企业官网建设流程全解析

Dequantize

【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

产品支持情况

• Ascend 950PR/Ascend 950DT：支持

• Atlas A3 训练系列产品/Atlas A3 推理系列产品：不支持

• Atlas A2 训练系列产品/Atlas A2 推理系列产品：不支持

• Atlas 200I/500 A2 推理产品：不支持

• Atlas 推理系列产品AI Core：不支持
• Atlas 推理系列产品Vector Core：不支持

• Atlas 训练系列产品：不支持

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

  template <const DequantizeConfig& config, typename DstT, typename SrcT, typename ScaleT, typename OffsetT> __aicore__ inline void Dequantize(const LocalTensor<DstT>& dstTensor, const LocalTensor<SrcT>& srcTensor, const ScaleT& scale, const OffsetT& offset, const LocalTensor<uint8_t>& sharedTmpBuffer, const DequantizeParams& params)

• 接口框架申请临时空间

  template <const DequantizeConfig& config, typename DstT, typename SrcT, typename ScaleT, typename OffsetT> __aicore__ inline void Dequantize(const LocalTensor<DstT>& dstTensor, const LocalTensor<SrcT>& 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

struct DequantizeConfig { DequantizePolicy policy; bool hasOffset = false; int32_t kDim = 1; }; enum class DequantizePolicy : int32_t { PER_TENSOR, PER_CHANNEL, PER_TOKEN, PER_GROUP };

表2接口参数说明

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

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

  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，不启用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<config>(dstLocal, srcLocal, scaleLocal, offsetLocal, params); // offsetLocal为预留参数，可配置为空Tensor;

• PER_TENSOR模式

  constexpr static DequantizePolicy tensorPolicy = DequantizePolicy::PER_TENSOR; // 不启用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<config>(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]

【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