1. Compare 这类生成 mask 的指令，与 Add, Sub 等接受 mask 的指令，对于 mask 参数的类型不一致：需要开发者对 LocalTensor<uint8_t> 的 mask 进行 ReinterpretCast<uint64_t> 的转换，并且组成 uint64_t[2] 的数组，才能传给 Add 等计算接口作 mask，这时可能还需要考虑大小端的问题。请问有没有什么内置函数，能够帮开发者完成这个转换，使得 Compare 的输出 Tensor 能够直接用于 Add 指令的 mask 参数上？
2. Add, Sub 这类接口的 mask 参数以 uint64_t[2] 作为输入，最多支持控制 128 个元素。当 mask 多于 128 位时，需要开发者调用两次 Add, Sub 指令，无法充分利用 repeatTime 参数。请问 AscendC 支持“对于大于 1 的 repeatTime 的指令以大于 128 位的 mask 作输入”吗？
3. 使用 mask 控制部分元素参与计算，与全部元素参与计算相比，存在性能提升吗？
4. repeatTime 与手写循环有什么差别？使用 repeatTime 存在性能提升吗？
以上，真诚地希望能够得到华为 AscendC 开发专家的解答。
点赞
收藏
回复
分享
举报
已解决
1. Compare 这类生成 mask 的指令，与 Add, Sub 等接受 mask 的指令，对于 mask 参数的类型不一致：需要开发者对 LocalTensor<uint8_t> 的 mask 进行 ReinterpretCast<uint64_t> 的转换，并且组成 uint64_t[2] 的数组，才能传给 Add 等计算接口作 mask，这时可能还需要考虑大小端的问题。请问有没有什么内置函数，能够帮开发者完成这个转换，使得 Compare 的输出 Tensor 能够直接用于 Add 指令的 mask 参数上？
2. Add, Sub 这类接口的 mask 参数以 uint64_t[2] 作为输入，最多支持控制 128 个元素。当 mask 多于 128 位时，需要开发者调用两次 Add, Sub 指令，无法充分利用 repeatTime 参数。请问 AscendC 支持“对于大于 1 的 repeatTime 的指令以大于 128 位的 mask 作输入”吗？
3. 使用 mask 控制部分元素参与计算，与全部元素参与计算相比，存在性能提升吗？
4. repeatTime 与手写循环有什么差别？使用 repeatTime 存在性能提升吗？
以上，真诚地希望能够得到华为 AscendC 开发专家的解答。