviceAddr = nullptr;
void* kDeviceAddr = nullptr;
void* kRopeDeviceAddr = nullptr;
void* vDeviceAddr = nullptr;
void* dxDeviceAddr = nullptr;
void* attenmaskDeviceAddr = nullptr;
void* softmaxMaxDeviceAddr = nullptr;
void* softmaxSumDeviceAddr = nullptr;
void* attentionInDeviceAddr = nullptr;
void* dqDeviceAddr = nullptr;
void* dqRopeDeviceAddr = nullptr;
void* dkDeviceAddr = nullptr;
void* dkRopeDeviceAddr = nullptr;
void* dvDeviceAddr = nullptr;
aclTensor* q = nullptr;
aclTensor* qRope = nullptr;
aclTensor* k = nullptr;
aclTensor* kRope = nullptr;
aclTensor* v = nullptr;
aclTensor* dx = nullptr;
aclTensor* pse = nullptr;
aclTensor* dropMask = nullptr;
aclTensor* padding = nullptr;
aclTensor* attenmask = nullptr;
aclTensor* softmaxMax = nullptr;
aclTensor* softmaxSum = nullptr;
aclTensor* softmaxIn = nullptr;
aclTensor* attentionIn = nullptr;
aclTensor* dq = nullptr;
aclTensor* dqRope = nullptr;
aclTensor* dk = nullptr;
aclTensor* dkRope = nullptr;
aclTensor* dv = nullptr;
aclTensor* dpse = nullptr;
std::vector<short> qHostData(32768, 1);
std::vector<short> qRopeHostData(16384, 1);
std::vector<short> kHostData(32768, 1);
std::vector<short> kRopeHostData(16384, 1);
std::vector<short> vHostData(32768, 1);
std::vector<short> dxHostData(32768, 1);
std::vector<uint8_t> attenmaskHostData(65536, 0);
std::vector<float> softmaxMaxHostData(2048, 3.0);
std::vector<float> softmaxSumHostData(2048, 3.0);
std::vector<short> attentionInHostData(32768, 1);
std::vector<short> dqHostData(32768, 0);
std::vector<short> dqRopeHostData(16384, 0);
std::vector<short> dkHostData(32768, 0);
std::vector<short> dkRopeHostData(16384, 0);
std::vector<short> dvHostData(32768, 0);
ret = CreateAclTensor(qHostData, qShape, &qDeviceAddr, aclDataType::ACL_BF16, &q);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(qRopeHostData, qRopeShape, &qRopeDeviceAddr, aclDataType::ACL_BF16, &qRope);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(kHostData, kShape, &kDeviceAddr, aclDataType::ACL_BF16, &k);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(kRopeHostData, kRopeShape, &kRopeDeviceAddr, aclDataType::ACL_BF16, &kRope);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(vHostData, vShape, &vDeviceAddr, aclDataType::ACL_BF16, &v);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(dxHostData, dxShape, &dxDeviceAddr, aclDataType::ACL_BF16, &dx);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(attenmaskHostData, attenmaskShape, &attenmaskDeviceAddr, aclDataType::ACL_UINT8, &attenmask);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(softmaxMaxHostData, softmaxMaxShape, &softmaxMaxDeviceAddr, aclDataType::ACL_FLOAT, &softmaxMax);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(softmaxSumHostData, softmaxSumShape, &softmaxSumDeviceAddr, aclDataType::ACL_FLOAT, &softmaxSum);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(attentionInHostData, attentionInShape, &attentionInDeviceAddr, aclDataType::ACL_BF16, &attentionIn);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(dqHostData, dqShape, &dqDeviceAddr, aclDataType::ACL_BF16, &dq);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(dqRopeHostData, dqRopeShape, &dqRopeDeviceAddr, aclDataType::ACL_BF16, &dqRope);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(dkHostData, dkShape, &dkDeviceAddr, aclDataType::ACL_BF16, &dk);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(dkRopeHostData, dkRopeShape, &dkRopeDeviceAddr, aclDataType::ACL_BF16, &dkRope);
