aclnnQuantMatmulAllReduceAddRmsNorm&aclnnInplaceQuantMatmulAllReduceAddRmsNorm

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]	×

说明： 使用该接口时，请确保驱动固件包和CANN包都为配套的8.0.RC2版本或者配套的更高版本，否则将会引发报错，比如BUS ERROR等。

功能说明

• 算子功能：完成mm + all_reduce + add + rms_norm计算。
• 计算公式：$$mm_out = allReduce(dequantScale * (x1_{int8}@x2_{int8} + bias_{int32}))$$ $$y = mm_out + residual$$ $$normOut = \frac{y}{RMS(y)} * gamma, RMS(y) = \sqrt{\frac{1}{d} \sum_{i=1}^{d} y_{i}^{2} + epsilon}$$

函数原型

• aclnnQuantMatmulAllReduceAddRmsNorm和aclnnInplaceQuantMatmulAllReduceAddRmsNorm实现相同的功能，使用区别如下，请根据自身实际场景选择合适的算子。

  • aclnnQuantMatmulAllReduceAddRmsNorm：需新建两个输出张量normOut和张量y对象存储计算结果。
  • aclnnInplaceQuantMatmulAllReduceAddRmsNorm：需新建一个输出张量normOut，原非Inplace场景中新建的输出张量y存储的结果直接存储到输入张量residual的内存中。

• 每个算子分为undefined，必须先调用“aclnnQuantMatmulAllReduceAddRmsNormGetWorkspaceSize”或者“aclnnInplaceQuantMatmulAllReduceAddRmsNormGetWorkspaceSize”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“aclnnQuantMatmulAllReduceAddRmsNorm”或者“aclnnInplaceQuantMatmulAllReduceAddRmsNorm”接口执行计算。

  • aclnnStatus aclnnQuantMatmulAllReduceAddRmsNormGetWorkspaceSize(const aclTensor *x1, const aclTensor *x2, const aclTensor *bias, const aclTensor *dequantScale, const aclTensor *residual, const aclTensor *gamma, double epsilon, const char* group, const char *reduceOp, int64_t commTurn, int64_t streamMode, const aclTensor *y, const aclTensor *normOut, uint64_t *workspaceSize, aclOpExecutor **executor)
  • aclnnStatus aclnnQuantMatmulAllReduceAddRmsNorm(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)
  • aclnnStatus aclnnInplaceQuantMatmulAllReduceAddRmsNormGetWorkspaceSize(const aclTensor *x1, const aclTensor *x2, const aclTensor *bias, const aclTensor *dequantScale, const aclTensor *residual, const aclTensor *gamma, double epsilon, const char* group, const char *reduceOp, int64_t commTurn, int64_t streamMode, const aclTensor *normOut, uint64_t *workspaceSize, aclOpExecutor **executor)
  • aclnnStatus aclnnInplaceQuantMatmulAllReduceAddRmsNorm(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)

aclnnQuantMatmulAllReduceAddRmsNormGetWorkspaceSize

• 参数说明：

  • x1(aclTensor*, 计算输入)：公式中的输入x1，数据类型支持INT8，undefined支持ND。Device侧的aclTensor，mm左矩阵，不支持非连续输入。当前版本仅支持二维或者三维输入。
  • x2(aclTensor*, 计算输入)：公式中的输入x2，数据类型支持INT8，undefined支持ND。Device侧的aclTensor，mm右矩阵。undefined仅支持transpose场景。当前版本仅支持二维输入。
  • bias(aclTensor*, 计算输入)：公式中的输入bias，数据类型支持INT32，undefined支持ND。Device侧的aclTensor，当前版本仅支持一维输入。
  • dequantScale(aclTensor*, 计算输入)：公式中的输入dequantScale，数据类型支持UINT64、BFLOAT16。undefined支持ND。matmul计算后的全量化系数。shape在per-tensor场景为(1)，per-channel场景为(n)/(1, n)。
  • residual(aclTensor*, 计算输入)：公式中的输入residual，数据类型支持FLOAT16、BFLOAT16。undefined支持ND。Device侧的aclTensor，AddRmsNorm融合算子的残差输入，不支持undefined。当前版本仅支持三维输入。
  • gamma(aclTensor*, 计算输入)：公式中的输入gamma，数据类型支持FLOAT16、BFLOAT16。undefined支持ND。Device侧的aclTensor，AddRmsNorm融合算子的RmsNorm计算输入，不支持undefined。当前版本仅支持一维输入。
  • epsilon(double, 计算输入)：公式中的输入epsilon，Host侧双精度，用于防止除0错误。epsilon取值满足取值范围(0,1)。
  • group(char*, 计算输入)：通信域名称。数据类型支持String。通过Hccl提供的接口获取：extern HcclResult HcclGetCommName(HcclComm comm, char* commName); commName即为group。
  • reduceOp(char*, 计算输入)：reduce操作类型。数据类型支持String。当前版本仅支持输入"sum"。
  • commTurn(int64_t, 计算输入)：Host侧的整型，数据类型支持INT64。通信数据切分数，即总数据量/单次通信量。当前版本仅支持输入0。
  • streamMode(int64_t, 计算输入)：Host侧的整型，类型支持INT64。流模式的枚举，当前只支持枚举值1。
  • y(aclTensor*, 计算输出)：公式中的输出y，数据类型支持FLOAT16、BFLOAT16，且数据类型同residual输入。Device侧的aclTensor，mm + all_reduce + add的结果。
  • normOut(aclTensor*, 计算输出)：公式中的输出normOut，数据类型支持FLOAT16、BFLOAT16，且数据类型同residual输入。Device侧的aclTensor，mm + all_reduce + add + rms_norm的结果。
  • 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：

