aclnnMoeDistributeCombineV2

产品支持情况

[object Object]undefined

功能说明

• 接口功能：当存在TP域通信时，先进行ReduceScatterV通信，再进行AllToAllV通信，最后将接收的数据整合（乘权重再相加）；当不存在TP域通信时，进行AllToAllV通信，最后将接收的数据整合（乘权重再相加）。

  相较于[object Object]接口，该接口变更如下：

  • 输入了更详细的token信息辅助[object Object]高效地进行全卡同步，因此原接口中shape为[object Object]的[object Object]入参替换为shape为[object Object]的[object Object]参数；
  • 新增[object Object]入参，支持在[object Object]为0时，由用户输入共享专家计算后的token；
  • 新增[object Object]入参，代替[object Object]和[object Object]环境变量。

  详细说明请参考以下参数说明。

• 计算公式：

$$rsOut = ReduceScatterV(expandX)\\ ataOut = AllToAllV(rsOut)\\ xOut = Sum(expertScales * ataOut + expertScales * sharedExpertX)$$

[object Object]

函数原型

每个算子分为，必须先调用 “aclnnMoeDistributeCombineV2GetWorkspaceSize”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“aclnnMoeDistributeCombineV2”接口执行计算。

aclnnMoeDistributeCombineV2GetWorkspaceSize

• 参数说明

  [object Object]

  • [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：

    • 不支持共享专家场景。
    • epSendCounts 的shape为 (moeExpertNum + 2 * globalBs * K * serverNum, )，其中K指topK个专家数，前moeExpertNum个数表示从EP通信域各卡接收的token数，后2 * globalBs * K * serverNum个数用于存储机间/机内通信前，combine可提前做reduce的token个数和通信区偏移，globalBs=0时按Bs * epWorldSize计算。
    • 当前不支持TP域通信。
    • xActiveMaskOptional 依commAlg取值，"fullmesh"要求为1D Tensor，shape为(Bs, )；true需排在false前（例：{true, false, true}非法）；"hierarchy"当前版本不支持，传空指针即可。
    • exapndScalesOptional 要求为1D Tensor，shape为 (A, )。
    • sharedExpertXOptional 为预留参数，当前版本不支持，传空指针即可。
    • epWorldSize 依commAlg取值，"fullmesh"支持16、32、64、128、256；"hierarchy"支持16、32、64。
    • moeExpertNum 取值范围(0, 512]，还需满足moeExpertNum / (epWorldSize - sharedExpertRankNum) <= 24。
    • groupTp 当前版本不支持，传空字符即可。
    • tpWorldSize 当前版本不支持，传0即可。
    • tpRankId 当前版本不支持，传0即可。
    • expertShardType 当前版本不支持，传0即可。
    • sharedExpertNum 当前版本不支持，传0即可。
    • sharedExpertRankNum 当前版本不支持，传0即可。
    • commQuantMode 取值为2仅当commAlg为"hierarchy"或HCCL_INTRA_PCIE_ENABLE=1且HCCL_INTRA_ROCE_ENABLE=0且驱动版本≥25.0.RC1.1时支持。
    • commAlg 支持nullptr、""、"fullmesh"、"hierarchy"；推荐配置"hierarchy"并搭配≥25.0.RC1.1版本驱动；nullptr和""依HCCL环境变量选择算法（不推荐）；"fullmesh"通过RDMA直传token；"hierarchy"经机内、跨机两次发送减少跨机数据量。

  • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：

    • epSendCounts 的shape为 (epWorldSize * max(tpWorldSize, 1) * localExpertNum, )。
    • 有TP域通信时 tpSendCountsOptional 为1D Tensor，shape为 (tpWorldSize, )。
    • xActiveMaskOptional 要求为1D或2D Tensor（1D时shape为(BS, )，2D时shape为(BS, K)）；1D时true需排在false前，2D时token对应K个值全为false则不参与通信。
    • exapndScalesOptional 预留参数，当前版本不支持，传空指针即可。
    • sharedExpertXOptional 要求为2D或3D Tensor（2D时shape为 (Bs, H)；3D时前两位乘积等于Bs、第三维等于H）；可传或不传，传入时sharedExpertRankNum需为0。
    • epWorldSize 取值支持[2, 768]。
    • moeExpertNum 取值范围(0, 1024]。
    • groupTp 字符串长度范围为[1, 128)，不能和groupEp相同。
    • tpWorldSize 取值范围[0, 2]，0和1表示无TP域通信，有TP域通信时仅支持2。
    • tpRankId 取值范围[0, 1]，同一个TP通信域中各卡的tpRankId不重复；无TP域通信时传0即可。
    • expertShardType 当前仅支持传0，表示共享专家卡排在MoE专家卡前面。
    • sharedExpertNum 当前取值范围[0, 4]。
    • sharedExpertRankNum 取值范围[0, epWorldSize)；为0时需满足sharedExpertNum为0或1，不为0时需满足sharedExpertRankNum % sharedExpertNum = 0。
    • commQuantMode 取值为2仅当tpWorldSize < 2时可使能。
    • commAlg 当前版本不支持，传空指针即可。

• 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]

aclnnMoeDistributeCombineV2

• 参数说明

  [object Object]

