aclnnAddmmWeightNz

产品支持情况

[object Object]undefined

功能说明

• 接口功能：计算α 乘以mat1与mat2的乘积，再与β和self的乘积求和。相较于原有addmm接口，新接口mat2支持nz格式。

• 计算公式：

  $$out = β self + α (mat1 @ mat2)$$

• 示例：

  • 对于aclnnAddmmWeightNz接口，self的shape是[n,]，mat1的shape是[m, k]，mat2的shape是[k, n]，mat1和mat2的矩阵乘的结果shape是[m, n]，self的shape能broadcast到[m, n]。
  • 对于aclnnAddmmWeightNz接口，self的shape是[1, n]，mat1的shape是[m, k]，mat2的shape是[k, n]，mat1和mat2的矩阵乘的结果shape是[m, n]，self的shape能broadcast到[m, n]。
  • 对于aclnnAddmmWeightNz接口，self的shape是[m, n]，mat1的shape是[m, k]，mat2的shape是[k, n]，mat1和mat2的矩阵乘的结果shape是[m, n]。

函数原型

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

aclnnAddmmWeightNzGetWorkspaceSize

• 参数说明

  [object Object]
  • [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：
    • cubeMathType=1，当输入数据类型为FLOAT32时，会转换为HFLOAT32计算，当输入为其他数据类型时不做处理；
    • cubeMathType=2，当输入数据类型为BFLOAT16时不支持该选项；
    • cubeMathType=3，当输入数据类型为FLOAT32时，会转换为HFLOAT32计算，当输入为其他数据类型时不支持该选项。
  • [object Object]Atlas 训练系列产品[object Object]、[object Object]Atlas 推理系列产品[object Object]：
    • 不支持BFLOAT16数据类型；
    • 当输入数据类型为FLOAT32时不支持cubeMathType=0；
    • cubeMathType=1，当输入数据类型为FLOAT32时，会转换为FLOAT16计算，当输入为其他数据类型时不做处理；
    • 不支持cubeMathType=3。

• 返回值

  aclnnStatus：返回状态码，具体参见。

  第一段接口完成入参校验，出现如下场景时报错：

  [object Object]

aclnnAddmmWeightNz

• 参数说明

  [object Object]

• 返回值

  aclnnStatus：返回状态码，具体参见。

约束说明

• 确定性说明：aclnnAddmmWeightNz默认确定性实现。

• 计算一致性说明

  • [object Object]Atlas 训练系列产品[object Object]、[object Object]Atlas 推理系列产品[object Object]：
    • 当开启强一致性计算功能时，计算结果时确定的，多次执行将产生相同的输出。此外，计算结果与数据的位置无关。
    • aclnnAddmmWeightNz默认非一致性实现，支持通过aclrtCtxSetSysParamOpt开启一致性。
    • 例如，在进行矩阵乘时，不同基本块的累加顺序可能不同，这可能会导致相同数据在不同行的计算结果出现细微差异。然而，在开启强一致性计算的情况下，即使在不同的行中，只要输入相同，计算结果也将相同。

• 不支持mat1与mat2两个输入中一个输入为BFLOAT16，另一个输入为FLOAT或者FLOAT16的数据类型推导。

• 不支持mat2最后两根轴其中一根轴为1，即k=1或者n=1。

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。