[object Object]

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

• 接口功能：完成因果一维卷积（Causal Conv1d）的前向计算（prefill / chunk-prefill）。算子内部支持 SiLU 激活、缓存索引（cacheIndices）、初始状态模式（initialStateMode）等特性。

• 支持以下场景：

  • 场景一（prefill场景 — 固定batch）：

    [object Object]

  • 场景二（prefill场景 — 变长序列）：

    [object Object]

    其中cuSeqLen为batch内所有变长序列拼接后的总长度。

• 计算公式：

  Causal Conv1d 是一种因果一维卷积算子，常用于序列建模中。在每个时间步 $t$，根据当前输入 $x_t$、卷积权重 $w$ 和历史状态，计算卷积输出 $y_t$。

  $$y_t = \text{Activation}\left(\sum_{j=0}^{W-1} w_j \cdot x_{t-j} + b\right)$$

  其中，$W$ 为卷积核宽度（支持2、3、4），$w_j$ 为卷积权重，$b$ 为偏置（可选），$\text{Activation}$ 为激活函数（可选，SiLU）。当 [object Object] 时不使用激活函数，[object Object] 时使用 SiLU 激活函数。

  对于 $t < W-1$ 且无历史状态时，输出为零（因果约束）。

[object Object]

每个算子分为，必须先调用 [object Object] 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 [object Object] 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：

  • aclnnCausalConv1dFn默认确定性实现。

• 输入shape限制：

  • prefill场景（固定batch）：
    • x为3维[batch, seqLen, dim]，seqLen > 1。
    • weight为2维[K, dim]，K∈{2,3,4}。
    • convStatesRef为3维[numCacheLines, stateLen, dim]，stateLen ≥ K-1，numCacheLines ≥ batch。
    • dim范围[64, 16384]且满足 (dim * dtypeSize) % 32 == 0，batch范围[1, 1024]，seqLen范围[2, 16384]。
  • prefill场景（变长序列）：
    • x为2维[cuSeqLen, dim]。
    • queryStartLocOptional为1维[batch+1]，必须提供。
    • convStatesRef为3维[numCacheLines, stateLen, dim]，numCacheLines ≥ batch。
    • cuSeqLen范围[batch, 1024×1024]。

• 输入值域限制：

  • queryStartLocOptional[0]必须为0，queryStartLocOptional[-1]必须等于cuSeqLen，值必须非递减。
  • cacheIndicesOptional中的值∈[0, numCacheLines)，或等于nullBlockId表示跳过。nullBlockId可重复；除nullBlockId外的值不应重复，否则多个序列读写同一缓存槽位会导致历史状态错误和写入冲突。
  • initialStateModeOptional值∈{0,1}。

• 卷积核宽度K仅支持2、3、4。

• K为编译时已知常量，支持FnRolling快速路径优化。

• 当存在initialStateModeOptional输入时，算子需要额外的workspace用于初始状态快照。

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。