[object Object]

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

• 接口功能：执行单路旋转位置编码计算。

• 计算公式：

  • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]、[object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：

  （1）half模式（mode等于0）：

  $$x1 = x[..., : x.shape[-1] // 2]$$ $$x2 = x[..., x.shape[-1] // 2 :]$$ $$x\_rotate = torch.cat((-x2, x1), dim=-1)$$ $$y = x * cos + x\_rotate * sin$$

  （2）interleave模式（mode等于1）：

  $$x1 = x[..., ::2].view(-1, 1)$$ $$x2 = x[..., 1::2].view(-1, 1)$$ $$x\_rotate = torch.cat((-x2, x1), dim=-1).view(x.shape[0], x.shape[1], x.shape[2], x.shape[3])$$ $$y = x * cos + x\_rotate * sin$$

  （3）quarter模式（mode等于2）：

  $$x1 = x[..., : x.shape[-1] // 4]$$ $$x2 = x[..., x.shape[-1] // 4 : x.shape[-1] // 2]$$ $$x3 = x[..., x.shape[-1] // 2 : x.shape[-1] // 4 * 3]$$ $$x4 = x[..., x.shape[-1] // 4 * 3 :]$$ $$x\_rotate = torch.cat((-x2, x1, -x4, x3), dim=-1)$$ $$y = x * cos + x\_rotate * sin$$

  （4）interleave-half模式（mode等于3），该模式会先将奇数位的输入抽取到前半部分，将偶数位的输入抽取到后半部分，再进行half处理：

  $$x1 = x[..., ::2]$$ $$x2 = x[..., 1::2]$$ $$x\_part1 = torch.cat((x1, x2), dim=-1)$$ $$x\_part2 = torch.cat((-x2, x1), dim=-1)$$ $$y = x\_part1 * cos + x\_part2 * sin$$

[object Object]

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

[object Object]

• 参数说明

  [object Object]

  • [object Object]Atlas 推理系列产品[object Object]：不支持BFLOAT16数据类型

  • 参数mode约束：

    • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]、[object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：0=half，1=interleave。
    • Atlas 350 加速卡：2=quarter，3=interleave-half。
    • [object Object]Atlas 推理系列产品[object Object]：0=half。

• 返回值：

  返回aclnnStatus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：

  返回aclnnStatus状态码，具体参见。

[object Object]

• 确定性计算：

  • aclnnRotaryPositionEmbedding默认确定性实现。

  • Atlas 350 加速卡：

    输入张量x共有四维，各参数的shape约束可以描述如下：

    • 输入张量x、cos、sin及输出张量y的最后一维大小必须相同，且小于等于1024。对于half、interleave和interleave-half模式，最后一维必须能被2整除，对于quarter模式，最后一维必须能被4整除。
    • 输入张量x和输出张量y的shape必须完全相同。
    • 输入张量cos和sin的shape必须完全相同，cos和sin的shape需要与x满足，且广播后的shape必须等于x的shape。

  • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]、[object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：

    输入张量x支持BNSD、BSND、SBND、TND排布。 输入张量x、cos、sin及输出张量y的D维度大小必须相同，满足D<896，且必须为2的倍数。 输入张量x和输出张量y的shape必须完全相同。 输入张量cos和sin的shape必须完全相同.

    • half模式：
      • B，N < 1000;
      • 当x为BNSD时，cos、sin支持11SD、B1SD、BNSD
        • 当（D/2）% (32/inputDtypeSize) == 0时，需满足B * N <= S * 8
        • 当（D/2）% (32/inputDtypeSize) != 0时，需满足B * N * 2 <= (S + coreNum -1) / coreNum 或者 D >= 80
      • 当x为BSND时，cos、sin支持1S1D、BS1D、BSND
      • 当x为SBND时，cos、sin支持S11D、SB1D、SBND
      • 当x为TND时，cos、sin支持T1D、TND
    • interleave模式：
      • B * N < 1000（N<1000当x为TND）
      • 当x为BNSD时，cos、sin支持11SD
      • 当x为BSND时，cos、sin支持1S1D
      • 当x为SBND时，cos、sin支持S11D
      • 当x为TND时，cos、sin支持T1D

  • [object Object]Atlas 推理系列产品[object Object]：

    输入张量x支持BNSD、BSND、SBND、TND排布。 输入张量x、cos、sin及输出张量y的D维度大小必须相同，满足D<=128，且必须为32的倍数。 输入张量x和输出张量y的shape必须完全相同。 输入张量cos和sin的shape必须完全相同。

    • 仅支持half模式：
      • B，N < 1000
      • 当x为BNSD时，cos、sin支持11SD、B1SD、BNSD
        • B * N <= S * 8
      • 当x为BSND时，cos、sin支持1S1D、BS1D、BSND
      • 当x为SBND时，cos、sin支持S11D、SB1D、SBND
      • 当x为TND时，cos、sin支持T1D、TND

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。