昇腾社区首页
开发者
资源
支持
积分兑换 NEW
[object Object]
[object Object]
[object Object]

Cube编程范式把算子的实现流程分为5个基本任务：CopyIn，Split，Compute，Aggregate，CopyOut。CopyIn负责搬入操作，Split负责数据切分操作，Compute负责矩阵指令计算操作，Aggregate负责数据汇聚操作，CopyOut负责搬出操作。

图 1 矩阵编程基本任务设计[object Object][object Object]

具体任务之间的交互流程和流程图如下。

  1. Stage1：CopyIn任务。

    1. 使用接口将GlobalTensor数据拷贝到LocalTensor。
    2. 使用将LocalTensor放入A1/B1的Queue中。

  2. Stage2：Split任务。

    1. 使用从A1/B1中取出LocalTensor。
    2. 使用接口将LocalTensor从A1/B1中搬运到A2/B2。
    3. 使用将计算结果LocalTensor放入到A2/B2的Queue中。

  3. Stage3：Compute任务。

    1. 使用从A2/B2中取出LocalTensor。
    2. 使用接口完成矩阵计算。
    3. 使用将计算结果LocalTensor放入到CO1的Queue中。

  4. Stage4：Aggregate任务。

    1. 使用从CO1中取出LocalTensor。
    2. 使用Ascend C接口拷贝结果矩阵到CO2。
    3. 使用将计算结果LocalTensor放入到CO2的Queue中。

  5. Stage5：CopyOut任务。

    1. 使用接口从CO2的Queue中取出LocalTensor。
    2. 使用接口将LocalTensor拷贝到GlobalTensor上。

图 2 矩阵编程Queue队列[object Object][object Object]

[object Object]

基于Ascend C方式实现矩阵算子的流程如下图所示。

图 3 矩阵算子实现流程[object Object][object Object]

  • 算子分析：分析算子的数学表达式、输入、输出以及计算逻辑的实现，明确需要调用的Ascend C接口。
  • 核函数定义：定义Ascend C算子入口函数。
  • 根据矩阵编程范式实现算子类：完成核函数的内部实现，调用私有成员函数CopyIn、SplitA、SplitB、Compute、Aggregate、CopyOut完成矩阵算子的五级流水操作。

下文将以Matmul算子为例对上述步骤进行详细介绍，Matmul算子的代码框架如下，完整代码请参见。

[object Object]
[object Object]

在开发算子代码之前需要分析算子的数学表达式、输入、输出以及计算逻辑的实现，明确需要调用的Ascend C接口。

  1. 明确算子的数学表达式及计算逻辑。

    Matmul算子完成矩阵乘操作，其数学表达式如下，形状为[m, k]的矩阵a和形状为[k, n]的矩阵b相乘，得到形状为[m, n]的矩阵c。为了方便，令m=k=n=32。

    [object Object]

    注意需要处理的数据过大时，需要对数据进行切分并分块搬运到A2、B2，分别计算后再进行汇聚。下文的计算逻辑为了展示Split和Aggregate阶段的样例，请您根据实际需要处理的数据大小决定是否需要切分和汇聚。

    计算逻辑如下：

    1. 分别搬运输入数据矩阵a、b至Local Memory A1、B1。
    2. 将a矩阵从A1搬运至A2。为实现部分并行，将b矩阵切分为part1和part2，形状均为[k, n / 2]，切分后再分块搬运至B2。
    3. a矩阵和b矩阵part1、part2分别做矩阵乘运算，获得矩阵c的part1和part2，形状均为[m, n / 2]。计算结果在CO1存储。
    4. 将矩阵c的part1和part2分别拷贝到CO2进行合并。
    5. 将合并后的输出数据从CO2搬出。

  2. 明确输入和输出。

    • Matmul算子有两个输入：a与b，输出为c。
    • 本样例中算子输入支持的数据类型为half（float16），算子输出的数据类型为float32。
    • 矩阵a、b、c的形状均为[32, 32]。
    • 算子输入输出支持的数据格式为：ND。

