aclnnRingAttentionUpdateV2

产品支持情况

[object Object]undefined

功能说明

• 接口功能：将两次FlashAttention的输出根据其不同的softmax的max和sum更新。

  与接口的区别是：在输入排布为TND的场景下，原RingAttentionUpdate接口中的softmax相关输入的数据排布为BNS8，RingAttentionUpdateV2 接口支持传入字符串参数 inputSoftmaxLayout，用于控制 softmax 相关输入的数据排布是否与attention保持一致（即采用 TND 排布）。

• 计算公式：

$$softmax\_max = max(prev\_softmax\_max, cur\_softmax\_max)$$ $$softmax\_sum = prev\_softmax\_sum * exp(prev\_softmax\_max - softmax\_max) + cur\_softmax\_sum * exp(cur\_softmax\_max - softmax\_max)$$ $$attn\_out = prev\_attn\_out * exp(prev\_softmax\_max - softmax\_max) * prev\_softmax\_sum / softmax\_sum + cur\_attn\_out * exp(cur\_softmax\_max - softmax\_max) * cur\_softmax\_sum / softmax\_sum$$

函数原型

每个算子分为，必须先调用“aclnnRingAttentionUpdateV2GetWorkspaceSize”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“aclnnRingAttentionUpdateV2”接口执行计算。

aclnnRingAttentionUpdateV2GetWorkspaceSize

• 参数说明

  • prevAttnOut(aclTensor*,计算输入)：Device侧的aclTensor，公式中的prev_attn_out，第一次FlashAttention的输出，数据类型支持FLOAT16、FLOAT、BFLOAT16，输入shape和inputLayoutOptional属性保持一致，支持，支持ND。
    • [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]：当输入数据排布inputLayoutOptional为TND时，D限制为64的倍数
  • prevSoftmaxMax(aclTensor*,计算输入)：Device侧的aclTensor，公式中的prev_softmax_max，第一次FlashAttention的softmax的max结果，数据类型支持FLOAT，输入shape为(B,N,S,8)或(T,N,8)，最后一维8个数字相同，且需要为正数，支持，支持ND。此处B为batch size，N为head number，S为sequence length，T为time。
  • prevSoftmaxSum(aclTensor*,计算输入)：Device侧的aclTensor，公式中的prev_softmax_sum，第一次FlashAttention的softmax的sum结果，数据类型支持FLOAT，输入shape和prevSoftmaxMax保持一致，最后一维8个数字相同，且需要为正数，支持，支持ND。
  • curAttnOut(aclTensor*,计算输入)：Device侧的aclTensor，公式中的cur_attn_out，第二次FlashAttention的输出，数据类型支持FLOAT16、FLOAT、BFLOAT16，数据类型和输入shape和prevAttnOut保持一致，支持，支持ND。
    • [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]：当输入数据排布inputLayoutOptional为TND时，D限制为64的倍数
  • curSoftmaxMax(aclTensor*,计算输入)：Device侧的aclTensor，公式中的cur_softmax_max，第二次FlashAttention的softmax的max结果，数据类型支持FLOAT，输入shape和prevSoftmaxMax保持一致，最后一维8个数字相同，且需要为正数，支持，支持ND。
  • curSoftmaxSum(aclTensor*,计算输入)：Device侧的aclTensor，公式中的cur_softmax_sum，第二次FlashAttention的softmax的sum结果，数据类型支持FLOAT，输入shape和prevSoftmaxMax保持一致，最后一维8个数字相同，且需要为正数，支持，支持ND。
  • actualSeqQlenOptional(aclTensor*,计算输入)：Device侧的aclTensor，从0开始的sequence length的累加，数据类型支持INT64。当数据排布inputLayoutOptional为TND时，需要传入该参数，这是一个从0开始递增至T的整数aclTensor。
  • inputLayoutOptional(char*,计算输入)：Host侧的char*常量，prevAttnOut和curAttnOut的数据排布。当前支持“TND”和“SBH”。
  • inputSoftmaxLayoutOptional(char*,计算输入)：Host侧的char*常量，prevSoftmaxMax、prevSoftmaxSum、curSoftmaxMax和curSoftmaxSum数据排布。当输入数据排布inputLayoutOptional为TND时生效，当前支持空字符串、“SBH”和“TND”。通过此开关控制是否对softmaxMax相关输入做转置操作。
  • attnOutOut(aclTensor*,计算输出)：Device侧的aclTensor，公式中的attn_out，通过两次结果更新后的输出，数据类型支持FLOAT16、FLOAT、BFLOAT16，数据类型和输出shape和prevAttnOut保持一致，支持，支持ND。
  • softmaxMaxOut(aclTensor*,计算输出)：Device侧的aclTensor，公式中的softmax_max，通过两次结果更新后的softmax的max，数据类型支持FLOAT，输出shape和prevSoftmaxMax保持一致，支持，支持ND。
  • softmaxSumOut(aclTensor*,计算输出)：Device侧的aclTensor，公式中的softmax_sum，通过两次结果更新后的softmax的sum，数据类型支持FLOAT，输出shape和prevSoftmaxMax保持一致，支持，支持ND。
  • 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

  aclnnStatus：返回状态码，具体参见。

  第一段接口完成入参校验，出现以下场景时报错：

  [object Object]

aclnnRingAttentionUpdateV2

• 参数说明

  [object Object]

• 返回值

  aclnnStatus：返回状态码，具体参见。

约束说明

• 确定性计算：
  • aclnnRingAttentionUpdateV2默认确定性实现。
• 当inputLayoutOptional为“TND”时，actualSeqQlenOptional为必填。
• 当inputLayoutOptional为“TND”时，其中：
  • N：N<=256。
  • D：D<=768且D为64的倍数。
• 当inputLayoutOptional为“TND”时，inputSoftmaxLayoutOptional才生效。inputSoftmaxLayoutOptional只支持三种输入：空字符串、“SBH”、“TND”

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。