aclnnQuantGroupedMatmulDequant

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：对输入x进行量化，分组矩阵乘以及反量化。
• 计算公式：
  1.若输入smoothScaleOptional，则$$x = x\cdot scale_{smooth}$$ 2.若不输入xScaleOptional，则为动态量化，需要计算x量化系数$$scale_{x}=row\_max(abs(x))/max_{quantDataType}$$ 3.量化$$x_{quantized}=round(x/scale_{x})$$ 4.分组矩阵乘+反量化
  • 4.1 若输入的$scale_{weight}$数据类型为FLOAT32, 则：$$\begin{aligned} x^{*}_{quantized} &= x_{quantized}[group[i-1]:group[i]]\\ out^{*}_{quantized} &= out_{quantized}[group[i-1]:group[i]]\\ scale^{*}_{x} &= \begin{cases} scale_{x}[group[i-1]:group[i]] & pertoken \\ scale_{x} & pertensor \\ \end{cases} \\ out^{*}_{quantized} &= (x^{*}_{quantized}@weight_{quantized}[i] + bias) * scale_{weight}[i] * scale^{*}_{x} \end{aligned}$$
  • 4.2 若输入的$scale_{weight}$数据类型为INT64, 则：$$x^{*}_{quantized} = x_{quantized}[group[i-1]:group[i]] \\ out^{*}_{quantized} = out_{quantized}[group[i-1]:group[i]] \\ scale_{weight} = torch.tensor(np.frombuffer(scale_{weight}.numpy().astype(np.int32).\\tobytes(), dtype=np.float32)).reshape(scale_{weight}) \\ out^{*}_{quantized} = (x^{*}_{quantized}@weight_{quantized}[i] + bias) * scale_{weight}[i]$$ 特别说明：如果是上述4.2场景，说明$scale_{weight}$输入前已经和$scale_{x}$做过了矩阵乘运算，因此算子内部计算时省略了该步骤，这要求必须是pertensor静态量化的场景。即输入前要对$scale_{weight}做如下处理得到INT64类型的数据：$$scale_{weight} = scale_{weight} * scale_{x} \\ scale_{weight} = torch.tensor(np.frombuffer(scale_{weight}.numpy().astype(np.float32). \\tobytes(), dtype=np.int32).astype(np.int64)).reshape(scale_{weight})$$

函数原型

每个算子分为undefined，必须先调用“aclnnQuantGroupedMatmulDequantGetWorkspaceSize”接口获取入参并根据流程计算所需workspace大小，再调用“aclnnQuantGroupedMatmulDequant”接口执行计算。

• aclnnStatus aclnnQuantGroupedMatmulDequantGetWorkspaceSize(const aclTensor *x, const aclTensor *weight, const aclTensor *weightScale, const aclTensor *groupList, const aclTensor *biasOptional, const aclTensor *xScaleOptional, const aclTensor *xOffsetOptional, const aclTensor *smoothScaleOptional, char *xQuantMode, bool transposeWeight, const aclTensor *out, uint64_t *workspaceSize, aclOpExecutor **executor)
• aclnnStatus aclnnQuantGroupedMatmulDequant(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)

