企业官网建设流程全解析

TCubeTiling结构体

【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言，原生支持C和C++标准规范，主要由类库和语言扩展层构成，提供多层级API，满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit

TCubeTiling结构体包含Matmul Tiling切分算法的相关参数，被传递给Matmul Kernel侧，用于Matmul的切块、搬运和计算过程等。TCubeTiling结构体的参数说明见表1。

表1TCubeTiling结构说明

| 参数名称 | 数据类型 | 说明 | | --- | --- | --- | | usedCoreNum | int | 使用的AI处理器核数，请根据实际情况设置。取值范围为：[1, AI处理器最大核数]。该参数与shape相关参数的关系为：usedCoreNum = (M / singleCoreM) * (N / singleCoreN)。 | | M, N, Ka, Kb | int | A、B、C矩阵原始输入的shape大小，以元素为单位。M, Ka为A矩阵原始输入的Shape，Kb, N为B矩阵原始输入的Shape。
大小约束：
除Ascend 950PR/Ascend 950DT外， 下述场景需要开启MatmulConfig中的intrinsicsCheck参数，以完成Matmul计算。
若A矩阵为ND格式，不进行转置，Ka大于65535时需要开启intrinsicsCheck参数，M无大小限制；进行转置，M大于65535时需要开启intrinsicsCheck参数，Ka无大小限制。
若B矩阵为ND格式，不进行转置，N大于65535时需要开启intrinsicsCheck参数，Kb无大小限制；进行转置，Kb大于65535时需要开启intrinsicsCheck参数，N无大小限制。

对齐约束：
若A矩阵以NZ格式输入，则M需要以16个元素对齐，Ka需要以C0_size对齐；若B矩阵以NZ格式输入，Kb需要以C0_size对齐，N需要以16个元素对齐。
若A、B矩阵为ND格式，无对齐约束。

注意：NZ格式的输入，float数据类型的C0_size为8，half/bfloat16_t数据类型的C0_size为16，int8_t/fp8_e4m3fn_t/fp8_e5m2_t/hifloat8_t数据类型的C0_size为32，int4b_t/fp4x2_e2m1_t/fp4x2_e1m2_t数据类型的C0_size为64。 | | singleCoreM, singleCoreN, singleCoreK| int | A、B、C矩阵单核内shape大小，以元素为单位。该参数取值必须大于0。

singleCoreK = K，多核处理时不对K进行切分；singleCoreM <= M；singleCoreN <= N。

注意：若A矩阵以NZ格式输入，则singleCoreM需要以16个元素对齐，singleCoreK需要以C0_size对齐；若B矩阵以NZ格式输入，则singleCoreK需要以C0_size对齐，singleCoreN需要以16个元素对齐。 | | baseM, baseN, baseK| int | A、B、C矩阵参与一次矩阵乘指令的shape大小，以元素为单位。

A、B、C矩阵参与一次矩阵乘的shape大小需要按分形对齐，其含义请参考Mmad中的数据格式说明。

注意：该参数取值必须大于0。MxMatmul场景，baseK必须为64的倍数。 | |depthA1, depthB1 | int | A1、B1中全载基本块的份数，depthA1为A1中全载baseM * baseK的份数，depthB1为B1中全载baseN * baseK的份数。

注意：该参数取值必须大于0。 | | stepM， stepN，stepKa，stepKb| int | stepM为左矩阵在A1中缓存的buffer M方向上baseM的倍数。

stepN为右矩阵在B1中缓存的buffer N方向上baseN的倍数。

stepKa为左矩阵在A1中缓存的buffer Ka方向上baseK的倍数。

stepKb为右矩阵在B1中缓存的buffer Kb方向上baseK的倍数。

注意：该参数取值必须大于0。 | | isBias| int | 是否启用Bias，参数取值如下：
0：不启用Bias（默认值）。1：启用Bias。

注意：该参数不支持除上述外的其他取值，设置为其他值时参数行为未定义。 | | transLength| int | max(A1Length, B1Length, C1Length, BiasLength)。其中，A1Length, B1Length, C1Length, BiasLength分别表示A/B/C/Bias矩阵在计算过程中需要临时占用的UB空间大小。 | | iterateOrder | int | 一次Iterate计算出[baseM, baseN]大小的C矩阵分片，Iterate完成后，Matmul会自动偏移下一次Iterate输出的C矩阵位置，iterOrder表示自动偏移的顺序。参数取值如下：
0：先往M轴方向偏移再往N轴方向偏移。1：先往N轴方向偏移再往M轴方向偏移。