  3. 确定核函数名称和参数。

    • 您可以自定义核函数名称，本样例中核函数命名为matmul_custom。
    • 根据对算子输入输出的分析，确定核函数有3个参数a，b，c；a，b为输入在Global Memory上的内存地址，c为输出在Global Memory上的内存地址。

  4. 约束分析。

    由于硬件架构对矩阵乘计算的输入输出有格式约束，需要在算子实现中增加格式转换的流程。

    • 搬运矩阵a、b至A1、B1时，将ND格式的矩阵a、b转换为NZ格式。
    • 从A1搬运矩阵a至A2时，将NZ格式的a矩阵转换为ZZ格式；从B1搬运矩阵b到B2时将NZ格式的b矩阵转换为ZN格式。
    • 将计算结果从CO2搬出时，将NZ格式的c矩阵转换为ND格式。
    • 数据排布格式的相关介绍详见。

  5. 确定算子实现所需接口。

    • 实现外部存储和内部存储间的数据搬运，查看Ascend C API参考中的数据搬移接口，具体参考。
    • 实现矩阵数据格式转换，查看Ascend C API参考中的数据转换接口，具体参考。
    • 矩阵计算过程涉及矩阵乘法，查看Ascend C API参考中的矩阵计算接口，具体参考。
    • 计算中使用到的Tensor数据结构，使用Queue队列进行管理，会使用到、等接口。

通过以上分析，得到Ascend C Matmul算子的计算流程图和设计规格如下：

图 4 Matmul算子的计算流程图[object Object][object Object]

表 1 Ascend C Matmul算子设计规格

[object Object][object Object]

[object Object][object Object]

根据中介绍的规则进行核函数的定义。

  1. 函数原型定义。

    本样例中，函数名为matmul_custom（核函数名称可自定义）；根据中对算子输入输出的分析，确定有3个参数a，b，c，其中a，b都为输入内存，c为输出内存。根据中核函数的规则介绍，函数原型定义如下所示：使用__global__函数类型限定符来标识它是一个核函数，可以被<<<>>>调用；使用__aicore__函数类型限定符来标识该核函数在设备端aicore上执行；为方便起见，统一使用GM_ADDR宏修饰入参，GM_ADDR宏定义请参考。

    [object Object]

  2. 调用算子类的Init和Process函数。

    算子类的Init函数，完成内存初始化相关工作，Process函数完成算子实现的核心逻辑，具体介绍参见。

    [object Object]

  3. 对核函数进行封装，得到matmul_custom_do函数，便于主程序调用。#ifndef ASCENDC_CPU_DEBUG表示该封装函数仅在编译运行NPU侧的算子时会用到，编译运行CPU侧的算子时，可以直接调用matmul_custom函数。根据章节，调用核函数时，除了需要传入参数a，b，c，还需要传入numBlocks（核函数执行的核数），l2ctrl（保留参数，设置为nullptr），stream（应用程序中维护异步操作执行顺序的stream）来规定核函数的执行配置。

    [object Object]
[object Object]

根据上一章节介绍，核函数中会调用算子类的Init和Process函数，本章具体讲解基于编程范式实现算子类。矩阵编程范式请参考。

算子类中主要包含对外开放的初始化Init函数和核心处理函数Process以及一些实现中会用到的私有成员。KernelMatmul算子类的定义如下：

[object Object]

KernelMatmul构造函数实现

构造函数中对私有成员变量进行初始化，具体代码如下：

[object Object]

矩阵a的形状为[m, k]，矩阵b的形状为[k, n]，矩阵c的形状为[m,n]，此样例中m、n、k均设置为32。

aSize、bSize、cSize分别为矩阵a、b、c的数值个数。

mBlocks、 nBlocks、 kBlocks为m、n、k所占分形数量，half类型一个分形Shape为16 * 16，blocks计算公式为：

  • mBlocks = m / 16
  • nBlocks = n / 16
  • kBlocks = k / 16

分形具体介绍可参考。

Init函数实现

Init函数主要完成以下内容：

  • 设置输入输出Global Tensor的Global Memory内存地址。

    以设置输入a在Global Memory上的内存偏移地址为例：

    [object Object]

