aclnnFlashAttentionUnpaddingScoreGradV3

产品支持情况

产品	是否支持
[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]	√
[object Object]Atlas A2 训练系列产品[object Object]	√
[object Object]Atlas 800I A2 推理产品[object Object]	×
A200I A2 Box 异构组件	×
[object Object]Atlas 200I/500 A2 推理产品[object Object]	×
[object Object]Atlas 推理系列产品[object Object]	×
[object Object]Atlas 训练系列产品[object Object]	×

功能说明

• 算子功能：训练场景下计算注意力的反向输出，即undefined的反向计算。该接口相较于undefined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：

  $$Y=Dropout(Softmax(Mask(\frac{QK^T}{\sqrt{d}}+pse),atten\_mask),keep\_prob)V$$

  其中:

  $$Q=[query, queryRope], K=[key, keyRope]$$

  为方便表达，以变量$S$和$P$表示计算公式：

  $$S=Mask(\frac{QK^T}{\sqrt{d}}+pse),atten\_mask$$ $$P=Dropout(Softmax(S),keep\_prob)$$ $$Y=PV$$

  则注意力的反向计算公式为：

  $$dV=P^TdY$$ $$dQ=\frac{((dS)*K)}{\sqrt{d}}$$ $$dqRope=\frac{((dS)*kRope)}{\sqrt{d}}$$ $$dK=\frac{((dS)^T*Q)}{\sqrt{d}}$$ $$dkRope=\frac{((dS)^T*qRope)}{\sqrt{d}}$$

函数原型

每个算子分为undefined，必须先调用“aclnnFlashAttentionUnpaddingScoreGradV3GetWorkspaceSize”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“aclnnFlashAttentionUnpaddingScoreGradV3”接口执行计算。

• aclnnStatus aclnnFlashAttentionUnpaddingScoreGradV3GetWorkspaceSize(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 aclnnFlashAttentionUnpaddingScoreGradV3(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)

aclnnFlashAttentionUnpaddingScoreGradV3GetWorkspaceSize

• 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，undefined支持ND；综合约束请见undefined。

  • 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，undefined支持ND；综合约束请见undefined。

  • 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，undefined支持ND；综合约束请见undefined。

  • 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，undefined支持ND；综合约束请见undefined。

  • value（aclTensor*，计算输入）：Device侧的aclTensor，公式中的输入V，数据类型支持 BFLOAT16，undefined支持ND；综合约束请见undefined。

  • dy（aclTensor*，计算输入）：Device侧的aclTensor，公式中的输入dY，数据类型支持 BFLOAT16，undefined支持ND；综合约束请见undefined。

  • 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，undefined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，undefined支持ND。

  • attenMaskOptional（aclTensor*，计算输入）：Device侧的aclTensor，数据类型支持BOOL(8bit的BOOL)、UINT8，undefined支持ND，支持shape范围为[S1Max,S2Max]；综合约束请见undefined。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，undefined支持ND；综合约束请见undefined。

  • 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，undefined支持ND。综合约束请见undefined。

  • 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，undefined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，undefined支持ND；综合约束请见undefined。如不使用该参数，可传入nullptr。

  • actualSeqQLenOptional（aclIntArray*，计算输入）：数据类型支持INT64，undefined支持ND，描述了每个Batch对应的query S大小；综合约束请见undefined。

  • actualSeqKvLenOptional（aclIntArray*，计算输入）：数据类型支持INT64，undefined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，undefined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，undefined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，undefined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，undefined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，undefined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，undefined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undefined。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undefined。

  • 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undefined。

    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undefined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undefined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undefined。

  [object Object]

aclnnFlashAttentionUnpaddingScoreGradV3

• 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aclnnFlashAttentionUnpaddingScoreGradV3GetWorkspaceSize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Stream。

• 返回值：

  返回aclnnStatus状态码，具体参见undefined。

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，以inputLayout的TND为例，其中：

  • T：取值范围为1~1M。
  • N：取值范围为1~256。
  • 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。actualSeqQLenOptional的长度取值范围为1~2K。当存在prefixOptional输入的时候，其长度最大支持1K。

• 关于softmaxMax与softmaxSum参数的约束：输入格式固定为[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undefined。