  返回aclnnStatus状态码，具体参见undefined。

  [object Object]

aclnnQuantMatmulAllReduceAddRmsNorm

• 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aclnnQuantMatmulAllReduceAddRmsNormGetWorkspaceSize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。

aclnnInplaceQuantMatmulAllReduceAddRmsNormGetWorkspaceSize

• 参数说明：

  • x1(aclTensor*, 计算输入)：公式中的输入x1，数据类型支持INT8，undefined支持ND。Device侧的aclTensor，mm左矩阵，不支持非连续输入。当前版本仅支持二维或者三维输入。
  • x2(aclTensor*, 计算输入)：公式中的输入x2，数据类型支持INT8，undefined支持ND。Device侧的aclTensor，mm右矩阵。undefined仅支持transpose场景。当前版本仅支持二维输入。
  • bias(aclTensor*, 计算输入)：公式中的输入bias，数据类型支持INT32，undefined支持ND。Device侧的aclTensor，当前版本仅支持一维输入。
  • dequantScale(aclTensor*, 计算输入)：公式中的输入dequantScale，数据类型支持UINT64、BFLOAT16。undefined支持ND。mm计算后的全量化系数。shape在per-tensor场景为(1)，per-channel场景为(n)/(1, n)。
  • residual(aclTensor*, 计算输入)：公式中的输入residual，数据类型支持FLOAT16、BFLOAT16。undefined支持ND。Device侧的aclTensor，AddRmsNorm融合算子的残差输入，不支持undefined。当前版本仅支持三维输入。inplace场景将residual作为y的输出地址。
  • gamma(aclTensor*, 计算输入)：公式中的输入gamma，数据类型支持FLOAT16、BFLOAT16。undefined支持ND。Device侧的aclTensor，AddRmsNorm融合算子的RmsNorm计算输入，不支持undefined。当前版本仅支持一维输入。
  • epsilon(double, 计算输入)：公式中的输入epsilon，Host侧双精度，用于防止除0错误。epsilon取值满足取值范围(0,1)。
  • group(char*, 计算输入)：通信域名称。数据类型支持String。通过Hccl提供的接口“extern HcclResult HcclGetCommName(HcclComm comm, char* commName);”获取，其中commName即为group。
  • reduceOp(char*, 计算输入)：reduce操作类型。数据类型支持String。当前版本仅支持输入"sum"。
  • commTurn(int64_t, 计算输入)：Host侧的整型，数据类型支持INT64。通信数据切分数，即总数据量/单次通信量。当前版本仅支持输入0。
  • streamMode(int64_t, 计算输入)：Host侧的整型，类型支持INT64。流模式的枚举，当前只支持枚举值1。
  • normOut(aclTensor*, 计算输出)：公式中的输出normOut，数据类型支持FLOAT16、BFLOAT16，且数据类型同residual输入。Device侧的aclTensor，mm + all_reduce + add + rms_norm的结果。
  • 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：

  返回aclnnStatus状态码，具体参见undefined。

  [object Object]

aclnnInplaceQuantMatmulAllReduceAddRmsNorm

• 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aclnnInplaceQuantMatmulAllReduceAddRmsNormGetWorkspaceSize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

• 使用场景同融合算子undefined一致：增量场景不使能MC2，全量场景使能MC2。
• 输入x1可为二维或者三维，其shape为(b, s, k)或者(m, k)。x2必须是二维，其shape为(k, n)，轴满足mm算子入参要求，k轴相等。bias若非空，bias为一维，其shape为(n)。
• m大小不超过2147483647，x1与x2的最后一维大小不超过65535，x1的最后一维指k，x2的最后一维指转置时的k或非转置时的n。
• 输入residual必须是三维，其shape为(b, s, n)，当x1为二维时，residual的(b*s)等于x1的m。输入gamma其shape为(n)。
• 输出y和normOut的维度和数据类型同residual，其shape为(b, s, n)。
• 若输出residual类型为FLOAT16，dequantScale的类型为UINT64、INT64；若输出residual类型为BFLOAT16，dequantScale的类型为BFLOAT16。
• x1、x2数据类型为INT8，bias数据类型为INT32、residual、gamma、y、normOut计算输入的数据类型要一致。
• 只支持x2矩阵转置/不转置，x1矩阵支持不转置场景。
• 支持1、2、4、8卡，并且仅支持hccs链路all mesh组网。
• 支持(b*s)、n为0的空tensor，不支持k为0的空tensor。
• [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]：一个模型中的通算融合MC2算子，仅支持相同通信域。

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。