[object Object][object Object][object Object]undefined[object Object]

• 算子功能：完成一个输入为伪量化场景的矩阵乘计算，并可以实现对于输出的量化计算。相较于aclnnWeightQuantBatchMatmulV2接口，此接口变化点为：

  新增innerPrecise参数，用于支持高精度或者高性能计算模式选择。A16W4 per_group场景在batchSize<=16的场景下可设置为1， 提升性能。

• 计算公式：

  $$y = x @ ANTIQUANT(weight) + bias$$

  公式中的$weight$为伪量化场景的输入，其反量化公式$ANTIQUANT(weight)$为

  $$ANTIQUANT(weight) = (weight + antiquantOffset) * antiquantScale$$

  当用户配置quantScaleOptional输入时，会对输出进行量化处理, 其量化公式为

  $$\begin{aligned} y &= QUANT(x @ ANTIQUANT(weight) + bias) \\ &= (x @ ANTIQUANT(weight) + bias) * quantScale + quantOffset \\ \end{aligned}$$

  当用户配置quantScaleOptional输入为nullptr, 则直接输出:

  $$y = x @ ANTIQUANT(weight) + bias$$

[object Object]

每个算子分为，必须先调用“aclnnWeightQuantBatchMatmulV3GetWorkspaceSize”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“aclnnWeightQuantBatchMatmulV3”接口执行计算。

[object Object]

• 参数说明

  [object Object]

  • Atlas 350 加速卡：

    • 上表数据类型列中的角标“1”代表该系列不支持的数据类型。

  • [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]：

    • 上表数据类型列中的角标“2”代表该系列不支持的数据类型。

• 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]

[object Object]

• 参数说明

  [object Object]

• 返回值：

  aclnnStatus：返回状态码，具体参见。

[object Object]

[object Object][object Object]

[object Object]

• 确定性说明：默认非确定性实现，支持通过aclrtCtxSetSysParamOpt开启确定性。

• 公共约束

  • 当weight数据格式为FRACTAL_NZ且数据类型为INT4/INT32时，或者当weight数据格式为ND且数据类型为INT32时，仅在INT4Pack场景支持，需要配合aclnnConvertWeightToINT4Pack接口完成从INT32到INT4Pack的转换，以及从ND到FRACTAL_NZ的转换，[object Object]详情可参考[object Object]，若数据类型为INT4，则weight的内轴应为偶数。
  • 对于不同伪量化算法模式，weight的数据格式为FRACTAL_NZ仅在如下场景下支持:
    • per_channel模式： weight的数据类型为INT8，y的数据类型为非INT8。 weight的数据类型为INT4/INT32，weight转置，y的数据类型为非INT8。
    • per_group模式：weight的数据类型为INT4/INT32，weight非转置，x非转置，antiquantGroupSize为64或128，k为antiquantGroupSize对齐，n为64对齐，y的数据类型为非INT8。

• 性能优化建议

  • per_channel模式：为提高性能，推荐使用transpose后的weight输入。m范围为[65, 96]时，推荐使用数据类型为UINT64/INT64的antiquantScale。
  • per_group模式：在A16W4，batchSize<=16的场景下可设置innerPrecise参数为1，并且weight数据格式设为FRACTAL_NZ，来提升性能，但会存在一定的精度下降。[object Object]

[object Object][object Object]

[object Object]

• 确定性说明：默认确定性实现。

• 公共约束

  • [object Object]和[object Object]矩阵m、k、n大小在[1, 2^31-1]范围内。[object Object]的Reduce维度k需要与[object Object]的Reduce维度k大小相等。
  • 支持的量化模式：pertensor、perchannel、pergroup和mx。
  • [object Object]不支持转置，因此不支持，weight仅转置场景支持非连续的Tensor；antiquantScale、antiquantOffsetOptional非连续Tensor仅支持转置场景并且连续性要求和weight保持一致。
  • [object Object]不同量化模式支持的shape：
    • pertensor：(1,)或(1,1)。
    • perchannel：输入shape为(1, n)或(n,)。
    • pergroup：输入shape为(⌈k/group_size⌉, n)，其中group_size表示k要分组的每组的大小。
    • mx：输入shape为(⌈k/group_size⌉, n)，其中group_size表示k要分组的每组的大小，仅支持32。
  • [object Object]和[object Object]为预留参数，暂未使用，固定传入空指针。

  [object Object][object Object]

  [object Object]
  • 输入和输出数据类型组合要求
  [object Object]undefined[object Object]

  [object Object][object Object]

  [object Object]
  • 输入和输出数据类型组合要求
  [object Object]undefined

  • 约束说明

    除外，A16W4场景其余约束如下：

    • 若[object Object]数据类型为INT4或FLOAT4_E2M1，则weight的最后一维应为2对齐；若[object Object]数据类型为INT32或FLOAT，则weight的最后一维应为8对齐。
    • 若[object Object]数据类型为INT32/FLOAT时，必须配合[object Object]接口完成从INT32/FLOAT到紧密排布的INT4/FLOAT4_E2M1的转换，。

[object Object][object Object]

• 性能优化建议

  • pertensor：当为ND时，推荐使用转置后的[object Object]输入；
  • perchannel：当为ND时，推荐使用转置后的[object Object]输入；
  • pergroup和mx：推荐使用非转置的[object Object]输入。
  [object Object]

[object Object][object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。

• [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]、Atlas 350 加速卡： A16W8调用示例。

  [object Object]

• Atlas 350 加速卡： A16MxFp4调用示例。

  [object Object]