[object Object]

须知：该接口后续版本会废弃，请使用最新aclnnGroupedMatmulV5接口。

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

• 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。 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]：
    • 支持不同分组轴，由groupType表示。
    • 非量化场景，支持x，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）。
    • 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。
  • Atlas 350 加速卡：
    • 支持不同分组轴，由groupType表示。
    • 非量化场景支持x，weight输入都为float32类型。
    • 伪量化场景，支持weight转置，支持x，weight，y均为单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：
  $$y_i=x_i\times (weight_i + antiquant\_offset_i) * antiquant\_scale_i + bias_i$$

[object Object]

每个算子分为，必须先调用“aclnnGroupedMatmulV2GetWorkspaceSize”接口获取入参并根据计算流程计算所需workspace大小，再调用“aclnnGroupedMatmulV2”接口执行计算。

[object Object]

• 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
    • 输入参数x、weight，输出参数y支持最多128个tensor
  • Atlas 350 加速卡：
    • x支持FLOAT16、BFLOAT16、FLOAT32
    • weight支持FLOAT16、BFLOAT16、FLOAT32、INT8
    • biasOptional支持FLOAT16、BFLOAT16、FLOAT32
    • y支持FLOAT16、BFLOAT16、FLOAT32
    • 不支持scaleOptional、offsetOptional
    • groupType支持m轴分组和不分组，仅非量化支持k轴分组
    • 输入参数x、weight，输出参数y在非量化场景支持最多1024个tensor，在伪量化场景支持最多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]

[object Object]

• 参数说明

  [object Object]

• 返回值

  返回aclnnStatus状态码，具体参见。

[object Object]

• 确定性计算：

  • aclnnGroupedMatmulV2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。

  • 不同groupType支持场景：

    • 量化、伪量化仅支持groupType为-1和0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。例如单多单表示支持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。

• Atlas 350 加速卡：

  [object Object]

  • 非量化场景支持的数据类型为：

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

    • 以下入参为空：scaleOptional、offsetOptional、antiquantScaleOptional、antiquantOffsetOptional

    • 不为空的参数支持的数据类型组合要满足下表：

      [object Object]undefined
    [object Object][object Object]
    • 伪量化场景支持的数据类型为：

      • 以下入参为空：scaleOptional、offsetOptional

      • 不为空的参数支持的数据类型组合要满足下表：

        [object Object]undefined

      • antiquantScaleOptional和非空的biasOptional、antiquantOffsetOptional要满足下表（其中g为matmul组数即分组数）：

        [object Object]undefined

      • 仅支持单单单和多多多场景.

    [object Object][object Object]

    • 支持场景中单表示单tensor，多表示多tensor，表示顺序为x、weight、y。例如单多单表示支持x为单tensor、weight多tensor、y单tensor的场景。

      [object Object]undefined
    [object Object]

[object Object]

调用示例代码如下，仅供参考，具体编译和执行过程请参考。