--- title: Dequantize description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_10164.html sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_10164.html indexId: e210fa03977408736be3b7670e7b37b1c48c8fce453af409e1d88fc904e94c3d77 --- # Dequantize #### 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 | x | | Atlas A2 训练系列产品 / Atlas A2 推理系列产品 | x | | 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 按元素做反量化计算，比如将int32_t数据类型反量化为half/float等数据类型。本接口最多支持输入为二维数据，不支持更高维度的输入。 Dequantize与AscendDequant的功能类似，本接口在不同量化场景下的形式更统一，因此推荐使用本接口。 本接口的反量化策略包括PER_TENSOR，PER_CHANNEL，PER_TOKEN，PER_GROUP四种，反量化系数scale在PER_TENSOR场景下为标量，其余场景下为矢量，具体计算公式如下：- PER_TENSOR场景 （按张量反量化）：scale和offset的shape为[1]。 - PER_CHANNEL场景 （按通道反量化）：srcTensor的shape为[m, n]，每个channel维度对应一个量化参数，scale和offset的shape为[1, n]。 - PER_TOKEN场景 （按token反量化）：srcTensor的每组token（token为n方向，共有m组token）中的元素共享一个量化参数，srcTensor的shape为[m, n]时，scale和offset的shape为[m, 1]。 - PER_GROUP场景 （按组反量化）：定义group的计算方向为k方向，srcTensor在k方向上每groupSize个元素共享一组scale和offset。srcTensor的shape为[m, n]时，如果kDim=0，表示k是m方向，scale和offset的shape为[(m + groupSize - 1) / groupSize, n]；如果kDim=1，表示k是n方向，scale和offset的shape为[m，(n + groupSize - 1) / groupSize]。 - k为m方向，即公式中i轴为group的计算方向（kDim=0）： - k为n方向，即公式中j轴为group的计算方向（kDim=1）： #### 函数原型 - 通过sharedTmpBuffer入参传入临时空间 1 2 template __aicore__ inline void Dequantize(const LocalTensor& dstTensor, const LocalTensor& srcTensor, const ScaleT& scale, const OffsetT& offset, const LocalTensor& sharedTmpBuffer, const DequantizeParams& params) - 接口框架申请临时空间 ``` template __aicore__ inline void Dequantize(const LocalTensor& dstTensor, const LocalTensor& srcTensor, const ScaleT& scale, const OffsetT& offset, const DequantizeParams& params) ``` 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GetDequantizeMaxMinTmpSize中提供的GetDequantizeMaxMinTmpSize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 | | | | | | --- | --- | --- | --- | --- | --- | | config | 用于配置反量化相关信息，DequantizeConfig类型，具体定义如下。 1 2 3 4 5 struct DequantizeConfig { DequantizePolicy policy; bool hasOffset = false; int32\_t kDim = 1; } policy：用于配置量化策略，枚举类型，具体定义如下。 1 2 3 4 5 6 enum class DequantizePolicy : int32\_t { PER\_TENSOR, PER\_CHANNEL, PER\_TOKEN, PER\_GROUP } hasOffset：预留参数，目前仅支持配置为false。 kDim：group的计算方向，即k方向。仅在PER\_GROUP场景有效，支持的取值如下。 0：k轴是第0轴，即m方向为group的计算方向。 1：k轴是第1轴，即n方向为group的计算方向。 | 1 2 3 4 5 | struct DequantizeConfig { DequantizePolicy policy; bool hasOffset = false; int32\_t kDim = 1; } | 1 2 3 4 5 6 | enum class DequantizePolicy : int32\_t { PER\_TENSOR, PER\_CHANNEL, PER\_TOKEN, PER\_GROUP } | | 1 2 3 4 5 | struct DequantizeConfig { DequantizePolicy policy; bool hasOffset = false; int32\_t kDim = 1; } | | | | | | 1 2 3 4 5 6 | enum class DequantizePolicy : int32\_t { PER\_TENSOR, PER\_CHANNEL, PER\_TOKEN, PER\_GROUP } | | | | | | DstT | 目的操作数的数据类型。接口内根据入参dstTensor自动推导数据类型，开发者无需配置该参数，保证dstTensor满足表3 输入输出支持的数据类型组合即可。 | | | | | | SrcT | 源操作数的数据类型。接口内根据入参srcTensor自动推导数据类型，开发者无需配置该参数，保证srcTensor满足表3 输入输出支持的数据类型组合即可。 | | | | | | ScaleT | scale的数据类型。接口内根据入参scale自动推导数据类型，开发者无需配置该参数。ScaleT可以为标量数据类型或LocalTensor类型。 注意： 对于PER\_TENSOR场景，scale为标量，ScaleT只能为标量数据类型。 对于PER\_CHANNEL、PER\_TOKEN、PER\_GROUP场景，scale为矢量，ScaleT只能为LocalTensor类型。 | | | | | | OffsetT | offset的数据类型。接口内根据入参offset自动推导数据类型，开发者无需配置该参数。OffsetT可以为标量数据类型或LocalTensor类型。 注意： 对于PER\_TENSOR量化策略，offset为标量，OffsetT只能为标量数据类型。 对于PER\_CHANNEL、PER\_TOKEN、PER\_GROUP量化策略，offset为矢量，OffsetT只能为LocalTensor类型。 | | | | | **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。 假设srcTensor的shape为[m, n]，每行数据（即n个输入数据）所占字节数要求32字节对齐。 | | | | scale | 输入 | 输入数据反量化时的缩放因子。 | | | | offset | 输入 | 输入数据反量化时的偏移量。当前为预留参数，可配置为0或空Tensor。 | | | | sharedTmpBuffer | 输入 | 临时缓存。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 临时空间大小BufferSize的获取方式请参考GetDequantizeMaxMinTmpSize。 | | | | params | 输入 | 反量化接口的参数，DequantizeParams类型，定义如下。 1 2 3 4 5 struct DequantizeParams { uint32\_t m; uint32\_t n; uint32\_t groupSize = 0; } m：m方向元素个数。 n：n方向元素个数。n值对应的数据大小需满足32字节对齐的要求，即shape最后一维为n的输入或输出均需要满足该维度上32字节对齐的要求。 groupSize：PER\_GROUP场景有效，表示groupSize行/列数据共用一个scale。groupSize的取值必须大于0且是32的整倍数。 | 1 2 3 4 5 | struct DequantizeParams { uint32\_t m; uint32\_t n; uint32\_t groupSize = 0; } | | 1 2 3 4 5 | struct DequantizeParams { uint32\_t m; uint32\_t n; uint32\_t groupSize = 0; } | | | | **表3 输入输出支持的数据类型组合** | 量化策略 | dstTensor | srcTensor | scale/offset | | --- | --- | --- | --- | | PER\_TENSOR | bfloat16\_t | int32\_t | bfloat16\_t | | PER\_TENSOR | bfloat16\_t | int32\_t | float | | PER\_TENSOR | float | int32\_t | bfloat16\_t | | PER\_TENSOR | float | int32\_t | float | | PER\_CHANNEL | half | int32\_t | uint64\_t 注意：当scale的数据类型是uint64\_t时，其中的低32位数据是参与计算的float类型数据，高32位本接口不使用。 | | PER\_CHANNEL | float | int32\_t | float | | PER\_CHANNEL | float | int32\_t | bfloat16\_t | | PER\_CHANNEL | bfloat16\_t | int32\_t | bfloat16\_t | | PER\_CHANNEL | bfloat16\_t | int32\_t | float | | PER\_TOKEN/PER\_GROUP | half | int32\_t | half | | PER\_TOKEN/PER\_GROUP | bfloat16\_t | int32\_t | bfloat16\_t | | PER\_TOKEN/PER\_GROUP | float | int32\_t | float | | PER\_TOKEN/PER\_GROUP | half | int32\_t | float | | PER\_TOKEN/PER\_GROUP | bfloat16\_t | int32\_t | float | | PER\_TOKEN/PER\_GROUP | half | float | half | | PER\_TOKEN/PER\_GROUP | bfloat16\_t | float | bfloat16\_t | | PER\_TOKEN/PER\_GROUP | float | float | float | | PER\_TOKEN/PER\_GROUP | half | float | float | | PER\_TOKEN/PER\_GROUP | bfloat16\_t | float | float | #### 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。 - 操作数地址对齐要求请参见 通用地址对齐约束 。 - 连续计算方向（即n方向）的数据量要求32字节对齐。 #### 调用示例 - PER_CHANNEL、PER_TOKEN、PER_GROUP模式 1 2 3 4 5 6 7 8 9 10 11 12 constexpr static DequantizePolicy tokenPolicy = DequantizePolicy::PER_TOKEN; constexpr static DequantizePolicy channelPolicy = DequantizePolicy::PER_CHANNEL; constexpr static DequantizePolicy groupPolicy = DequantizePolicy::PER_GROUP; // 此处以PER_CHANNEL模式为例，不使能offset；kDim仅PER_GROUP场景有效，表示group计算方向为n方向 constexpr static DequantizeConfig config = {channelPolicy, false, 1}; DequantizeParams params; // m,n为外部传入参数，表示srcLocal实际参与的m、n方向的元素个数 params.m = m; params.n = n; params.groupSize = n; // 仅PER_GROUP场景下生效，此处表示n方向所有元素共享一组scale和offset // srcLocal为int32_t类型的LocalTensor，dstLocal、scaleLocal、offsetLocal为float类型的LocalTensor Dequantize(dstLocal, srcLocal, scaleLocal, offsetLocal, params); // offsetLocal为预留参数，可配置为空Tensor; - PER_TENSOR模式 1 2 3 4 5 6 7 8 9 10 constexpr static DequantizePolicy tensorPolicy = DequantizePolicy::PER_TENSOR; // 不使能offset constexpr static DequantizeConfig config = {tensorPolicy, false, -1}; DequantizeParams params; // m,n为外部传入参数，表示srcLocal实际参与的m、n方向的元素个数 params.m = m; params.n = n; params.groupSize = 0; // 仅PER_GROUP场景下生效 // srcLocal为int32_t类型的LocalTensor，dstLocal为float类型的LocalTensor，scale、offset为float类型的标量 Dequantize(dstLocal, srcLocal, scale, offset, params); // offset为预留参数，可配置为0; 结果示例如下： ``` 输入数据（srcLocal）: [-4, 2, -2, -3, -1, -4, 1, 3, 4, 1, -2, 0, ... 1] 输入数据（scale矢量）: [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, ... 1] 输入数据（scale标量）: [1] 输出数据（dstLocal），此时dstLocal = srcLocal: [-4, 2, -2, -3, -1, -4, 1, 3, 4, 1, -2, 0, ... 1] ```