--- title: AddReluCast description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_0044.html sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_0044.html indexId: 0244a59514c10701202e599a663fad2114a483699691855331d53312bc47aab776 --- # AddReluCast #### 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 | x | #### 功能说明 按元素求和，结果和0对比取较大值，并根据源操作数和目的操作数Tensor的数据类型进行精度转换。计算公式如下，其中dstType表示目的操作数的数据类型： #### 函数原型 - tensor前n个数据计算 1 2 template __aicore__ inline void AddReluCast(const LocalTensor& dst, const LocalTensor& src0, const LocalTensor& src1, const uint32_t count) - tensor高维切分计算 - mask逐bit模式 1 2 template __aicore__ inline void AddReluCast(const LocalTensor& dst, const LocalTensor& src0, const LocalTensor& src1, uint64_t mask[], const uint8_t repeatTime, const BinaryRepeatParams& repeatParams) - mask连续模式 1 2 template __aicore__ inline void AddReluCast(const LocalTensor& dst, const LocalTensor& src0, const LocalTensor& src1, uint64_t mask, const uint8_t repeatTime, const BinaryRepeatParams& repeatParams) #### 参数说明 **表1 模板参数说明** | 参数名 | 描述 | | --- | --- | | T | 目的操作数数据类型。不同数据类型对应的精度转换规则见表3。 Atlas 350 加速卡，支持的数据类型为：int8\_t、half、int32\_t、float。 Atlas A3 训练系列产品 / Atlas A3 推理系列产品 ，支持的数据类型为：int8\_t、half。 Atlas A2 训练系列产品 / Atlas A2 推理系列产品 ，支持的数据类型为：int8\_t、half。 Atlas 200I/500 A2 推理产品 ， 支持的数据类型为int8\_t、half。 Atlas 推理系列产品 AI Core，支持的数据类型为：int8\_t、half。 | | U | 源操作数数据类型。 Atlas 350 加速卡，支持的数据类型为：int16\_t、half、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：int16\_t、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：int16\_t、half、float。 Atlas 200I/500 A2 推理产品 ， 支持的数据类型为half、float。 Atlas 推理系列产品 AI Core，支持的数据类型为：int16\_t、half、float。 | | 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。 | | src0、src1 | 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。 | | 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]。 当源操作数和目的操作数位数不同时，以数据类型的字节较大的为准。例如，源操作数为half类型，目的操作数为int8\_t类型，计算mask时以half为准。 | | 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。 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。BinaryRepeatParams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)。 | **表3 精度转换规则** | 源操作数的数据类型 | 目的操作数的数据类型 | 类型转换模式介绍 | | --- | --- | --- | | float | half | 将源操作数按照CAST\_NONE模式取到half所能表示的数，以half格式（溢出默认按照饱和处理）存入目的操作数中。 | | half | int8\_t | 将源操作数按照CAST\_NONE模式取整，以int8\_t格式（溢出默认按照饱和处理）存入目的操作数中。 | | int16\_t | int8\_t | 将源操作数按照CAST\_NONE模式取到int8\_t所能表示的数，以int8\_t格式（溢出默认按照饱和处理）存入目的操作数中。 | | int64\_t | float | 将源操作数按照CAST\_NONE模式取整，以float格式（溢出默认按照饱和处理）存入目的操作数中。 | | int64\_t | int32\_t | 将源操作数按照CAST\_NONE模式取到int32\_t所能表示的数，以int32\_t格式（溢出默认按照饱和处理）存入目的操作数中。 | #### 返回值说明 无 #### 约束说明 针对Atlas 350 加速卡，int64_t数据类型仅支持tensor前n个数据计算接口。 #### 调用示例 本样例的srcLocal为half类型，dstLocal为int8_t类型，计算mask时以half为准。 - tensor高维切分计算样例-mask连续模式 1 2 3 4 5 uint64_t mask = 256 / sizeof(half); // 128 // repeatTime = 4，一次迭代计算128个数，共计算512个数 // dstBlkStride, src0BlkStride, src1BlkStride = 1，单次迭代内数据连续读取和写入 // dstRepStride = 4，src0RepStride, src1RepStride = 8，相邻迭代间数据连续读取和写入 AscendC::AddReluCast(dstLocal, src0Local, src1Local, mask, 4, { 1, 1, 1, 4, 8, 8 }); - tensor高维切分计算样例-mask逐bit模式 1 2 3 4 5 uint64_t mask[2] = { UINT64_MAX, UINT64_MAX }; // repeatTime = 4，一次迭代计算128个数，共计算512个数 // dstBlkStride, src0BlkStride, src1BlkStride = 1，单次迭代内数据连续读取和写入 // dstRepStride = 4，src0RepStride, src1RepStride = 8，相邻迭代间数据连续读取和写入 AscendC::AddReluCast(dstLocal, src0Local, src1Local, mask, 4, { 1, 1, 1, 4, 8, 8 }); - tensor前n个数据计算样例 1 AscendC::AddReluCast(dstLocal, src0Local, src1Local, 512); 结果示例如下： ``` 输入数据src0Local: [1 1 3 ... 512] 输入数据src1Local：[0 0.5 -4 ... -513] 输出数据dstLocal：[1 2 0 ... 0] ```