MulCast

产品支持情况

产品	是否支持
Atlas A3 训练系列产品 / Atlas A3 推理系列产品	√
Atlas A2 训练系列产品 / Atlas 800I A2 推理产品 /A200I A2 Box 异构组件	√
Atlas 200I/500 A2 推理产品	√
Atlas 推理系列产品 AI Core	√
Atlas 推理系列产品 Vector Core	x
Atlas 训练系列产品	x
Atlas 200/300/500 推理产品	x

功能说明

按元素求积，并根据源操作数和目的操作数Tensor的数据类型进行精度转换。计算公式如下:

$\text{[math]}$

函数原型

tensor前n个数据计算

        
             template <typename T, typename U>
__aicore__ inline void MulCast(const LocalTensor<T> &dst, const LocalTensor<U> &src0, const LocalTensor<U> &src1, uint32_t count)

tensor高维切分计算

mask逐bit模式

          
               template <typename T, typename U>
__aicore__ inline void MulCast(const LocalTensor<T> &dst, const LocalTensor<U> &src0, const LocalTensor<U> &src1, uint64_t mask[], const uint8_t repeatTime, const BinaryRepeatParams &repeatParams)

mask连续模式

          
               template <typename T, typename U>
__aicore__ inline void MulCast(const LocalTensor<T> &dst, const LocalTensor<U> &src0, const LocalTensor<U> &src1, uint64_t mask, const uint8_t repeatTime, const BinaryRepeatParams &repeatParams)

参数说明

表1 模板参数说明
参数名	描述
T	目的操作数数据类型。不同数据类型对应的精度转换规则见表3。 Atlas 推理系列产品 AI Core，支持的数据类型为：int8_t、uint8_t。 Atlas A2 训练系列产品 / Atlas 800I A2 推理产品 /A200I A2 Box 异构组件，支持的数据类型为：int8_t、uint8_t。 Atlas 200I/500 A2 推理产品，支持的数据类型为：int8_t、uint8_t。
U	源操作数数据类型。 Atlas 推理系列产品 AI Core，支持的数据类型为：half。 Atlas A2 训练系列产品 / Atlas 800I A2 推理产品 /A200I A2 Box 异构组件，支持的数据类型为：half。 Atlas 200I/500 A2 推理产品，支持的数据类型为：half。

表2 参数说明
参数名	输入/输出	描述
dst	输出	目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。
src0、src1	输入	源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。
count	输入	参与计算的元素个数。
mask[]/mask	输入	mask用于控制每次迭代内参与计算的元素。逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。 mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 2⁶⁴-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 2⁶⁴-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 2³²-1]。例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。
repeatTime	输入	重复迭代次数。矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考如何使用Tensor高维切分计算API。
repeatParams	输入	控制操作数地址步长的参数。BinaryRepeatParams类型，包含操作数相邻迭代间相同datablock的地址步长，操作数同一迭代内不同datablock的地址步长等参数。相邻迭代间的地址步长参数说明请参考repeatStride；同一迭代内DataBlock的地址步长参数说明请参考dataBlockStride。

表3 精度转换规则
源操作数的数据类型	目的操作数的数据类型	类型转换模式介绍
half	int8_t	将源操作数按照CAST_NONE模式取整，以int8_t格式（溢出默认按照饱和处理）存入目的操作数中。
half	uint8_t	将源操作数按照CAST_NONE模式取整，以uint8_t格式（溢出默认按照饱和处理）存入目的操作数中。

返回值说明

无

调用示例

tensor高维切分计算样例-mask连续模式

        
             uint64_t mask = 128;
// repeatTime = 4，一次迭代计算128个数，共计算512个数
// dstBlkStride, src0BlkStride, src1BlkStride = 1，单次迭代内数据连续读取和写入
// dstRepStride = 4，相邻迭代间数据连续写入
// src0RepStride, src1RepStride = 8，相邻迭代间数据连续读取
AscendC::MulCast(dstLocal, src0, src1Local, mask, repeatTime, repeatParams);

tensor高维切分计算样例-mask逐bit模式

        
             uint64_t mask[2] = { UINT64_MAX, UINT64_MAX }; 
// repeatTime = 4，一次迭代计算128个数，共计算512个数
// dstBlkStride, src0BlkStride, src1BlkStride = 1，单次迭代内数据连续读取和写入
// dstRepStride = 4，相邻迭代间数据连续写入
// src0RepStride, src1RepStride = 8，相邻迭代间数据连续读取
AscendC::MulCast(dstLocal, src0, src1Local, mask, repeatTime, repeatParams);

tensor前n个数据计算样例

        
             AscendC::MulCast(dstLocal, src0, src1Local, 512);

结果示例如下：

输入数据src0: [1 -2 3 ... -6]
输入数据src1Local: [1 3 -4 ... 5]
输出数据dstLocal: [1 -6 -12 ... -30]

父主题： 复合计算