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

• 接口功能：训练场景下，使用FlashAttention算法实现self-attention（自注意力）的计算。对标竞品适配gptoss模型支持sink功能。该接口query、key、value参数支持多个长度相等或者多个长度不相等的sequence

  • 该接口相较于接口，功能差异如下：：
    • 调整Dropout功能：在keepProb小于1.0时，若没有外部传入的DropoutMask，则使用新增参数seed和offset生成DropoutMask；若有外部传入的DropoutMask，则使用外部传入的DropoutMask。 -增加了sinkOptional可选输入，数据类型支持FLOAT32。
  • 该接口相较于接口，功能差异如下：
    • 调整Dropout功能：在keepProb小于1.0时，若没有外部传入的DropoutMask，则使用新增参数seed和offset生成DropoutMask；若有外部传入的DropoutMask，则使用外部传入的DropoutMask。

• 计算公式：

  注意力的正向计算公式如下：

  • psetype=1时，与计算公式相同。

  • psetype=其他取值时，公式如下：

    $$attention\_out=Dropout(Softmax(Mask(scale*(query*key^T) + pse),atten\_mask),keep\_prob)*value$$

  其中增加sink之后计算逻辑见下，主要修改相关softmax_max和softmax_sum逻辑计算部分

  $$S = Q * K^{T}$$ $$m = max(sink, max(S))$$ $$Attention = \frac{e^{S - m} * V}{\sum e^{S-m} + e^{sink - m}}$$

[object Object]

每个算子分为，必须先调用“aclnnFlashAttentionScoreV4GetWorkspaceSize”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“aclnnFlashAttentionScoreV4”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]

• 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：

  • aclnnFlashAttentionScoreV4默认确定性实现。

• 输入query、key、value的

  • B：batchsize必须相等。
  • D：Head-Dim必须满足(qD == kD && kD >= vD)。
  • inputLayout必须一致。

• 输入queryRopeOptional与query的输入shape仅在D维度不同，其他shape参数应该相同

• 输入keyRopeOptional与key的输入shape仅在D维度不同，其他shape参数应该相同

• 关于数据shape的约束，以inputLayout的TND、BSND、BNSD为例（BSH、SBH下H=N*D），其中：

  • T(B*S)：取值范围为1~1M；TND格式下actualSeqQLenOptional支持的最大长度为20000。
  • B：取值范围为1~2M。带prefixOptional的时候B最大支持2K。
  • N：取值范围为1~256。
  • S：取值范围为1~1M。
  • D：取值范围为1~768。

• query、key、value数据排布格式支持从多种维度解读，其中B（Batch）表示输入样本批量大小、S（Seq-Length）表示输入样本序列长度、H（Head-Size）表示隐藏层的大小、N（Head-Num）表示多头数、D（Head-Dim）表示隐藏层最小的单元尺寸，且满足D=H/N。

• innerPrecise: 当前0、1为保留配置值，2为开启无效行计算，其功能是避免在计算过程中存在整行mask进而导致精度有损失，但是该配置会导致性能下降。 如果算子可判断出存在无效行场景，会自动开启无效行计算，例如sparseMode为3，Sq > Skv场景。

• pseType 各个取值含义

  [object Object]undefined

• pseType为2或3的时候，当前只支持Sq和Skv等长。

• sparseMode约束如下:

  • 当所有的attenMaskOptional的shape小于2048且相同的时候，建议使用default模式，来减少内存使用量。
  • 配置为1、2、3、5时，用户配置的preTokens、nextTokens不会生效。
  • 配置为0、4时，须保证attenMaskOptional与preTokens、nextTokens的范围一致。
  • 用户不特意指定时建议传入0。
  • sparse不同模式的详细说明请参见。

• 部分场景下，如果计算量过大可能会导致算子执行超时（aicore error类型报错，errorStr为：timeout or trap error），此时建议做轴切分处理，注：这里的计算量会受B、S、N、D等参数的影响，值越大计算量越大。

• band场景，preTokens和nextTokens之间必须要有交集。

• prefixOptional稀疏计算场景，场景包括sequence长度相等的场景下sparseMode=5、sparseMode=6；sequence长度不相等的场景下sparseMode=6。这两种场景下，当Sq > Skv时，prefix的N值取值范围[0, Skv]；当Sq <= Skv时，prefix的N值取值范围[Skv-Sq, Skv]。当sparseModeOptional=5、prefix的N > Skv或prefixOptional不传时执行全计算，sparseModeOptional=6要求prefixOptional必传。

• realShiftOptional：Sq大于1024时如果配置BNHS、1NHS，需要Sq和Skv等长。

• actualSeqQLenOptional输入支持某个Batch上的S长度为0，此时不支持可选输入realShiftOptional。

• attenMaskOptional输入不支持补pad，即attenMaskOptional中不能存在某一行全1的场景。

• 支持actualSeqQLenOptional中某个Batch上的S长度为0；如果存在S为0的情况，不支持pse输入， 假设真实的S长度为[2,2,0,2,2]，则传入的actualSeqQLenOptional为[2,4,4,6,8]。

• Atlas 350 加速卡：

  • seed和offset只在keepProb小于1.0时生效，否则不生效。
  • keepProb小于1.0时，若dropMaskOptional非nullptr，则使用输入的dropMask；否则使用seed和offset生成的dropMask。

• TND格式下，支持尾部部分Batch不参与计算，此时actual_seq_q_len和actual_seq_kv_len尾部传入对应个数的0即可。假设真实S长度为[2, 3, 4, 5, 6]，若希望最后两个Batch不参与计算，则传入的actual_seq_q_len为[2, 3, 4, 0, 0]。此时若需要传入prefixOptional，其尾部也需要传入同等数量的0，例如[1, 1, 1, 0, 0]。

• softmaxOutLayout支持传入：空字符串、"same_as_input"。

[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。