--- title: AddDeqRelu description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_0045.html sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_0045.html indexId: 07182a6e358cbcb0ec667c414e314e4d7ea5f6eb0067148357d407cb7d269e9076 --- # AddDeqRelu #### 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 | x | | 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 依次计算按元素求和、结果进行deq量化后再进行relu计算（结果和0对比取较大值）。计算公式如下： Deq的计算公式如下： 如上公式先除以2^17再乘以2^17用于防止x乘以DeqScale出现溢出情况；公式中DeqScale需要通过SetDeqScale进行设置，具体可参考SetDeqScale。 #### 函数原型 - tensor前n个数据计算 1 __aicore__ inline void AddDeqRelu(const LocalTensor& dst, const LocalTensor& src0, const LocalTensor& src1, const int32_t& count) - tensor高维切分计算 - mask逐bit模式 1 2 template __aicore__ inline void AddDeqRelu(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 AddDeqRelu(const LocalTensor& dst, const LocalTensor& src0, const LocalTensor& src1, uint64_t mask, const uint8_t repeatTime, const BinaryRepeatParams& repeatParams) 操作数使用TensorTrait类型时，LocalTensor需要输入模板参数。提供支持操作数数据类型作为模板参数传入的接口如下：- tensor前n个数据计算 1 2 template __aicore__ inline void AddDeqRelu(const LocalTensor& dst, const LocalTensor& src0, const LocalTensor& src1, const int32_t& count) - tensor高维切分计算 - mask逐bit模式 1 2 template __aicore__ inline void AddDeqRelu(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 AddDeqRelu(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 | | --- | --- | | 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。 | | T | 目的操作数的数据类型。 Atlas 350 加速卡，支持的数据类型为：half 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 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 Atlas 推理系列产品 AI Core，支持的数据类型为：half | | U | 源操作数的数据类型。 Atlas 350 加速卡，支持的数据类型为：int32\_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：int32\_t Atlas A2 训练系列产品 / Atlas A2 推理系列产品 ，支持的数据类型为：int32\_t Atlas 推理系列产品 AI Core，支持的数据类型为：int32\_t | **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。 | | 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。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)。 | #### 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 。 - 不支持目的操作数和源操作数地址重叠。 #### 调用示例 本样例的srcLocal为int32_t类型，dstLocal为half类型，计算mask时以int32_t为准。 - tensor高维切分计算样例-mask连续模式 1 2 3 4 5 6 7 uint64_t mask = 256 / sizeof(int32_t); // 64 // repeatTime = 4，一次迭代计算64个数，共计算256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 half scale = 0.1; AscendC::SetDeqScale(scale); AscendC::AddDeqRelu(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 6 7 uint64_t mask[2] = { UINT64_MAX, UINT64_MAX }; // repeatTime = 4，一次迭代计算64个数，共计算256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 half scale = 0.1; AscendC::SetDeqScale(scale); AscendC::AddDeqRelu(dstLocal, src0Local, src1Local, mask, 4, { 1, 1, 1, 4, 8, 8 }); - tensor前n个数据计算样例 1 2 3 half scale = 0.1; AscendC::SetDeqScale(scale); AscendC::AddDeqRelu(dstLocal, src0Local, src1Local, 512); 结果示例如下： ``` 输入数据src0Local：[70 36 43 54 28 49 27 82 95 ...] 输入数据src1Local：[19 33 34 50 42 2 97 93 99 ...] 输出数据dstLocal：[8.9 6.9 7.7 10.4 7.0 5.1 12.4 17.5 19.4 ...] ```