---
title: Power
description: "| 产品 | 是否支持 |"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_0520.html
sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_0520.html
indexId: 2841d0864a4a8eddb3c15f892f1ae5a4719731ffc2e81ab3cb5655f0abc5418876
---
# Power

#### 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

实现按元素做幂运算功能，提供3类接口，处理逻辑如下：


#### 函数原型

- Power(dstTensor, src0Tensor, src1Tensor)

  - 通过sharedTmpBuffer入参传入临时空间

    - 源操作数Tensor全部/部分参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const LocalTensor<T>& src0Tensor, const LocalTensor<T>& src1Tensor, const LocalTensor<uint8_t>& sharedTmpBuffer, uint32_t calCount)

    - 源操作数Tensor全部参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const LocalTensor<T>& src0Tensor, const LocalTensor<T>& src1Tensor, const LocalTensor<uint8_t>& sharedTmpBuffer)

  - 接口框架申请临时空间

    - 源操作数Tensor全部/部分参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const LocalTensor<T>& src0Tensor, const LocalTensor<T>& src1Tensor, uint32_t calCount)

    - 源操作数Tensor全部参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const LocalTensor<T>& src0Tensor, const LocalTensor<T>& src1Tensor)

- Power(dstTensor, src0Tensor, src1Scalar)

  - 通过sharedTmpBuffer入参传入临时空间

    - 源操作数Tensor全部/部分参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const LocalTensor<T>& src0Tensor, const T& src1Scalar, const LocalTensor<uint8_t>& sharedTmpBuffer, uint32_t calCount)

    - 源操作数Tensor全部参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const LocalTensor<T>& src0Tensor, const T& src1Scalar, const LocalTensor<uint8_t>& sharedTmpBuffer)

  - 接口框架申请临时空间

    - 源操作数Tensor全部/部分参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const LocalTensor<T>& src0Tensor, const T& src1Scalar, uint32_t calCount)

    - 源操作数Tensor全部参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const LocalTensor<T>& src0Tensor, const T& src1Scalar)

- Power(dstTensor, src0Scalar, src1Tensor)

  - 通过sharedTmpBuffer入参传入临时空间

    - 源操作数Tensor全部/部分参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const T& src0Scalar, const LocalTensor<T>& src1Tensor, const LocalTensor<uint8_t>& sharedTmpBuffer, uint32_t calCount)

    - 源操作数Tensor全部参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const T& src0Scalar, const LocalTensor<T>& src1Tensor, const LocalTensor<uint8_t>& sharedTmpBuffer)

  - 接口框架申请临时空间

    - 源操作数Tensor全部/部分参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const T& src0Scalar, const LocalTensor<T>& src1Tensor, uint32_t calCount)

    - 源操作数Tensor全部参与计算
      1 2 template <typename T, bool isReuseSource = false, const PowerConfig& config = defaultPowerConfig> __aicore__ inline void Power(const LocalTensor<T>& dstTensor, const T& src0Scalar, const LocalTensor<T>& src1Tensor)


由于该接口的内部实现中涉及复杂的数学计算，需要额外的临时空间来存储计算过程中的中间变量。临时空间支持接口框架申请和开发者通过sharedTmpBuffer入参传入两种方式。

- 接口框架申请临时空间，开发者无需申请，但是需要预留临时空间的大小。

- 通过sharedTmpBuffer入参传入，使用该tensor作为临时空间进行处理，接口框架不再申请。该方式开发者可以自行管理sharedTmpBuffer内存空间，并在接口调用完成后，复用该部分内存，内存不会反复申请释放，灵活性较高，内存利用率也较高。

接口框架申请的方式，开发者需要预留临时空间；通过sharedTmpBuffer传入的情况，开发者需要为sharedTmpBuffer申请空间。临时空间大小BufferSize的获取方式如下：通过GetPowerMaxMinTmpSize中提供的GetPowerMaxMinTmpSize接口获取需要预留空间的范围大小。


