---
title: ConvConcatFusionPass
description: "在concat算子前插入跳写算子，将原先通过concat拼接多个Conv2D内存的方式，修改成通过StridedWrite算子进行Conv2D内存拼接，以消除concat算子任务执行带来的性能消耗。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/maintenref/graphubfusionref/atlasrr_30_0014.html
sourcePath: /source/zh/canncommercial/900/maintenref/graphubfusionref/atlasrr_30_0014.html
indexId: b5b92b9284aa0fc51699a53a51099d6a5049569e8246dec929b4cf606c6ab95b78
---
# ConvConcatFusionPass

#### 融合模式

在concat算子前插入跳写算子，将原先通过concat拼接多个Conv2D内存的方式，修改成通过StridedWrite算子进行Conv2D内存拼接，以消除concat算子任务执行带来的性能消耗。

concat算子包括ConcatD/ConcatV2D，Conv2D算子包括Conv2D/Conv2D_Compress。

如下型号不支持StridedWrite，但会通过硬件实现StridedWrite类似功能，所以ConvConcatFusionPass也会匹配上。

Atlas A2 训练系列产品 / Atlas A2 推理系列产品

Atlas A3 训练系列产品 / Atlas A3 推理系列产品

Atlas 200I/500 A2 推理产品


子图中不存在Dequant和Quant时，有如下场景

场景一：


场景二：


场景三：


场景四：


场景五：


场景六：AIcore中cube和vector不分离时，不需要做mish融合。


场景七：AIcore中cube和vector分离时，需要做mish融合。


子图中不存在Dequant，但存在Quant时，有如下场景

场景一：


场景二：


场景三：


场景四：


场景五：


场景六：AIcore中cube和vector不分离时，还有如下场景。


子图中存在Dequant且不存在Quant时，有如下场景

场景一：AIcore中cube和vector不分离时，不需要做mish融合。


场景二：AIcore中cube和vector分离且至少一个分支存在mish算子时，需要做mish融合。


子图中存在Dequant和Quant，AIcore中cube和vector分离或不分离时，都存在如下场景


子图中存在Dequant和Quant且AIcore中cube和vector不分离时，还有如下场景。


#### 使用约束

- 量化场景下该融合规则必须打开，否则会导致transdata输出的dtype不支持。
- 不支持动态shape场景。
- concat的输入（最后一个输入除外）C轴对齐时，该Pass生效。
- concat的输入C轴与DType对齐时，对Quant和Mish算子融合生效。即concat的输入符合如下场景之一时，对Quant和Mish算子融合生效。

  - 原始DType为fp16和float时，dim C需要为16的倍数。
  - 原始DType为int8，dim C需要为32的倍数。
  - 原始DType为int4，dim C需要为64的倍数。
- 当concat输入分支中存在Pooling和mish算子时，则不对Quant算子和mish算子进行融合操作。
- Requant生效的条件请参考  V100RequantFusionPass
或者  V200RequantFusionPass
。


#### 支持的型号

Atlas 200I/500 A2 推理产品

Atlas 推理系列产品

Atlas 训练系列产品

Atlas A2 训练系列产品 / Atlas A2 推理系列产品

Atlas A3 训练系列产品 / Atlas A3 推理系列产品