--- title: Duplicate description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_0088.html sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_0088.html indexId: 3819e356333b06a6a9ad4c9c4e6534c9678f25435bee2ab058018fc343119b9d76 --- # Duplicate #### 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 将一个变量或立即数复制多次并填充到向量中。 针对Atlas 350 加速卡，为方便开发者使用，tensor前n个数据计算接口同时也支持直接传入Tensor，此时会将Tensor的第一个元素复制多次并填充到向量中。 #### 函数原型 - tensor前n个数据计算 - 源操作数为标量 1 2 template __aicore__ inline void Duplicate(const LocalTensor& dst, const T& scalarValue, const int32_t& count) - 源操作数为Tensor 1 2 template __aicore__ inline void Duplicate(const LocalTensor& dst, const LocalTensor& src, const int32_t& count) - tensor高维切分计算 - mask逐比特模式 1 2 template __aicore__ inline void Duplicate(const LocalTensor& dst, const T& scalarValue, uint64_t mask[], const uint8_t repeatTime, const uint16_t dstBlockStride, const uint8_t dstRepeatStride) - mask连续模式 1 2 template __aicore__ inline void Duplicate(const LocalTensor& dst, const T& scalarValue, uint64_t mask, const uint8_t repeatTime, const uint16_t dstBlockStride, const uint8_t dstRepeatStride) #### 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：bool、int8\_t、uint8\_t、fp4x2\_e2m1\_t、fp4x2\_e1m2\_t、 hifloat8\_t、fp8\_e5m2\_t、fp8\_e4m3fn\_t、 fp8\_e8m0\_t、int16\_t、uint16\_t、half、bfloat16\_t、int32\_t、uint32\_t、float、complex32、int64\_t、uint64\_t、complex64。 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、uint16\_t、half、bfloat16\_t、int32\_t、uint32\_t、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、uint16\_t、half、bfloat16\_t、int32\_t、uint32\_t、float。 Atlas 200I/500 A2 推理产品 ，支持的数据类型为：int16\_t、uint16\_t、half、int32\_t、uint32\_t、float。 Atlas 推理系列产品 AI Core，支持的数据类型为：int16\_t、uint16\_t、half、int32\_t、uint32\_t、float。 Atlas 训练系列产品 ，支持的数据类型为：int16\_t、uint16\_t、half、int32\_t、uint32\_t、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** | 参数名称 | 输入/输出 | 含义 | | --- | --- | --- | | 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。 | | scalarValue | 输入 | 被复制的源操作数，数据类型需与dst中元素的数据类型保持一致。 | | src | 输入 | 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 数据类型需与dst中元素的数据类型保持一致。 当传入该参数时，会将src[0]复制多次并填充到向量中。 | | 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 | 矢量计算单元，每次读取连续的8个datablock（每个block32Bytes，共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。 | | dstBlockStride | 输入 | 单次迭代内，矢量目的操作数不同datablock间地址步长。 | | dstRepeatStride | 输入 | 相邻迭代间，矢量目的操作数相同datablock地址步长。 | #### 约束说明 - 操作数地址对齐要求请参见 通用地址对齐约束 。 - 针对Atlas 350 加速卡，bool、int8_t、uint8_t、fp4x2_e2m1_t、fp4x2_e1m2_t、hifloat8_t、fp8_e5m2_t、fp8_e4m3fn_t、 fp8_e8m0_t、complex32、int64_t、uint64_t、complex64数据类型仅支持tensor前n个数据计算接口。 #### 返回值说明 无 #### 调用示例 - tensor高维切分计算样例-mask连续模式 1 2 3 4 5 6 uint64_t mask = 128; half scalar = 18.0; // repeatTime = 2, 128 elements one repeat, 256 elements total // dstBlkStride = 1, no gap between blocks in one repeat // dstRepStride = 8, no gap between repeats AscendC::Duplicate(dstLocal, scalar, mask, 2, 1, 8 ); - tensor高维切分计算样例-mask逐bit模式 1 2 3 4 5 6 uint64_t mask[2] = { UINT64_MAX, UINT64_MAX }; half scalar = 18.0; // repeatTime = 2, 128 elements one repeat, 256 elements total // dstBlkStride = 1, no gap between blocks in one repeat // dstRepStride = 8, no gap between repeats AscendC::Duplicate(dstLocal, scalar, mask, 2, 1, 8 ); - tensor前n个数据计算样例，源操作数为标量 1 2 3 half inputVal(18.0); int32_t srcDataSize = 256; // 参与计算的元素个数 AscendC::Duplicate(dstLocal, inputVal, srcDataSize); - tensor前n个数据计算样例，源操作数为Tensor 1 AscendC::Duplicate(dstLocal, srcLocal, srcDataSize); 结果示例如下： ``` scalar: 18.0 srcLocal: [18.0 1.0 2.0 ... 254.0 255.0] dstLocal: [18.0 18.0 18.0 ... 18.0 18.0] ```