DeInterleave
产品支持情况
|
产品 |
是否支持 |
|---|---|
|
Atlas 350 加速卡 |
√ |
|
|
x |
|
|
x |
|
|
x |
|
|
x |
|
|
x |
|
|
x |
功能说明
给定源操作数src0和src1，将src0和src1中的元素解交织存入结果操作数dst0和dst1中。解交织排列方式如下图所示，其中每个方格代表一个元素。
函数原型
- 两个输入
1 2
template <typename T> __aicore__ inline void DeInterleave(const LocalTensor<T>& dst0, const LocalTensor<T>& dst1, const LocalTensor<T>& src0, const LocalTensor<T>& src1, const int32_t count)
- 一个输入
1 2
template <typename T> __aicore__ inline void DeInterleave(const LocalTensor<T>& dst0, const LocalTensor<T>& dst1, const LocalTensor<T>& src, const int32_t srcCount)
参数说明
|
参数名 |
描述 |
|---|---|
|
T |
操作数数据类型。 |
|
参数名 |
输入/输出 |
描述 |
|---|---|---|
|
dst0/dst1 |
输出 |
目的操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。 Atlas 350 加速卡，支持的数据类型为：uint8_t/int8_t/uint16_t/int16_t/half/bfloat16_t/uint32_t/int32_t/float/uint64_t/int64_t |
|
src/src0/src1 |
输入 |
源操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。 源操作数的数据类型需要与目的操作数保持一致。 Atlas 350 加速卡，支持的数据类型为：uint8_t/int8_t/uint16_t/int16_t/half/bfloat16_t/uint32_t/int32_t/float/uint64_t/int64_t |
|
count |
输入 |
输入/输出数据元素个数，dst0/dst1/src0/src1长度大小为count。count必须为偶数。 |
|
srcCount |
输入 |
输入数据元素个数，两个输出的大小都为输入的一半。srcCount必须为偶数。 |
返回值说明
无
约束说明
无
调用示例
本样例中只展示Compute流程中的部分代码。
- 两个输入
AscendC::DeInterleave(dst0Local, dst1Local, src0Local, src1Local, 512);
结果示例如下：
输入数据src0Local: [1 2 3 ... 512] 输入数据src1Local: [513 514 515 ... 1024] 输出数据dst0Local: [1 3 5 ... 1023] 输出数据dst1Local: [2 4 6 ... 1024]
- 一个输入
AscendC::DeInterleave(dst0Local, dst1Local, srcLocal, 512);
结果示例如下：
输入数据srcLocal: [1 2 3 ... 512] 输出数据dst0Local: [1 3 5 ... 511] 输出数据dst1Local: [2 4 6 ... 512]