注意：该参数不支持除上述外的其他取值，设置为其他值时参数行为未定义。 | | dbL0A, dbL0B,

dbL0C | int | MTE1是否开启double buffer。

dbL0A：左矩阵MTE1是否开启double buffer；dbL0B：右矩阵MTE1是否开启double buffer；dbL0C：MMAD是否开启double buffer。参数取值如下：
1：不开启double buffer。2：开启double buffer。

注意：该参数不支持除上述外的其他取值，设置为其他值时参数行为未定义。 | | shareMode | int | 该参数预留，开发者无需关注。 | | shareL1Size | int | 该参数预留，开发者无需关注。 | | shareL0CSize | int | 该参数预留，开发者无需关注。 | | shareUbSize | int | 该参数预留，开发者无需关注。 | | batchM | int | 该参数预留，开发者无需关注。 | | batchN | int | 该参数预留，开发者无需关注。 | | singleBatchM | int | 该参数预留，开发者无需关注。 | | singleBatchN | int | 该参数预留，开发者无需关注。 | | mxTypePara | int | 组合参数，在MxMatmul场景使用，表示scaleA/scaleB载入L1的大小与A/B矩阵载入L1大小的倍数，具体如下：
0~6bit表示scaleA与A矩阵在K方向载入数据量的比例系数，scaleFactorKa，即scaleFactorKa=scaleA在K方向载入数据量/A矩阵在K方向载入数据量，数据范围为[1, 127]；
8~14bit表示scaleB与B矩阵在K方向载入数据量的比例系数，scaleFactorKb，即scaleFactorKb=scaleB在K方向载入数据量/B矩阵在K方向载入数据量，数据范围为[1, 127]；
16~22bit表示scaleA与A矩阵在M方向载入数据量的比例系数，scaleFactorM，即scaleFactorM=scaleA在M方向载入数据量/A矩阵在M方向载入数据量，数据范围为[1, 127]；
24~30bit表示scaleB与B矩阵在N方向载入数据量的比例系数，scaleFactorN，即scaleFactorN=scaleB在N方向载入数据量/B矩阵在N方向载入数据量，数据范围为[1, 127]；

注意：
对于scaleA矩阵，仅当Ka方向全载时，支持开启M方向的多倍载入。即baseK * stepKa * scaleFactorKa >= singleCoreK时，才能设置scaleFactorM为大于1的取值。
对于scaleB矩阵，仅当Kb方向全载时，支持开启N方向的多倍载入。即baseK * stepKb * scaleFactorKb >= singleCoreK时，才能设置scaleFactorN为大于1的取值。
scaleA、scaleB在M、N、K方向的载入数据量不能超过实际大小。
该参数仅在MDL模板生效。 |

多数情况下，用户通过调用GetTiling接口获取TCubeTiling结构体，具体流程请参考使用说明。如果用户自定义TCubeTiling参数，各个参数的取值需要满足表1和表2中的对应参数的约束条件。如果用户通过调用GetTiling接口获取TCubeTiling结构体后，需要修改调整Tiling，请参考如下TCubeTiling参数约束和性能调优推荐取值，进行参数的设置。

• TCubeTiling参数约束

  一组合法的TCubeTiling参数需要同时满足表2中的所有约束条件。若Matmul对象的MatmulConfig模板为MDL模板，除表2外，还同时需要满足表3 MDL模板补充约束条件。

  表2TCubeTiling约束条件

  | 约束条件 | 说明 | | --- | --- | | usedCoreNum <= aiCoreCnt | 使用核数小于等于当前AI处理器的最大核数 | | baseM * baseK * sizeof(A_type) * dbL0A< l0a_size | A矩阵base块不超过l0a buffer大小 | | baseN * baseK * sizeof(B_type) * dbL0B < l0b_size | B矩阵base块不超过l0b buffer大小 | | baseM * baseN * sizeof(l0c_type) * dbL0C < l0c_size，其中l0c_type为int32_t或者float数据类型。 | C矩阵base块不超过l0c buffer大小 | | baseN * sizeof(Bias_type) < biasT_size | Bias的base块不超过BiasTable buffer大小 | | stepM * stepKa * db = depthA1
  
  db这里表示为左矩阵MTE2是否开启double buffer，即L1是否开启double buffer，取值1（不开启double buffer）或2（开启double buffer） | depthA1的取值与stepM * stepKa * db相同 | | stepN * stepKb * db = depthB1
  
  db这里表示为右矩阵MTE2是否开启double buffer，即L1是否开启double buffer，取值1（不开启double buffer）或2（开启double buffer） | depthB1的取值与stepN * stepKb * db相同 | | 对于A矩阵在L1上的缓存块大小AL1Size、B矩阵在L1上的缓存块大小BL1Size必须满足：
  无bias场景：AL1Size + BL1Size <= L1_size
  