CHECK_RET(ret == ACL_SUCCESS, return ret);
ret = CreateAclTensor(dvHostData, dvShape, &dvDeviceAddr, aclDataType::ACL_BF16, &dv);
CHECK_RET(ret == ACL_SUCCESS, return ret);
std::vector<int64_t> prefixOp = {0};
aclIntArray* prefix = aclCreateIntArray(prefixOp.data(), 1);
std::vector<int64_t> acSeqQLenOp = {256};
std::vector<int64_t> acSeqKvLenOp = {256};
aclIntArray* acSeqQLen = aclCreateIntArray(acSeqQLenOp.data(), acSeqQLenOp.size());
aclIntArray* acSeqKvLen = aclCreateIntArray(acSeqKvLenOp.data(), acSeqKvLenOp.size());
std::vector<int64_t> qStartIdxOp = {0};
std::vector<int64_t> kvStartIdxOp = {0};
aclIntArray *qStartIdx = aclCreateIntArray(qStartIdxOp.data(), 1);
aclIntArray *kvStartIdx = aclCreateIntArray(kvStartIdxOp.data(), 1);
double scaleValue = 0.088388;
double keepProb = 1;
int64_t preTokens = 65536;
int64_t nextTokens = 65536;
int64_t headNum = 1;
int64_t innerPrecise = 0;
int64_t sparseMod = 0;
int64_t pseType = 1;
char layOut[5] = {'T', 'N', 'D', 0};
// 3. 调用CANN算子库API，需要修改为具体的API名称
uint64_t workspaceSize = 0;
aclOpExecutor* executor;
// 调用aclnnFlashAttentionUnpaddingScoreGradV4第一段接口
ret = aclnnFlashAttentionUnpaddingScoreGradV4GetWorkspaceSize(q, qRope, k, kRope, v, dx, pse, dropMask, padding,
attenmask, softmaxMax, softmaxSum, softmaxIn, attentionIn, prefix, acSeqQLen, acSeqKvLen, qStartIdx, kvStartIdx,
scaleValue, keepProb, preTokens, nextTokens, headNum, layOut, innerPrecise, sparseMod, pseType,
dq, dqRope, dk, dkRope, dv, dpse, &workspaceSize, &executor);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnFlashAttentionUnpaddingScoreGradV4GetWorkspaceSize failed. ERROR: %d\n", ret); return ret);
// 根据第一段接口计算出的workspaceSize申请device内存
void* workspaceAddr = nullptr;
if (workspaceSize > 0) {
ret = aclrtMalloc(&workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret);
}
// 调用aclnnFlashAttentionUnpaddingScoreGradV4第二段接口
ret = aclnnFlashAttentionUnpaddingScoreGradV4(workspaceAddr, workspaceSize, executor, stream);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnFlashAttentionUnpaddingScoreGradV4 failed. ERROR: %d\n", ret); return ret);
// 4. （固定写法）同步等待任务执行结束
ret = aclrtSynchronizeStream(stream);
CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret);
// 5. 获取输出的值，将device侧内存上的结果拷贝至host侧，需要根据具体API的接口定义修改
PrintOutResult(dqShape, &dqDeviceAddr);
PrintOutResult(dqRopeShape, &dqRopeDeviceAddr);
PrintOutResult(dkShape, &dkDeviceAddr);
PrintOutResult(dkRopeShape, &dkRopeDeviceAddr);
PrintOutResult(dvShape, &dvDeviceAddr);
// 6. 释放aclTensor和aclScalar，需要根据具体API的接口定义修改
aclDestroyTensor(q);
aclDestroyTensor(qRope);
aclDestroyTensor(k);
aclDestroyTensor(kRope);
aclDestroyTensor(v);
aclDestroyTensor(dx);
aclDestroyTensor(attenmask);
aclDestroyTensor(softmaxMax);
aclDestroyTensor(softmaxSum);
aclDestroyTensor(attentionIn);
aclDestroyTensor(dq);
aclDestroyTensor(dqRope);
aclDestroyTensor(dk);
aclDestroyTensor(dkRope);
aclDestroyTensor(dv);
// 7. 释放device资源
aclrtFree(qDeviceAddr);
aclrtFree(qRopeDeviceAddr);
aclrtFree(kDeviceAddr);
aclrtFree(kRopeDeviceAddr);
aclrtFree(vDeviceAddr);
aclrtFree(dxDeviceAddr);
aclrtFree(attenmaskDeviceAddr);
aclrtFree(softmaxMaxDeviceAddr);
aclrtFree(softmaxSumDeviceAddr);
aclrtFree(attentionInDeviceAddr);
aclrtFree(dqDeviceAddr);
aclrtFree(dqRopeDeviceAddr);
aclrtFree(dkDeviceAddr);
aclrtFree(dkRopeDeviceAddr);
aclrtFree(dvDeviceAddr);
if (workspaceSize > 0) {
aclrtFree(workspaceAddr);
}
aclrtDestroyStream(stream);
aclrtResetDevice(deviceId);
aclFinalize();
return 0;
}