aclnnMoeInitRoutingQuantV2

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/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]	√
[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：MoE的routing计算，根据undefined的计算结果做routing处理。

  本接口针对undefined做了如下功能变更，请根据实际情况选择合适的接口：

  • 新增drop模式，在该模式下输出内容会根据每个专家的expertCapacity处理，超过expertCapacity不做处理，不足的会补0。
  • 新增dropless模式下expertTokensCountOrCumsumOutOptional可选输出，drop场景下expertTokensBeforeCapacityOutOptional可选输出。
  • 删除rowIdx输入。
  • 增加动态quant计算模式。

• 计算公式：

  1.对输入expertIdx做排序，得出排序后的结果sortedExpertIdx和对应的序号sortedRowIdx：

  $$sortedExpertIdx, sortedRowIdx=keyValueSort(expertIdx)$$

  2.以sortedRowIdx做位置映射得出expandedRowIdxOut：

  $$expandedRowIdxOut[sortedRowIdx[i]]=i$$

  3.在dropless模式下，对sortedExpertIdx的每个专家统计直方图结果，再进行Cumsum，得出expertTokensCountOrCumsumOutOptional：

  $$expertTokensCountOrCumsumOutOptional[i]=Cumsum(Histogram(sortedExpertIdx))$$

  4.在drop模式下，对sortedExpertIdx的每个专家统计直方图结果，得出expertTokensBeforeCapacityOutOptional：

  $$expertTokensBeforeCapacityOutOptional[i]=Histogram(sortedExpertIdx)$$

  5.计算quant结果：

  • 静态quant：$$quantResult = round((x * scaleOptional) + offsetOptional)$$
  • 动态quant：
    • 若不输入scale：$$dynamicQuantScaleOutOptional = row\_max(abs(x)) / 127$$ $$quantResult = round(x / dynamicQuantScaleOutOptional)$$
    • 若输入scale:$$dynamicQuantScaleOutOptional = row\_max(abs(x * scaleOptional)) / 127$$ $$quantResult = round(x / dynamicQuantScaleOutOptional)$$

  6.对quantResult取前NUM_ROWS个sortedRowIdx的对应位置的值，得出expandedXOut：

  $$expandedXOut[i]=quantResult[sortedRowIdx[i]\%NUM\_ROWS]$$

函数原型

每个算子分为undefined，必须先调用 “aclnnMoeInitRoutingQuantV2GetWorkspaceSize”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“aclnnMoeInitRoutingQuantV2”接口执行计算。

• aclnnStatus aclnnMoeInitRoutingQuantV2GetWorkspaceSize(const aclTensor *x, const aclTensor *expertIdx, const aclTensor *scaleOptional, const aclTensor *offsetOptional, int64_t activeNum, int64_t expertCapacity, int64_t expertNum, int64_t dropPadMode, int64_t expertTokensCountOrCumsumFlag, bool expertTokensBeforeCapacityFlag, int64_t quantMode, const aclTensor *expandedXOut, const aclTensor *expandedRowIdxOut, const aclTensor *expertTokensCountOrCumsumOutOptional, const aclTensor *expertTokensBeforeCapacityOutOptional, const aclTensor *dynamicQuantScaleOutOptional, uint64_t *workspaceSize, aclOpExecutor **executor)
• aclnnStatus aclnnMoeInitRoutingQuantV2(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)

