企业官网建设流程全解析

• 人工智能
• 编译器
• 模型编译
• 高性能计算
• 深度学习
• CANN

导读

vf.reduce_min是 PyPTO 向量函数库（Vector Function，vf）中用于寄存器内（in-register）最小值归约的核心原语，对应硬件vcmin（全寄存器归约）与vcgmin（datablock 粒度归约）指令。它能够在单个寄存器内完成"掩码筛选 → 求最小值 → 回写结果与首个最小值索引"的全流程，是 softmax、min-pooling、动态规划等需要跨通道/跨行求极值的算子中高频使用的基础构件。阅读本文后，你将掌握reduce_min的语义、参数与边界行为（NaN、±0、空掩码），并能在 Ascend 950PR/950DT 上直接落地 FP32 与 INT64 两种可运行示例。

产品支持情况

从代码仓库的平台配置也能印证这一点：vcgmin指令能力仅出现在 Ascend950DT 与 Ascend950PR 的模拟平台配置（如Ascend950DT_9572.ini、Ascend950PR_9579.ini）中，而 A2/A3 系列配置中未声明该指令，与文档的"产品支持情况"完全一致。

功能说明

reg_tensor最小值归约的执行语义为：

1. 遍历源寄存器src中所有被谓词寄存器preg选中的有效元素；
2. 求出其中的最小值；
3. 将最小值写入目标寄存器的第一个元素dst[0]；
4. 将第一个最小值所在的下标写入dst[1]；
5. 其余元素全部置零。

归约过程中"值"与"索引"的保存方式如下图所示：

其中索引语义需要注意：当存在多个相等的最小值时，保存的是首次出现（下标最小）的那个索引；例如src = [5, 3, 7, 3]时，dst[0] = 3、dst[1] = 1。

函数原型

reduce_min(src, preg, datablock: bool = False, merge_mode: Optional[MergeMode] = None)

该接口在源码中的声明位于 python/pypto_pro/language/_vf_api.py#L628-L650，docstring 中明确标注其对应硬件指令为vcmin / vcgmin，并将行为形式化为：

dstReg_0 = min_{i ∈ active} srcReg_i

参数说明

参数底层实现（源码佐证）

• 在 IR 层，vf.reduce_min注册为VFOp类别算子，携带dst、src、mask三个操作数以及datablock（bool）与merge_mode（int）两个属性，见 framework/src/interface/ir/op/vf_ops.cpp#L247-L255：

REGISTER_OP("vf.reduce_min") .set_op_category("VFOp") .set_description("Min reduction across all lanes (vcmin/vcgmin)") .add_argument("dst", "Destination register") .add_argument("src", "Source register") .add_argument("mask", "Mask register") .set_attr<bool>("datablock") .set_attr<int>("merge_mode") .f_deduce_type(DeduceVFFromDstArg);

• 其中f_deduce_type(DeduceVFFromDstArg)表明：目标寄存器dst的数据类型由源寄存器src推导而来，二者保持一致，这正是"src 与 dst 类型一致"约束的机制来源。
• 后端生成阶段，该算子注册到 CCE 后端发射器（见 framework/src/interface/pypto_pro/backend/backend_cce_vf_ops.cpp#L5836），由后端将datablock属性翻译为vcmin或vcgmin两条不同的硬件指令。
• 在 Python 前端解析层，reduce_min被注册为单源操作数调用（见 python/pypto_pro/language/parser/_call_parser.py#L512），确保调用时参数个数与类型检查与声明一致。

约束说明

• datablock=True时，支持的数据类型收窄为：DT_INT16、DT_UINT16、DT_FP16、DT_INT32、DT_UINT32、DT_FP32。
• 即DT_INT64、DT_UINT64仅支持全寄存器归约模式（datablock=False）。

返回值说明

返回目标 reg_tensor，支持的数据类型与src一致，归约结果写入第一个元素dst[0]，索引写入dst[1]。需特别关注的边界行为：

• 多最小值并列：存在多个最小值时，将第一个（下标最小）最小值的索引保存在dst[1]中。
• NaN 输入：如果输入数据存在 NaN，将该数据类型的 NaN 写入dst[0]，并将第一个 NaN 的索引保存在dst[1]中。
• 符号零：min(-0, +0) = -0，即负零在比较中优先于正零。
• 空掩码：当preg未选中任何元素时，将对应数据类型的最大值（如DT_FP32的+Inf、DT_INT32的INT32_MAX）写入dst[0]。

调用示例

基本调用示例（DT_FP32）

以下示例展示完整的"加载 → 归约 → 存储"链路：通过vf.create_mask生成全 1 掩码，vf.load_align将 tile 数据对齐加载为寄存器，reduce_min求最小值，再vf.store_align写回 tile：