aclnnQuantGroupedMatmulDequantGetWorkspaceSize

• 参数说明：

  • x（aclTensor*，计算输入）：表示输入的左矩阵，必选参数，Device侧的aclTensor，公式中的输入$x$，数据类型支持FLOAT16，undefined支持ND。支持undefined。shape支持2维，各个维度表示：（m，k）。不支持空Tensor。
  • weight（aclTensor*，计算输入）：表示输入的右矩阵，必选参数，Device侧的aclTensor，公式中的$weight_{quantized}$，数据类型支持INT8，undefined支持昇腾亲和数据排布格式和ND格式。不支持空Tensor。
    • ND格式下，shape支持3维。
      • 在transposeWeight为true情况下各个维度表示：（g，n，k）。
      • 在transposeWeight为false情况下各个维度表示：（g，k，n）。
    • 昇腾亲和数据排布格式下，shape支持5维。
      • 在transposeWeight为true情况下各个维度表示：（g，k1，n1，n0，k0），其中k0 = 32，n0 = 16，k1和x的k需要满足以下关系：ceilDiv（k，32）= k1。
      • 在transposeWeight为false情况下各个维度表示：（g，n1，k1，k0，n0），其中k0 = 16，n0 = 32，k1和x的k需要满足以下关系：ceilDiv（k，16）= k1。
      • 可使用aclnnCalculateMatmulWeightSizeV2接口以及aclnnTransMatmulWeight接口完成输入Format从ND到昇腾亲和数据排布格式的转换。
  • weightScale（aclTensor*，计算输入）：表示weight的量化系数，必选参数，Device侧的aclTensor，公式中的$scale_{weight}$，数据类型支持FLOAT32和INT64，undefined支持ND，支持undefined和空Tensor。shape是2维（g，n），其中g，n与weight的g，n一致。当数据类型为INT64时，必须要求xScaleOptional数据类型为FLOAT16，且xQuantMode值为pertensor。
  • groupList（aclTensor*，计算输入）：代表x和out分组轴方向的matmul大小分布的cumsum结果（累积和），必选参数，Device侧的aclTensor，公式中的$group$，数据类型支持INT64，undefined支持ND，支持undefined和空Tensor。shape是1维（g，），其中g与weight的g一致。groupList必须为非负递增数列，且最大值不超过m。
  • biasOptional（aclTensor*，计算输入）：表示计算的偏移量，可选参数，Device侧的aclTensor，公式中的$bias$，当前仅支持传入空指针。
  • xScaleOptional（aclTensor*，计算输入）：表示x的量化系数，可选参数，Device侧的aclTensor，公式中的$scale_{x}$，数据类型支持FLOAT32和FLOAT16，undefined支持ND，支持undefined。当xQuantMode为pertensor时，shape是1维（1，）；当xQuantMode为pertoken时，shape是1维（m，），其中m与输入x的m一致。若为空则为动态量化。当数据类型为FLOAT16时，必须要求weightScale数据类型为INT64，且xQuantMode值为pertensor。支持空Tensor。
  • xOffsetOptional（aclTensor*，计算输入）：表示x的偏移量，可选参数，Device侧的aclTensor，当前仅支持传入空指针。
  • smoothScaleOptional（aclTensor*，计算输入）：表示x的平滑系数，可选参数，Device侧的aclTensor，公式中的$scale_{smooth}$，数据类型支持FLOAT16，undefined支持ND，支持undefined，shape是1维（k，），其中k与x的k一致。支持空Tensor。
  • xQuantMode（string，计算输入）：Host侧的string，指定输入x的量化模式，支持取值pertoken/pertensor，动态量化时只支持pertoken。pertoken表示每个token（某一行）都有自己的量化参数；pertensor表示整个张量使用统一的量化参数。
  • transposeWeight（bool，计算输入）：Host侧的bool，表示输入weight是否转置，类型支持bool。当前只支持true。
  • out（aclTensor*，计算输出）：必选参数，Device侧的aclTensor，计算结果，公式中的$out$，数据类型支持FLOAT16，undefined支持ND，只支持连续Tensor, shape支持2维，各个维度表示：（m，n）。其中m与x的m一致，n与weight的n一致。
  • workspaceSize（uint64_t *，出参）：返回需要在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：

  aclnnStatus: 返回状态码，具体参见undefined。

  [object Object]

aclnnQuantGroupedMatmulDequant

• 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aclnnQuantGroupedMatmulDequantGetWorkspaceSize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：

  aclnnStatus: 返回状态码，具体参见undefined。

约束说明

• n，k都需要是16的整数倍。
• 当weightScale数据类型为INT64时，必须要求xScaleOptional数据类型为FLOAT16，且xQuantMode值为pertensor；当xScaleOptional数据类型为FLOAT16时，必须要求weightScale数据类型为INT64，且xQuantMode值为pertensor。

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。