aclnnMoeInitRoutingQuantV2GetWorkspaceSize

• 参数说明：

  • x（aclTensor*，计算输入）：MOE的输入即token特征输入，要求为一个2D的Tensor，shape为[NUM_ROWS, H]，H代表每个Token的长度，数据类型支持FLOAT16、BFLOAT16、FLOAT32，undefined要求为ND，支持undefined。
  • expertIdx （aclTensor*，计算输入）：undefined的输出每一行特征对应的K个处理专家，要求是一个2D的shape [NUM_ROWS, K]。数据类型支持INT32，undefined要求为ND，支持undefined。在Drop/Pad场景下或者非Drop/Pad场景下且需要输出expertTokensCountOrCumsumOutOptional时，要求值域范围是[0, expertNum - 1]，其他场景要求大于等于0。
  • scaleOptional（aclTensor*，计算输入）：表示用于计算quant结果的参数，要求静态quant场景下必须输入，为一个1D的shape [1，]。动态quant场景下如果不输入，表示计算过程中不用scale；如果输入则要求为一个2D的Tensor，shape为 [expertNum，H]或者[1，H]。数据类型支持float32，undefined要求为ND，支持undefined。
  • offsetOptional（aclTensor*，计算输入）：表示用于计算quant结果的偏移值，要求在静态quant场景下必须输入，为一个1D的shape [1，]。数据类型支持FLOAT32，undefined要求为ND，支持undefined。
  • activeNum（int64_t，计算输入）：表示是否为Active场景，该属性在dropPadMode为0时生效，值范围大于等于0；0表示Dropless场景，大于0时表示Active场景，约束所有专家共同处理tokens总量
  • expertCapacity（int64_t， 计算输入）：表示每个专家能够处理的tokens数，值范围大于等于0；Drop/Pad场景下值域范围(0, NUM_ROWS]，此时各专家将超过capacity的tokens drop掉，不够capacity阈值时则pad全0 tokens；其他场景不关心该属性值。
  • expertNum（int64_t， 计算输入）：表示专家数，值范围大于等于0；Drop/Pad场景下或者expertTokensCountOrCumsumFlag大于0需要输出expertTokensCountOrCumsumOutOptional时，expertNum需大于0。
  • dropPadMode（int64_t， 计算输入）：表示是否为Drop/Pad场景，取值为0和1。
    • 0：表示非Drop/Pad场景，该场景下不校验expertCapacity。
    • 1：表示Drop/Pad场景，需要校验expertNum和expertCapacity，对于每个专家处理的超过和不足expertCapacity的值会做相应的处理。
  • expertTokensCountOrCumsumFlag（int64_t， 计算输入）：取值为0、1和2。
    • 0：表示不输出expertTokensCountOrCumsumOutOptional。
    • 1：表示输出的值为各个专家处理的token数量的累计值。
    • 2：表示输出的值为各个专家处理的token数量。
  • expertTokensBeforeCapacityFlag（bool，计算输入）：取值为false和true。
    • false：表示不输出expertTokensBeforeCapacityOutOptional。
    • true：表示输出的值为在drop之前各个专家处理的token数量。
  • quantMode（int64_t， 计算输入）：取值为0和1。
    • 0：表示静态quant场景。
    • 1：表示动态quant场景。
  • expandedXOut（aclTensor*，计算输出）：根据expertIdx进行扩展过的特征，在Dropless/Active场景下要求是一个2D的Tensor，Dropless场景shape为[NUM_ROWS * K, H]，Active场景shape为[min(activeNum, NUM_ROWS * K), H]，在Drop/Pad场景下要求是一个3D的Tensor，shape为[expertNum, expertCapacity, H]。数据类型支持INT8，undefined要求为ND，不支持undefined。
  • expandedRowIdxOut（aclTensor*，计算输出）：expandedXOut和x的索引映射关系， 要求是一个1D的Tensor，Shape为[NUM_ROWS*K, ]，数据类型支持INT32，undefined要求为ND，不支持undefined。
  • expertTokensCountOrCumsumOutOptional（aclTensor*，计算输出）：输出每个专家处理的token数量的统计结果及累加值，通过expertTokensCountOrCumsumFlag参数控制是否输出，该值仅在非Drop/Pad场景下输出，要求是一个1D的Tensor，Shape为[expertNum, ]，数据类型支持INT32，undefined要求为ND，不支持undefined。
  • expertTokensBeforeCapacityOutOptional（aclTensor*，计算输出）：输出drop之前每个专家处理的token数量的统计结果，通过expertTokensBeforeCapacityFlag参数控制是否输出，该值仅在Drop/Pad场景下输出，要求是一个1D的Tensor，Shape为[expertNum, ]，数据类型支持INT32，undefined要求为ND，不支持undefined。
  • dynamicQuantScaleOutOptional（aclTensor*，计算输出）：输出动态quant计算过程中的中间值，该值仅在动态quant场景下输出，要求是一个1D的Tensor，Shape为expandedXOut的shape去掉最后一维之后所有维度的乘积，数据类型支持float32，undefined要求为ND，不支持undefined。
  • 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]

aclnnMoeInitRoutingQuantV2

• 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aclnnMoeInitRoutingQuantV2GetWorkspaceSize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

无。

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。