import os import pypto_pro.language as pl import torch import torch_npu @pl.vector_function def example_vf(src_tile, dst_tile): preg_all = vf.create_mask(pattern=pl.MaskPattern.ALL, dtype=pl.DT_FP32) src0 = vf.load_align(src_tile, 0) min0 = vf.reduce_min(src0, preg_all) vf.store_align(dst_tile, min0, preg_all) @pl.jit() def example_kernel( a: pl.Tensor[[pl.DYNAMIC, pl.DYNAMIC], pl.DT_FP32], out: pl.Tensor[[pl.DYNAMIC, pl.DYNAMIC], pl.DT_FP32], ): tf = pl.TileType(shape=[1, 64], dtype=pl.DT_FP32, target_memory=pl.MemorySpace.Vec) in_a_grp = pl.make_tile_group(type=tf, addrs=0x0, mutex_ids=[0]) in_a = in_a_grp.current() t_out_grp = pl.make_tile_group(type=tf, addrs=0x100, mutex_ids=[1]) t_out = t_out_grp.current() with pl.section_vector(): pl.load(in_a, a, [0, 0]) example_vf(in_a, t_out) pl.store(out, t_out, [0, 0]) def test_example(): device_id = int(os.environ.get("TILE_FWK_DEVICE_ID", 0)) device = f"npu:{device_id}" core_nums = 1 torch.npu.set_device(device) a = torch.randn([1, 64], device=device, dtype=torch.float32) out = torch.empty([1, 64], device=device, dtype=torch.float32) example_kernelNone, core_nums torch.npu.synchronize() torch.testing.assert_close(out[0, 0], torch.min(a), rtol=1e-5, atol=1e-5) if __name__ == "__main__": test_example() print("PASSED")

示例中的关键点：

• out[0, 0]对应归约结果dst[0]，与torch.min(a)做数值比对（rtol/atol=1e-5），验证最小值语义；
• 设备号通过环境变量TILE_FWK_DEVICE_ID指定（默认 0），核数为 1；
• 输入[1, 64]的 tile 恰好对应 64 个 FP32 元素的寄存器归约，注意reduce_min只使用dst[0]与dst[1]，其余位置按ZEROING语义被置零。

INT64 数据类型示例

DT_INT64是reduce_min的特色能力（同类归约接口如reduce_sum/reduce_max亦支持），注意此类型不能与datablock=True组合使用：

import os import pypto_pro.language as pl import torch import torch_npu @pl.vector_function def example_vf_int64(src_tile, dst_tile): preg = vf.create_mask(pattern=pl.MaskPattern.ALL, dtype=pl.DT_INT64) reg_a = vf.load_align(src_tile, 0) reg_out = vf.reduce_min(reg_a, preg) vf.store_align(dst_tile, reg_out, preg) @pl.jit() def example_kernel_int64( a: pl.Tensor[[pl.DYNAMIC, pl.DYNAMIC], pl.DT_INT64], out: pl.Tensor[[pl.DYNAMIC, pl.DYNAMIC], pl.DT_INT64], ): tf = pl.TileType(shape=[1, 32], dtype=pl.DT_INT64, target_memory=pl.MemorySpace.Vec) in_a_grp = pl.make_tile_group(type=tf, addrs=0, mutex_ids=[0]) in_a = in_a_grp.current() t_out_grp = pl.make_tile_group(type=tf, addrs=256, mutex_ids=[1]) t_out = t_out_grp.current() with pl.section_vector(): pl.load(in_a, a, [0, 0]) example_vf_int64(in_a, t_out) pl.store(out, t_out, [0, 0]) def test_example_int64(): device_id = int(os.environ.get("TILE_FWK_DEVICE_ID", 0)) device = f"npu:{device_id}" core_nums = 1 torch.npu.set_device(device) a = torch.randint(-100, 100, [1, 32], device=device, dtype=torch.int64) out = torch.zeros([1, 32], device=device, dtype=torch.int64) example_kernel_int64None, core_nums torch.npu.synchronize() torch.testing.assert_close(out[0, 0], torch.min(a), rtol=0, atol=0) if __name__ == "__main__": test_example_int64() print("PASSED")

INT64 示例的两个细节：

• tile 形状为[1, 32]：64 位类型每个元素占 8 字节，32 个元素正好对应一个寄存器的数据宽度；
• torch.testing.assert_close使用rtol=0, atol=0精确比对，因为整数最小值归约结果必须是位级精确的。

与相邻归约接口的对照

reduce_min属于 PyPTO 归约族（reduction 目录），与以下接口共享相同的签名与掩码语义，便于对比记忆：

• vf.reduce_max：求最大值，对应vcmax / vcgmax，datablock=True时每 datablock 求最大值写入dst最低位；
• vf.reduce_sum：求和，对应vcadd / vcgadd，注意其累加顺序与浮点舍入相关，实际应用时可通过文档中的reduce_sum_accum_order图理解累加次序对结果精度的影响。

三者均以dst[0]承载归约值，且datablock=True时的数据类型约束一致（16 位宽类型每 32 元素一个 datablock，32 位宽类型每 16 元素一个 datablock）。

典型应用场景与注意事项

应用场景：在矢量计算中，reduce_min适合将"按行/按组求极小值"操作下沉到寄存器级完成，例如：

• softmax / log-softmax 中先求最大值（reduce_max）再做指数归一化（最大值更利于数值稳定，最小值归约则常用于 min-max 归一化的下界计算）；
• 池化层 min-pooling 的列/行窗口约简；
• 动态规划或图算法中跨状态维度的最小值松弛。

注意事项：

1. 掩码是语义核心：preg决定参与归约的元素集合，务必与src的数据类型匹配生成（create_mask的dtype参数与src一致）；
2. 空掩码、NaN、±0 三类边界行为需在算子正确性验证中单独用例覆盖；
3. datablock=True模式下输出是多个datablock 结果依次写入dst低位，此时dst不再是单值语义，读取结果时需要按 16/32 元素步长解析；
4. 当前仅在 Ascend 950PR/950DT 上可用，跨产品移植前需先核对目标平台的指令集支持。

• 人工智能
• 编译器
• 模型编译
• 高性能计算
• 深度学习
• CANN