aclnnGroupedMatmulV3

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。输入输出数据类型均为aclTensorList，对应的功能为：

  • k轴分组：$k_i$各不相同，但$m_i/n_i$每组相同，此时$x_i/weight_i$可以在$k_i$上拼接。
  • m轴分组：$k_i$各组相同，$weight_i/y_i$可以在$n_i$上拼接。

  相较于接口，此接口新增：

  • [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weight转置（转置指若shape为[M,K]时，则stride为[1,M],数据排布为[K,M]的场景）。
    • 支持m轴和k轴分组，由groupType表示。
    • x、weight、y都为单tensor非量化场景支持x，weight输入都为float32类型。
    • 量化、伪量化场景，支持weight转置，支持weight为单tensor。
    • 对于接口支持的特性，该接口不支持x为单tensor，weight/y为多tensor场景。

说明：

• 单tensor指一个tensor list中所有分组的tensor在groupType指定的分组轴上合并为1个；否则为多tensor。

• tensor转置：指若tensor shape为[M,K]时，则stride为[1,M],数据排布为[K,M]的场景，即非连续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“aclnnGroupedMatmulV3GetWorkspaceSize”接口获取入参并根据计算流程计算所需workspace大小，再调用“aclnnGroupedMatmulV3”接口执行计算。

aclnnGroupedMatmulV3GetWorkspaceSize

• 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支持FLOAT16、BFLOAT16、INT8、FLOAT32
    • weight支持FLOAT16、BFLOAT16、INT8、FLOAT32
    • biasOptional支持FLOAT16、FLOAT32、INT32
    • y支持FLOAT16、BFLOAT16、INT8、FLOAT32
    • groupType不支持n轴分组
    • 输入参数x、weight，输出参数y支持最多128个tensor。

• 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]

aclnnGroupedMatmulV3

• 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：
  • aclnnGroupedMatmulV3默认确定性实现。
• 如果传入groupListOptional，groupListOptional必须为非负递增数列，groupListOptional长度不能为1。
• 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。
• [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（仅x、weight、y都为单tensor场景支持）；

  • 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；

  • 不同groupType支持场景：

    • a16w8、a16w4场景仅支持groupType为-1和0场景。

    • A8W8、A8W4、A4W4场景仅支持groupType为0场景中x tensor数为单。

    • x、weight、y的输入类型为aclTensorList，表示一个aclTensor类型的数组对象。下面表格支持场景用"单"表示由一个aclTensor组成的aclTensorList，"多"表示由多个aclTensor组成的aclTensorList。例如"单多单"，分别表示x为单tensor、weight为多tensor、y为单tensor。

      [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x不转置时$x_i$的K轴或当x转置时$x_i$的M轴。$weight_i$的最后一维指当weight不转置时$weight_i$的N轴或当weight转置时$weight_i$的K轴。

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。