--- title: ReduceXorSum description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_0833.html sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_0833.html indexId: b2259e0d085bca1fcf46da07f6e3e4e933ecbb4e450298baea26f48550196a4776 --- # ReduceXorSum #### 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 按照元素执行Xor（按位异或）运算，并将计算结果ReduceSum求和。 注意：当最终计算结果超出int16范围[-32768，32767]后，将输出-32768 或者 32767。 #### 函数原型 - 通过sharedTmpBuffer入参传入临时空间 1 2 template __aicore__ inline void ReduceXorSum(LocalTensor& dstTensor, const LocalTensor& src0Tensor, const LocalTensor& src1Tensor, LocalTensor& sharedTmpBuffer, const uint32_t calCount) - 接口框架申请临时空间 1 2 template __aicore__ inline void ReduceXorSum(LocalTensor& dstTensor, const LocalTensor& src0Tensor, const LocalTensor& src1Tensor, const uint32_t calCount); 由于该接口的内部实现中需要保存异或结果以及进行其他运算，需要额外的临时空间来存储计算过程中的中间变量。临时空间支持开发者通过sharedTmpBuffer入参传入和接口框架申请两种方式。 - 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传入的情况，开发者需要为tensor申请空间；接口框架申请的方式，开发者需要预留临时空间。临时空间大小BufferSize的获取方式如下：通过GetReduceXorSumMaxMinTmpSize中提供的接口获取需要预留空间范围的大小。 #### 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：int16\_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。 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。 Atlas 推理系列产品 AI Core，支持的数据类型为：int16\_t。 | | isReuseSource | 是否允许修改源操作数，默认值为false。如果开发者允许源操作数被改写，可以使能该参数，使能后能够节省部分内存空间。 设置为true，则本接口内部计算时复用src0Tensor和src1Tensor的内存空间，节省内存空间；设置为false，则本接口内部计算时不复用src0Tensor和src1Tensor的内存空间。 isReuseSource的使用样例请参考更多样例。 | **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。 输出值需要sizeof(T)大小的空间进行保存。开发者要根据该大小和框架的对齐要求来为dstTensor分配实际内存空间。 说明： 注意：遵循框架对内存开辟的要求（开辟内存的大小满足32Byte对齐），即sizeof(T)不是32Byte对齐时，需要向上进行32Byte对齐。为了对齐而多开辟的内存空间不填值，为一些随机值。 | | src0Tensor | 输入 | 源操作数0。 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1。 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。 | | sharedTmpBuffer | 输入 | 临时缓存。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 用于ReduceXorSum计算时存储中间变量，由开发者提供。 临时空间大小BufferSize的获取方式请参考GetReduceXorSumMaxMinTmpSize。 | | calCount | 输入 | 参与计算的元素个数。 | #### 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 。 - 不支持源操作数与目的操作数地址重叠。 - 不支持sharedTmpBuffer与源操作数和目的操作数地址重叠。 - calCount需要保证小于或等于src0Tensor和src1Tensor的元素范围。 - 当最终计算结果超出int16范围[-32768，32767]后，将输出-32768 或者 32767。 - 对于Atlas 推理系列产品 AI Core，中间计算数据会采用half类型存储，最终计算结果的误差相对于其他处理器较大。 #### 调用示例 ``` // 模板参数：操作数的数据类型为int16，false代表不允许修改源操作数 // dstLocal输出数据的tensor，src0Local源操作数0，src1Local源操作数1 // sharedTmpBuffer临时缓存，32个元素参与计算 AscendC::ReduceXorSum(dstLocal, src0Local, src1Local, sharedTmpBuffer, 32); ``` 结果示例如下：``` 输入输出的数据类型为int16_t 输入数据(src0Local): [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] 输入数据(src1Local): [1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1] 输出数据(dstLocal): [32 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] // 仅32为有效值 ```