  有bias场景：AL1Size + BL1Size + baseN * sizeof(Bias_type) <= L1_size
  
  其中，AL1Size、BL1Size的计算方式如下：
  转置场景：
  AL1Size = CeilDiv(baseM, C0_size) * baseK * depthA1 * sizeof(A_type)
  BL1Size = baseN * baseK * depthB1 * sizeof(B_type)
  
  非转置场景：
  AL1Size = baseM * baseK * depthA1 * sizeof(A_type)
  BL1Size = CeilDiv(baseN, C0_size)* baseK * depthB1 * sizeof(B_type) | A矩阵、B矩阵和Bias在L1缓存块满足L1 buffer大小限制；
  
  注意：float数据类型的C0_size为8，half/bfloat16_t数据类型的C0_size为16，int8_t/fp8_e4m3fn_t/fp8_e5m2_t/hifloat8_t数据类型的C0_size为32，int4b_t/fp4x2_e2m1_t/fp4x2_e1m2_t数据类型的C0_size为64。 | | baseM * baseK, baseK * baseN和baseM * baseN按照NZ格式的分形对齐 | A矩阵、B矩阵、C矩阵的base块需要满足对齐约束：
  baseM和baseN需要以16个元素对齐；A矩阵非转置且B矩阵转置场景，baseK需要以C0_size对齐；其余场景（A矩阵转置或B矩阵非转置场景），baseK以16个元素对齐；
  
  注意：float/int32_t数据类型的C0_size为8，half/bfloat16_t数据类型的C0_size为16，int8_t/fp8_e4m3fn_t/fp8_e5m2_t/hifloat8_t数据类型的C0_size为32，int4b_t/fp4x2_e2m1_t/fp4x2_e1m2_t数据类型的C0_size为64。 | | MxMatmul场景，如果A与B矩阵的位置同时为GM，对singleCoreK没有特殊限制，在这种情况下，若scaleA和scaleB的K方向大小（即Ceil(singleCoreK, 32)）为奇数，用户需自行在scaleA和scaleB的K方向补0至偶数；对于其它A、B矩阵逻辑位置的组合情况，即A与B矩阵的位置不同时为GM，singleCoreK以32个元素向上对齐后的数值必须是32的偶数倍；
  
  输入数据类型为fp4x2_e2m1_t/fp4x2_e1m2_t时，内轴必须为偶数。 | scaleA/scaleB的数据类型是fp8_e8m0_t，K方向必须2字节连续，scaleA/scaleB的K方向是A/B矩阵K的1/32；A与B矩阵的位置不同时为GM时，singleCoreK以32个元素向上对齐后的数值，必须是32的偶数倍。
  
  在MxMatmul场景，输入数据类型为fp4x2_e2m1_t/fp4x2_e1m2_t，计算时的最小单元为8字节，需要将2个4字节的元素拼成一个8字节进行计算，内轴必须为偶数。 |

  表3MDL模板补充约束条件

  | 约束条件 | 说明 | | --- | --- | | Ka不全载时，即Ka / baseK > stepKa，stepM = 1 | K方向非全载时，M方向只能逐块搬运 | | Kb不全载时，即Kb / baseK > stepKb，stepN = 1 | K方向非全载时，N方向只能逐块搬运 | | kaStepIter_ % kbStepIter_ = 0或者kbStepIter_ % kaStepIter_ = 0
  
  kaStepIter_ = CeilDiv(tiling_->singleCoreK_, tiling_->baseK * tiling_->stepKa)
  
  kbStepIter_ = CeilDiv(tiling_->singleCoreK_, tiling_->baseK * tiling_->stepKb) | MDL模板K方向循环搬运要求Ka和Kb方向迭代次数为倍数关系
  
  kaStepIter_：Ka方向循环搬运迭代次数
  
  kbStepIter_：Kb方向循环搬运迭代次数 |

• 性能调优推荐取值

  根据Tiling调优经验，部分TCubeTiling参数值或取值方式推荐如下：

  • base块推荐(baseM, baseN, baseK)：(128, 256, 64)
  • dbL0A / dbL0B = 2
  • depthA1 / (stepM * stepKa) = 2
  • depthB1 / (stepN * stepKb) = 2
  • 优先设置参数stepKa/stepKb，使得K方向全载，再考虑M方向或N方向全载

【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言，原生支持C和C++标准规范，主要由类库和语言扩展层构成，提供多层级API，满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit