aclnnGroupedMatmul

产品支持情况

[object Object]undefined

功能说明

• 接口功能：实现分组矩阵乘计算，每组矩阵乘的维度大小可以不同。基本功能为矩阵乘，如$y_i[m_i,n_i]=x_i[m_i,k_i] \times weight_i[k_i,n_i], i=1...g$，其中g为分组个数，$m_i/k_i/n_i$为对应shape。根据x、weight、y的Tensor数量支持如下4种场景：

  • x、weight、y都为多tensor，即每组的数据对应的Tensor是独立的。

  • x为单tensor，weight/y为多tensor，此时需要通过可选参数group_list说明x在行上的分组情况，如group_list[0]=10说明x的前10行参与第一组矩阵乘计算。

  • x、weight为多tensor，y为单tensor，此时每组矩阵乘的结果放在同一个Tensor中连续存放。

  • x、y为单tensor，weight为多tensor，属于前两种情况的组合。

    说明： 单tensor指一个tensor list中所有分组的tensor在M轴上合并为1个；否则为多tensor。

• 计算公式：

  • 非量化场景：

    $$y_i=x_i\times weight_i + bias_i$$

  • 量化场景：

    $$y_i=(x_i\times weight_i + bias_i) * scale_i + offset_i$$

  • 反量化场景：

    $$y_i=(x_i\times weight_i + bias_i) * scale_i$$

  • 伪量化场景：

    $$y_i=x_i\times (weight_i + antiquant\_offset_i) * antiquant\_scale_i + bias_i$$

函数原型

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

aclnnGroupedMatmulGetWorkspaceSize

• 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]：
    • x、weight支持FLOAT16、BFLOAT16、INT8
    • y支持FLOAT16、BFLOAT16、INT8、FLOAT32

• 返回值：

  返回aclnnStatus状态码，具体参见。

  第一阶段接口完成入参校验，出现以下场景时报错:

  [object Object]

aclnnGroupedMatmul

• 参数说明：

  [object Object]

• 返回值：

  返回aclnnStatus状态码，具体参见。

约束说明

• 确定性计算：
  • aclnnGroupedMatmul默认确定性实现。
• [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：

  • 非量化场景支持的输入类型为：

    • x为FLOAT16、weight为FLOAT16、biasOptional为FLOAT16、scaleOptional为 空、offsetOptional为空、antiquantScaleOptional为空、 antiquantOffsetOptional为空、y为FLOAT16；
    • x为BFLOAT16、weight为BFLOAT16、biasOptional为FLOAT32、scaleOptional 为空、offsetOptional为空、antiquantScaleOptional为空、 antiquantOffsetOptional为空、y为BFLOAT16；
    • x为FLOAT32、weight为FLOAT32、biasOptional为FLOAT32、scaleOptional为 空、offsetOptional为空、antiquantScaleOptional为空、 antiquantOffsetOptional为空、y为FLOAT32；

  • 量化场景支持的输入类型为：

    • x为INT8、weight为INT8、biasOptional为INT32、scaleOptional为UINT64、 offsetOptional为空、antiquantScaleOptional为空、 antiquantOffsetOptional为空、y为INT8；

  • 伪量化场景支持的输入类型为：

    • x为FLOAT16、weight为INT8、biasOptional为FLOAT16、scaleOptional为空， offsetOptional为空，antiquantScaleOptional为FLOAT16、 antiquantOffsetOptional为FLOAT16、y为FLOAT16；
    • x为BFLOAT16、weight为INT8、biasOptional为FLOAT32、scaleOptional为 空，offsetOptional为空，antiquantScaleOptional为BFLOAT16、 antiquantOffsetOptional为BFLOAT16、y为BFLOAT16；

  • 如果传入groupListOptional，groupListOptional必须为非负递增数列， groupListOptional长度不能为1。

  • 当前支持的场景： 支持场景中单表示单tensor，多表示多tensor，表示顺序为x，weight，y，例，单 多单表示支持x为单tensor，weight多tensor，y单tensor的场景。

    [object Object]undefined

  • x和weight中每一组tensor的最后一维大小都应小于65536。$x_i$的最后一维指当属 性transpose_x为false时$x_i$的K轴或当transpose_x为true时$x_i$的M轴。 $weight_i$的最后一维指当属性transpose_weight为false时$weight_i$的N轴或当 transpose_weight为true时$weight_i$的K轴。

  • x和weight中每一组tensor的每一维大小在32字节对齐后都应小于int32的最大值 2147483647。

调用示例

调用示例代码如下，仅供参考，具体编译和执行过程请参考。