#### 参数说明


**表1 模板参数说明**

| 参数名 | 描述 |
| --- | --- |
| T | 操作数的数据类型。 Atlas 350 加速卡，支持的数据类型为：uint8\_t、int8\_t、uint16\_t、int16\_t、uint32\_t、int32\_t、half、bfloat16\_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：half、float、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：half、float、int32\_t。 Atlas 推理系列产品 AI Core，支持的数据类型为：half、float、int32\_t。 |
| isReuseSource | 是否允许修改源操作数。该参数预留，传入默认值false即可。 |
| config | 该参数仅支持Atlas 350 加速卡。 Power计算的相关配置。此参数可选配，PowerConfig类型，具体定义如下方代码所示，其中参数的含义为： algo：不同的数据类型支持的不同Power算法。该参数支持的取值如下： INTRINSIC：默认值。如果数据类型是整型，INTRINSIC算法使用快速幂算法实现Power计算，支持的数据类型为uint8\_t、int8\_t、uint16\_t、int16\_t、uint32\_t、int32\_t。如果数据类型是浮点数类型，INTRINSIC算法按照公式Power(x, y) = exp(y \* ln(x))进行Power计算，支持的数据类型为half、float。 DOUBLE\_FLOAT\_TECH：DOUBLE\_FLOAT\_TECH算法是高精度浮点数算法，将源操作数的精度提升后，按照公式Power(x, y) = exp(y \* ln(x))进行Power计算，减少计算过程中的精度损失，支持的数据类型为bfloat16\_t、half、float。 |


```
enum class PowerAlgo {
    INTRINSIC = 0,
    DOUBLE_FLOAT_TECH, 
};

struct PowerConfig {
    PowerAlgo algo = PowerAlgo::INTRINSIC;
};
```


**表2 接口参数说明**

| 参数名 | 输入/输出 | 描述 |
| --- | --- | --- |
| dstTensor | 输出 | 目的操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 |
| src0Tensor | 输入 | 源操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 源操作数的数据类型需要与目的操作数保持一致。 |
| src1Tensor | 输入 | 源操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 源操作数的数据类型需要与目的操作数保持一致。 |
| src0Scalar/src1Scalar | 输入 | 源操作数，类型为Scalar。源操作数的数据类型需要与目的操作数保持一致。 |
| sharedTmpBuffer | 输入 | 临时内存空间。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 针对3个power接口，不同输入数据类型情况下，临时空间大小BufferSize的获取方式请参考GetPowerMaxMinTmpSize。 |
| calCount | 输入 | 参与计算的元素个数。 |


#### 返回值说明

无


#### 约束说明

- 不支持源操作数与目的操作数地址重叠。
- 对于Atlas 推理系列产品 AI Core，幂运算的指数必须小于231-1。
- 操作数地址对齐要求请参见  通用地址对齐约束
。


#### 调用示例

完整的调用样例请参考Power样例(https://gitcode.com/cann/asc-devkit/tree/9.0.0/examples/01_simd_cpp_api/03_libraries/12_math/power)。

```
// dstLocal: 存放计算结果的Tensor
// srcLocalExp: Power计算使用的指数Tensor
// srcLocalBase: Power计算使用的底数Tensor

// 使用srcLocalBase做底数对srcLocalExp中的全部元素做幂运算
AscendC::Power<T, false>(dstLocal, srcLocalBase, srcLocalExp);

// scalarValueBase: Power计算使用的底数
T scalarValueBase = srcLocalBase.GetValue(0);
// 使用同一个底数scalarValueBase对srcLocalExp中的全部元素做幂运算
AscendC::Power<T, false>(dstLocal, scalarValueBase, srcLocalExp);

// scalarValueExp: Power计算使用的指数
T scalarValueExp = srcLocalExp.GetValue(0);
// 使用同一个指数scalarValueExp对srcLocalBase中的全部元素做幂运算
AscendC::Power<T, false>(dstLocal, srcLocalBase, scalarValueExp);

// static constexpr AscendC::PowerConfig config = { AscendC::PowerAlgo::DOUBLE_FLOAT_TECH };
// AscendC::Power<srcType, false, config>(dstLocal, scalarValue, srcLocal2);
```

AscendC::Power<T, false>(dstLocal, srcLocalBase, srcLocalExp) 示例数据如下：
```
输入数据(srcLocalBase): [2 3 4 5 6 7 8 9]
输入数据(srcLocalExp): [4 3 2 1 4 3 2 1]
输出数据(dstLocal): [16 27 16 5 1296 343 64 9]
```


AscendC::Power<T, false>(dstLocal, scalarValueBase, srcLocalExp) 示例数据如下：
```
输入数据(scalarValueBase): 2
输入数据(srcLocalExp): [4 3 2 1 4 3 2 1]
输出数据(dstLocal): [16 8 4 2 16 8 4 2]
```


AscendC::Power<T, false>(dstLocal, srcLocalBase, scalarValueExp) 示例数据如下：
```
输入数据(srcLocalBase): [2 3 4 5 6 7 8 9]
输入数据(scalarValueExp): 4
输出数据(dstLocal): [16 81 256 625 1296 2401 4096 6561]
```