--- title: ReduceMax description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_10055.html sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_10055.html indexId: c47f8471a0e91f25ec1024f1f2757185fce008dbbeb97961235fdd33b630083a77 --- # ReduceMax #### 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 | x | | Atlas 推理系列产品 Vector Core | x | | Atlas 训练系列产品 | x | #### 功能说明 对一个多维向量在指定的维度求最大值。 定义指定计算的维度（Reduce轴）为R轴，非指定维度（Normal轴）为A轴。如下图所示，对shape为(2, 3)的二维矩阵进行运算，指定在第一维求最大值，输出结果为[4, 5, 6]；指定在第二维求最大值，输出结果为[3, 6]。第一维是外层轴，简称外轴；第二维是内层轴，简称内轴。 图1 ReduceMax按第一个维度计算示例 图2 ReduceMax按最后一个维度计算示例 #### 函数原型 - 通过sharedTmpBuffer入参传入临时空间 1 2 template __aicore__ inline void ReduceMax(const LocalTensor& dstTensor, const LocalTensor& srcTensor, const LocalTensor& sharedTmpBuffer, const uint32_t srcShape[], bool srcInnerPad) - 接口框架申请临时空间 1 2 template __aicore__ inline void ReduceMax(const LocalTensor& dstTensor, const LocalTensor& srcTensor, const uint32_t srcShape[], bool srcInnerPad) 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GetReduceMaxMaxMinTmpSize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：int8\_t、uint8\_t、int16\_t、uint16\_t、half、bfloat16\_t、int32\_t、uint32\_t、float、int64\_t、uint64\_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：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：half、float。 | | pattern | 用于指定ReduceMax计算轴，包括Reduce轴和Normal轴。pattern由与向量维度数量相同的A、R字母组合形成，字母A表示Normal轴，R表示Reduce轴。例如，AR表示对二维向量进行ReduceMax计算：第一维是Normal轴，第二维是Reduce轴，即对第二维数据求最大值。 pattern是定义在AscendC::Pattern::Reduce命名空间下的结构体，其成员变量用户无需关注。 pattern当前只支持取值为AR和RA。 | | 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src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src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。 | | srcTensor | 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。 | | sharedTmpBuffer | 输入 | 临时缓存。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 用于ReduceMax内部复杂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GetReduceMaxMaxMinTmpSize。 | | srcShape | 输入 | uint32\_t类型的数组，表示源操作数的shape信息。该shape的维度必须和模板参数pattern的维度一致，例如，pattern为AR，该shape维度只能是二维。 Atlas 350 加速卡，当前只支持二维shape。 Atlas A3 训练系列产品 / Atlas A3 推理系列产品 ，当前只支持二维shape。 Atlas A2 训练系列产品 / Atlas A2 推理系列产品 ，当前只支持二维shape。 | | srcInnerPad | 输入 | 表示实际需要计算的最内层轴数据是否32Bytes对齐。 Atlas 350 加速卡，该参数预留。接口内由参数srcShape和pattern计算最内层轴数据是否32Bytes对齐。 Atlas A3 训练系列产品 / Atlas A3 推理系列产品 ，当前只支持true。 Atlas A2 训练系列产品 / Atlas A2 推理系列产品 ，当前只支持true。 | #### 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 。 - 当srcInnerPad为True时，输入向量的内轴必须为32字节的整数倍。当原始向量的内轴长度n占据的字节长度不是32的整数倍时，需要开发者将其向上补齐到32的整数倍。开发者自行padding补齐后的内轴大小为inner = (n * sizeof(T) + 32 - 1) / 32 * 32 / sizeof(T)。 - 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。 #### 调用示例 完整的算子样例请参考ReduceMax算子样例(https://gitcode.com/cann/asc-devkit/tree/9.0.0/examples/01_simd_cpp_api/03_libraries/04_reduce/reducemax)。 - 内轴32Bytes对齐 1 2 3 uint32_t shape[] = { 2, 8 }; constexpr bool isReuse = true; AscendC::ReduceMax(dstLocal, srcLocal, tmp, shape, true); // tmp为传入的临时空间大小，shape为srcLocal输入的shape， true表示 地址是否32B对齐 结果示例如下： 1 2 3 4 5 6 7 输入输出的数据类型为float 输入数据(src): [[ 0.0 4.0 2.0 0.0 -1.0 2.0 -1.0 7.0], [ 0.0 1.0 -9.0 2.0 2.0 2.0 8.0 3.0]] 输入pattern：AR 输入shape：(2,8) 输出数据(dst): [7.0 8.0] - 内轴非32Bytes对齐 数据类型为half，输入shape是[2,5]，输入pattern是AR。 1 2 uint32_t shape[2] = {2, 5}; ReduceMax(dstLocal, srcLocal, tmp, shape, true); 结果示例如下： 1 2 3 4 5 6 7 原始输入输出的数据类型为half 原始输入数据(src): [[ 0.0 4.0 2.0 0.0 -1.0], [ 0.0 1.0 -9.0 2.0 2.0]] 输入pattern：AR 原始输入shape：(2,5) 输出数据(dst): [4.0 2.0]