    注意，因为本样例中Init函数的入参统一设置为uint8_t*，这里需要强转成具体的数据类型(__gm__ half*)，再进行偏移。

  • 通过Pipe内存管理对象为输入输出Queue分配内存。

    比如，为输入数据队列inQueueB2分配内存，可以通过如下代码段实现：

    [object Object]

    此样例中将b矩阵切分为两个part，为inQueueB2分配内存时需要申请两块内存空间，每一块的大小为b矩阵大小的一半，outQueueCO1的内存初始化同理。

具体的初始化函数代码如下：

[object Object]

Process函数实现

基于矩阵编程范式，将核函数的实现分为5个基本阶段：CopyIn，Split，Compute，Aggregate，CopyOut。Split，Compute，Aggregate阶段需要区分a、b矩阵。Process函数中通过如下方式调用这几个函数。

[object Object]

两次循环内，SplitB需要从inQueueB1中分别搬运两个part的b矩阵，Compute需要分别计算a矩阵和两个part b矩阵的乘法，Aggregate要分别搬运两个part的c矩阵，具体五个阶段数据流通示意图如下：

图 5 数据流通示意图[object Object][object Object]

切分b矩阵，可以实现一部分的并行，本样例的流水并行示意图如下：

图 6 并行示意图[object Object][object Object]

  1. Stage1：CopyIn函数实现。

    1. 使用从A1，B1的Queue中申请a1Local和b1Local。

    2. 使用接口将矩阵a、b搬运到Local Memory，同时将其数据格式从ND转换为NZ。

      一次DataCopy指令搬运height*16个数，循环执行width/16次。DataCopy的参数设置如下：

      • blockCount设置为height，共搬运height次。
      • blockLen设置为1，一次搬运16个类型为half的数。
      • srcStride设置为width/16 - 1，源矩阵每搬运一个block需要跳跃一行。
      • dstStride设置为0，目的矩阵每个block在内存中连续存储。
      • 每次循环迭代，源矩阵首地址移动16个数，目的矩阵首地址移动16*height个数。

      格式转换示意图如下，第一次循环搬运蓝色部分，第二次循环搬运绿色部分；图中width为32，占两个分形，height为32，占两个分形，一共搬运4个16*16分形。

      图 7 ND to NZ转换示意图[object Object][object Object]

      注意：上述ND到NZ的格式转换仅作为举例说明，开发者可根据实际情况选择合适的转换方式。

    3. 使用将a1Local、b1Local分别放入A1、B1的Queue中。

    具体代码如下：

    [object Object]

  2. Stage2：SplitA函数实现。

    1. 使用从A1的Queue中取出a1Local。

    2. 使用从A2的Queue中申请a2Local。

    3. 使用将矩阵a搬运到A2，同时将a矩阵从NZ格式转换为ZZ格式。

      搬运及格式转换示意图如下：图中k为32，占kBlocks（k/16=2）个分形，m为32，占mBlocks（m/16=2）个分形，一共搬运4个16*16分形。本示例中，调用一次LoadData接口完成两个16*16分形的搬运，循环调用两次LoadData。第一次循环搬运蓝色部分两个分形，第二次循环搬运绿色部分两个分形。

      单次循环中LoadData（本样例中要完成2个分形的搬运，蓝色部分或者绿色部分）的参数设置如下：

      • repeatTimes表示数据处理的迭代次数，因为LoadData每个迭代处理一个分形，所以也可以理解为待搬运分形的个数。本样例中即为k轴方向的分形个数，设置为kBlocks，表示搬运kBlocks个分形。
      • srcStride表示，相邻迭代间源操作数分形首地址之间的间隔，以搬运蓝色部分分形为例：下图中左侧源操作数矩阵，第一个蓝色分形和第二个蓝色分形起始地址之间的间隔为mBlocks个分形，此处设置为mBlocks。
      • dstGap使用默认值，目的矩阵两个分形连续存储。
      • ifTranspose设置为false，每块分形搬运前搬运后都为Z格式，不使能转置。
      • 每次循环迭代源矩阵首地址偏移16*16，目的矩阵首地址偏移16*k。