• 返回值

  返回aclnnStatus状态码，具体参见。

约束说明

1. 确定性计算：

   • aclnnMoeDistributeCombineV2默认确定性实现。

2. [object Object]接口与[object Object]接口必须配套使用，具体参考。

3. 在不同产品型号、不同通信算法或不同版本中，[object Object]的Tensor输出[object Object]、[object Object]、[object Object]、[object Object]中的元素值可能不同，使用时直接将上述Tensor传给[object Object]对应参数即可，模型其他业务逻辑不应对其存在依赖。

4. 调用接口过程中使用的[object Object]、[object Object]、[object Object]、[object Object]、[object Object]、[object Object]、[object Object]、[object Object]、[object Object]、[object Object]参数及[object Object]取值所有卡需保持一致，网络中不同层中也需保持一致，且和[object Object]对应参数也保持一致。

5. 参数说明里shape格式说明：

   • A：表示本卡需要分发的最大token数量，取值范围如下：
     • 对于共享专家，需满足 (A = Bs * epWorldSize * sharedExpertNum / sharedExpertRankNum)。
     • 对于MoE专家，当[object Object]为0时，需满足 (A >= Bs * epWorldSize * min(localExpertNum, K))；当[object Object]非0时，需满足 (A >= globalBs * min(localExpertNum, K))。
   • H：表示hidden size（隐藏层大小）：
     • [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：依commAlg取值，"fullmesh"支持(0, 7168]且为32的整数倍；"hierarchy"并且驱动版本≥25.0.RC1.1时支持(0, 10*1024]且为32的整数倍。
     • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：取值为[1024, 8192]。
   • Bs：表示batch sequence size（本卡最终输出的token数量）：
     • [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：取值范围为 (0 < Bs ≤ 256)。
     • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：取值范围为 (0 < Bs ≤ 512)。
   • K：表示选取topK个专家，取值范围为 (0 < K ≤ 16) 且满足 (0 < K ≤ moeExpertNum)。
   • serverNum：表示服务器的节点数，取值仅支持2、4、8。
   • localExpertNum：表示本卡专家数量：
     • 对于共享专家卡，(localExpertNum = 1)。
     • 对于MoE专家卡，(localExpertNum = moeExpertNum / (epWorldSize - sharedExpertRankNum))；当(localExpertNum > 1)时，不支持TP域通信。

6. HCCL_BUFFSIZE：

   调用本接口前需检查[object Object]环境变量取值是否合理，该环境变量表示单个通信域占用内存大小，单位MB，不配置时默认为200MB：

   • [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：
     • commAlg为""或nullptr：依HCCL环境变量选择“fullmesh”或“hierarchy”公式。
     • commAlg为"fullmesh"：设置大小要求 (≥ 2 * (Bs * epWorldSize * min(localExpertNum, K) * H * sizeof(uint16) + 2MB))。
     • commAlg为"hierarchy"：设置大小要求 (≥ moeExpertNum * Bs * (H * sizeof(dtypeX) + 4 * ((K + 7) / 8 * 8) * sizeof(uint32)) + 4MB + 100MB)，不要求 (moeExpertNum / (epWorldSize - sharedExpertRankNum) ≤ 24)。
   • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：
     • ep通信域内：设置大小要求 (≥ 2) 且满足 (≥ 2 * (localExpertNum * maxBs * epWorldSize * Align512(Align32(2 * H) + 44) + (K + sharedExpertNum) * maxBs * Align512(2 * H)))（[object Object]需使用MoE专家卡的本卡专家数；[object Object]；[object Object]）。
     • tp通信域内：设置大小要求>=A * (H * 2 + 128) * 2。

7. HCCL_INTRA_PCIE_ENABLE和HCCL_INTRA_ROCE_ENABLE： [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：该环境变量不再推荐使用，建议通过[object Object]配置为"hierarchy"。

8. 本文公式中的“/”表示整除。

9. 通信域使用约束：

• 一个模型中的[object Object]和[object Object]仅支持相同EP通信域，且该通信域中不允许有其他算子。
• 一个模型中的[object Object]和[object Object]仅支持相同TP通信域或都不支持TP通信域；有TP通信域时，该通信域中不允许有其他算子。
• [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：一个通信域内的节点需在一个超节点内，不支持跨超节点。

11. 组网约束：

• [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：多机场景仅支持交换机组网，不支持双机直连组网。

调用示例

• [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：

  • 文件准备：

    1. 按照下方指导创建rank_table_m2.json文件并修改。

    2. 将项目拷贝到两台服务器中，并根据机器的device ip配置rank_table_m2.json文件内容。注意两机rank_table_m2.json文件保持一致。

    3. 安装cann包，并根据编译运行。

  • 关于rankTable:

    1. 开发者可以通过ranktable文件配置参与集合通信的NPU资源信息，详细配置请参考中“通信功能开发>集群信息配置>ranktable文件配置资源信息”。

    2. 使用[object Object] 或者[object Object]查询机器的device ip。然后参考集合通信文档填写json文件。

    [object Object]

  • 环境变量配置：

    [object Object]

  • 机器数量设置： 两机16卡场景中，需将参数MACHINE_NUM设置为2，即

    [object Object]

    单机16卡场景则无需修改。

• [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：

  无需配置ranktable文件以及环境变量RANK_TABLE_FILE、FIRST_RANK_ID。

示例代码如下，仅供参考，具体编译和执行过程请参考。

• [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：
  [object Object]