[object Object]

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

• 接口功能：MoE的routing计算，根据的计算结果做routing处理，支持不量化、静态量化和动态量化模式。本接口针对V2接口做出如下功能变更，请根据实际情况选择合适的接口：[object Object]

  [object Object]

• 计算公式：

  1.对输入expertIdx做排序，得出排序后的结果sortedExpertIdx和对应的序号sortedRowIdx：

  $$sortedExpertIdx, sortedRowIdx=keyValueSort(expertIdx,rowIdx)$$

  2.以sortedRowIdx做位置映射得出expandedRowIdxOut：

  • rowIdxType等于1时, 输出scatter索引

    $$expandedRowIdxOut[i]=sortedRowIdx[i]$$

  • rowIdxType等于0时, 输出gather索引

    $$expandedRowIdxOut[sortedRowIdx[i]]=i$$

  3.对sortedExpertIdx的每个专家统计直方图结果，得出expertTokensCountOrCumsumOutOptional：

  $$expertTokensCountOrCumsumOutOptional[i]=Histogram(sortedExpertIdx)$$

  4.如果quantMode不等于-1, 计算quant结果：

  • 静态quant
  $$quantResult=round((x∗scaleOptional)+offsetOptional)$$
  • 动态quant：

    • 若不输入scale：

      $$dynamicQuantScaleOutOptional = row\_max(abs(x)) / 127$$ $$quantResult = round(x / dynamicQuantScaleOutOptional)$$

    • 若输入scale:

      $$dynamicQuantScaleOutOptional = row\_max(abs(x * scaleOptional)) / 127$$ $$quantResult = round(x / dynamicQuantScaleOutOptional)$$

  5.若活跃的expert范围为全专家范围时，按照Scatter索引搬运token；反之按照Gather索引搬运token。在dropPadMode为1时将每个专家需要处理的Token个数对齐为expertCapacity个，超过expertCapacity个的Token会被Drop，不足的会用0填充。得出expandedXOut：

  • 非量化场景

    • 按照Scatter索引搬运
    $$expandedXOut[i]=x[scatterRowIdx[i] // K]$$
    • 按照Gather索引搬运
    $$expandedXOut[gatherRowIdx[i]]=x[i // K]$$

  • 量化场景

    • 按照Scatter索引搬运
    $$expandedXOut[i]=quantResult[scatterRowIdx[i] // K]$$
    • 按照Gather索引搬运
    $$expandedXOut[gatherRowIdx[i]]=quantResult[i // K]$$

  6.expandedRowIdxOut的有效元素数量availableIdxNum，计算方式为expertIdx中activeExpertRangeOptional范围内的元素的个数

  $$availableIdxNum = |\{x\in expertIdx| expert\_start \le x<expert\_end \ \}|$$

[object Object]

每个算子分为，必须先调用 “aclnnMoeInitRoutingV3GetWorkspaceSize”接口获取入参并计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnMoeInitRoutingV3”接口执行计算。

[object Object]

• 参数说明：

  [object Object]

• 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]

• 不同产品支持情况差异

  • quantMode支持情况差异：
    • [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]：支持-1、0、1。
    • Atlas 350 加速卡：支持-1、1、2、3。
  • Atlas 350 加速卡仅支持如下参数的值：
    • activeNum仅支持值等于NUM_ROWS*K。
    • expertCapacity仅校验其值，不使用该参数（即不限制每个专家能够处理的tokens数）。
    • dropPadMode仅支持取值为0。
    • expertTokensNumType仅支持取值1、2。
    • expertTokensNumFlag仅支持取值为true。

[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：

  • aclnnMoeInitRoutingV3默认确定性实现。

• 该算子在以下产品型号上支持三种性能模板，需要分别额外满足准入条件，否则进入通用模板：

  • 支持性能模板的产品：
    • [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]
  • 性能模板的准入条件：[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。