--- title: Abs description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_0027.html sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_0027.html indexId: 11f6bbd79b27478d02324f454f1ee743ab9d2d7ee88fecbbedc24773dda1449376 --- # Abs #### 产品支持情况 | 产品 | 是否支持 | | --- | --- | | Atlas 350 加速卡 | √ | | Atlas A3 训练系列产品 / Atlas A3 推理系列产品 | √ | | Atlas A2 训练系列产品 / Atlas A2 推理系列产品 | √ | | Atlas 200I/500 A2 推理产品 | √ | | Atlas 推理系列产品 AI Core | √ | | Atlas 推理系列产品 Vector Core | x | | Atlas 训练系列产品 | √ | #### 功能说明 按元素取绝对值，计算公式如下： #### 函数原型 - tensor前n个数据计算 1 2 template __aicore__ inline void Abs(const LocalTensor& dst, const LocalTensor& src, const int32_t& count) - tensor前n个复数计算 1 2 template __aicore__ inline void Abs(const LocalTensor& dst, const LocalTensor& src, const int32_t& count) - tensor高维切分计算 - mask逐bit模式 1 2 template __aicore__ inline void Abs(const LocalTensor& dst, const LocalTensor& src, uint64_t mask[], const uint8_t repeatTime, const UnaryRepeatParams& repeatParams) - mask连续模式 1 2 template __aicore__ inline void Abs(const LocalTensor& dst, const LocalTensor& src, uint64_t mask, const uint8_t repeatTime, const UnaryRepeatParams& repeatParams) #### 参数说明 **表1 模板参数说明** | 参数名 | 描述 | | --- | --- | | T | 操作数数据类型。 Atlas 350 加速卡，支持的数据类型为：int8\_t、int16\_t、half、int32\_t、float、int64\_t。 Atlas A3 训练系列产品 / Atlas A3 推理系列产品 ，支持的数据类型为：half、float。 Atlas A2 训练系列产品 / Atlas A2 推理系列产品 ，支持的数据类型为：half、float。 Atlas 200I/500 A2 推理产品 ，支持的数据类型为：int16\_t、half、float。 Atlas 推理系列产品 AI Core，支持的数据类型为：half、float。 Atlas 训练系列产品 ，支持的数据类型为：half、float。 | | U | 源操作数数据类型。 Atlas 350 加速卡，支持的数据类型为：complex32、complex64；当U为complex32类型时，T必须是half类型；当U为complex64类型时，T必须是float类型。 | | isSetMask | 是否在接口内部设置mask。 true，表示在接口内部设置mask。 false，表示在接口外部设置mask，开发者需要使用SetVectorMask接口设置mask值。这种模式下，本接口入参中的mask值必须设置为占位符MASK\_PLACEHOLDER。 | **表2 参数说明** | 参数名 | 输入/输出 | 描述 | | --- | --- | --- | | dst | 输出 | 目的操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。 | | src | 输入 | 源操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。 源操作数的数据类型需要与目的操作数保持一致。 | | count | 输入 | 参与计算的元素个数。 | | mask[]/mask | 输入 | mask(https://www.hiascend.comdocument/detail/zh/canncommercial/900/programug/Ascendcopdevg/atlas\_ascendc\_10\_0022.html\#ZH\-CN\_TOPIC\_0000002562282205\_\_zh\-cn\_topic\_0000002267504656\_zh\-cn\_topic\_0000001764162593\_section4252658182)用于控制每次迭代内参与计算的元素。 逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。 mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 264\-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 264\-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 232\-1]。 例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。 连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。 | | repeatTime | 输入 | 重复迭代次数。矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。 关于该参数的具体描述请参考高维切分API(https://www.hiascend.comdocument/detail/zh/canncommercial/900/programug/Ascendcopdevg/atlas\_ascendc\_10\_0022.html)。 | | repeatParams | 输入 | 控制操作数地址步长的参数。UnaryRepeatParams类型，包含操作数相邻迭代间相同DataBlock的地址步长，操作数同一迭代内不同DataBlock的地址步长等参数。 相邻迭代间的地址步长参数说明请参考repeatStride(https://www.hiascend.comdocument/detail/zh/canncommercial/900/programug/Ascendcopdevg/atlas\_ascendc\_10\_0022.html\#ZH\-CN\_TOPIC\_0000002562282205\_\_zh\-cn\_topic\_0000002267504656\_zh\-cn\_topic\_0000001764162593\_section139459347420)；同一迭代内DataBlock的地址步长参数说明请参考dataBlockStride(https://www.hiascend.comdocument/detail/zh/canncommercial/900/programug/Ascendcopdevg/atlas\_ascendc\_10\_0022.html\#ZH\-CN\_TOPIC\_0000002562282205\_\_zh\-cn\_topic\_0000002267504656\_zh\-cn\_topic\_0000001764162593\_section2815124173416)。 | #### 返回值说明 无 #### 约束说明 - 操作数地址对齐要求请参见 通用地址对齐约束 。 - 操作数地址重叠约束请参考 通用地址重叠约束 。 - 针对Atlas 350 加速卡，int8_t和int64_t数据类型仅支持tensor前n个数据计算接口。 #### 调用示例 更多样例可参考LINK。 - tensor高维切分计算样例-mask连续模式，srcLocal和dstLocal均为half类型 1 2 3 4 5 uint64_t mask = 256 / sizeof(half); // repeatTime = 4, 128 elements one repeat, 512 elements total // dstBlkStride, srcBlkStride = 1, no gap between blocks in one repeat // dstRepStride, srcRepStride = 8, no gap between repeats AscendC::Abs(dstLocal, srcLocal, mask, 4, { 1, 1, 8, 8 }); 结果示例如下： ``` 输入数据srcLocal:[0.0 -1.0 2.0 -3.0 ...] 输出数据dstLocal：[0.0 1.0 2.0 3.0 ...] ``` - tensor高维切分计算样例-mask逐bit模式，srcLocal和dstLocal均为half类型 1 2 3 4 5 uint64_t mask[2] = { UINT64_MAX, UINT64_MAX }; // repeatTime = 4, 128 elements one repeat, 512 elements total // dstBlkStride, srcBlkStride = 1, no gap between blocks in one repeat // dstRepStride, srcRepStride = 8, no gap between repeats AscendC::Abs(dstLocal, srcLocal, mask, 4, { 1, 1, 8, 8 }); 结果示例如下： ``` 输入数据srcLocal：[0.0 -1.0 2.0 -3.0 ...] 输出数据dstLocal：[0.0 1.0 2.0 3.0 ...] ``` - tensor前n个数据计算接口样例，srcLocal和dstLocal均为half类型 1 AscendC::Abs(dstLocal, srcLocal, 512); 结果示例如下： ``` 输入数据srcLocal：[0.0 -1.0 2.0 -3.0 ...] 输出数据dstLocal：[0.0 1.0 2.0 3.0 ...] ``` - tensor前n个复数计算接口样例 1 2 3 LocalTensor srcLocal = inQueue.DeQue(); LocalTensor dstLocal = outQueue.AllocTensor(); AscendC::Abs(dstLocal, srcLocal, 512); 结果示例如下： ``` 输入数据srcLocal：[1+2j 2-3j ...] 输出数据dstLocal：[2.236 3.605 ...] ```