[object Object]

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

• 接口功能：完成chunk版的Gated Delta Rule计算。

• 计算公式：

  Gated Delta Rule（门控Delta规则，GDR）是一种应用于循环神经网络的算子，也被应用于一种线性注意力机制中。在每个时间步 $t$，GDR根据当前的输入 $q_t$、$k_t$、$v_t$、上一个隐藏状态 $S_{t-1}$、衰减系数 $\alpha_t$ 以及更新强度 $\beta_t$，计算当前的注意力输出 $o_t$ 和新的隐藏状态 $S_t$，其计算公式如下：

  $$S_t := S_{t-1}(\alpha_t(I - \beta_t k_t k_t^T)) + \beta_t v_t k_t^T = \alpha_t S_{t-1} + \beta_t (v_t - \alpha_t S_{t-1}k_t)k_t^T$$ $$o_t := S_t (q_t \cdot scale)$$

  其中，$S_{t-1},S_t \in \mathbb{R}^{D_v \times D_k}$，$q_t, k_t \in \mathbb{R}^{D_k}$，$v_t \in \mathbb{R}^{D_v}$，$\alpha_t \in \mathbb{R}$，$\beta_t \in \mathbb{R}$，$o_t \in \mathbb{R}^{D_v}$。

  Chunked Gated Delta Rule是GDR的chunk版实现()，它通过将输入序列切块，实现了一定的并行效果，在长上下文场景其计算效率相对Recurrent Gated Delta Rule更高，适用于prefill阶段。输入一个长度为L的序列，该算子可以计算出每一步的输出 $o_t, t \in \{1, .., L\}$ 以及最终的状态矩阵 $S_L$。

[object Object]

每个算子分为，必须先调用“aclnnChunkGatedDeltaRuleGetWorkspaceSize”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“aclnnChunkGatedDeltaRule”接口执行计算。

[object Object]

• 参数说明

  [object Object]

  其中 $B$ 表示batch size，令 $L_i$ 表示第i个序列的长度，则 $T=\sum_i^B L_i$ 表示累积序列长度。$N_k$ 表示key的头数，$N_v$ 表示value的头数，$D_k$ 表示key的隐藏层维度，$D_v$ 表示value的隐藏层维度。

• 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 aclnnStatus：返回状态码，具体参见。

[object Object]

• 确定性计算：
  • aclnnChunkGatedDeltaRule默认确定性实现。
• 维度约束：
  • $0 \lt Nv \le 64，0 \lt Nk \le 64$，且 $Nv \bmod Nk = 0$
  • $0 \lt Dv \le 128$, $0 \lt Dk \le 128$
  • $B \gt 0$, $T \gt 0$
• 由于算法特性，用户需保障以下数值约束，否则计算结果可能出现溢出：
  • $0 < query < 1$
  • $0 < key < 1$
  • $g < 0$
  • $0 < beta < 1$

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。