      图 8 NZ to ZZ格式转换示意图[object Object][object Object]

    4. 使用将计算结果a2Local放入到A2的Queue中。

      具体代码如下：

      [object Object]

  3. Stage2：SplitB函数实现。

    1. SplitB需要传入两个参数：使用从B1的Queue中取出的b1Local和循环迭代变量index。

    2. 使用从B2的Queue中申请b2Local。

    3. 使用将b矩阵搬运到B2，同时从NZ格式转换为ZN格式。

      搬运及格式转换示意图如下：图中k为32，占kBlocks（k/16=2）个分形，n为32，占nBlocks（n/16=2）个分形，一共搬运4个16*16分形。本示例中，调用一次LoadData接口完成两个16*16分形的搬运，循环调用两次LoadData。第一次循环搬运蓝色部分两个分形，第二次循环搬运绿色部分两个分形。

      单次循环中LoadData（本样例中要完成2个分形的搬运，蓝色部分或者绿色部分）的参数设置如下：

      • repeatTimes表示数据处理的迭代次数，因为LoadData每个迭代处理一个分形，所以也可以理解为待搬运分形的个数。本样例中即为k轴方向的分形个数，设置为kBlocks，表示搬运kBlocks个分形。
      • srcStride相邻迭代间源操作数分形首地址之间的间隔，以搬运蓝色部分分形为例：下图中左侧源操作数矩阵，第一个蓝色分形和第二个蓝色分形起始地址之间的间隔为1个分形，此处设置为1，源矩阵两个分形连续存储。
      • dstGap使用默认值0，目的矩阵两个分形连续存储。
      • ifTranspose设置为true，每块分形搬运前为Z格式，搬运后需要为N格式，需要使能转置。
      • 每次循环迭代，源矩阵首地址需要偏移k*n/2。

      图 9 NZ to ZN格式转换示意图[object Object][object Object]

    4. 使用将计算结果b2Local放入到B2的Queue中。

    具体代码如下：

    [object Object]

  4. Stage3：Compute函数实现，完成核心的矩阵计算功能。

    1. Compute函数需要传入参数a2Local，a2Local从A2的Queue中使用取出。
    2. 使用从CO1的Queue中申请c1Local。
    3. 使用从B2中取出b2Local。
    4. 使用完成矩阵乘计算。
    5. 使用将计算结果c1Local放入到CO1的Queue中。

    具体代码如下：

    [object Object]

  5. Stage4：Aggregate函数实现，完成数据汇聚操作。

    1. Aggregate需要传入两个参数：使用从CO2的Queue中申请的c2Local和循环迭代变量index。

    2. 使用从CO1中取出c1Local。

    3. 使用将结果矩阵从CO1搬运到CO2。

      DataCopy参数设置如下：

      • blockCount设置为1，blockLen设置为2，连续搬运两个分形，无需格式转换。
      • blockMode设置为BlockMode::BLOCK_MODE_MATRIX，表示需要按分形搬运。
      • c2Local首地址偏移量设置为index * cSize / 2。

    具体代码如下：

    [object Object]

  6. Stage5：CopyOut函数实现。

    1. 使用从CO2中取出c2Local。

    2. 使用将结果矩阵从CO2搬运到Global Memory，同时需要将格式从NZ转换为ND。

      每次循环移动一个分形，搬运m*16个数。DataCopy参数说明如下：

      • blockCount设置为m，共搬运m次。
      • blockLen设置为2，DataCopy指令一次搬运2个block，每个block16个数。
      • srcStride设置为0，每两次搬运间没有间隙。
      • dstStride设置为(nBlocks - 1) * 2，每两次搬运间隔2个block。
      • 每次循环迭代，目的矩阵偏移16，源矩阵偏移m*16。

      格式转换示意图如下，第一次循环搬运蓝色部分数据，第二次循环搬运绿色部分数据。

      图 10 NZ to ND格式转换示意图[object Object][object Object]

    具体代码如下：

    [object Object]
我们使用cookie来确保您的高速浏览体验。继续浏览本站，即表示您同意我们使用cookie。查看详情