已开启
Feature】triton算子(chunk_kda_fwd_intra)迁移mindspeed-ops仓 #6
LinShua创建于 5月18日
Ronald1995
6月11日 评论：
6月11日 评论：
/label add good-first-issue
6月11日 添加了label：good-first-issue
wangx700
6月12日 评论：
6月12日 评论：
/label add triage-review
6月12日 添加了label：triage-review
finepix
6月25日 评论：
6月25日 评论：
认领这个任务
Ronald1995
6月25日 评论：
6月25日 评论：
认领这个任务
@finepix
抱歉，这个算子已经开发上仓了，您可以认领其他任务。https://gitcode.com/org/Ascend/discussions/4
Ronald1995
6月25日 评论：
6月25日 评论：
任务关闭
7月2日 关联了看板：@zeshengzong的看板 20260702
7月3日 关联了看板：MindStudio ISSUE管理
梵高的呐喊
1 天前 评论：
1 天前 评论：
认领该任务
任务描述
基于fla-org/flash-linear-attention开源仓库的triton源码，迁移优化triton算子在NPU上跑通及性能优化。
本期任务的具体信息如下：
（1）算子名称：chunk_kda_fwd_intra
（2） fla-org/flash-linear-attention开放仓库的算子源码链接：
https://github.com/fla-org/flash-linear-attention/blob/v0.4.1/fla/ops/kda/chunk_intra.py
（3） 迁移指导文档：https://gitcode.com/Ascend/triton-ascend/blob/main/docs/zh/programming_guide.md
参考 skill 地址：https://gitcode.com/Ascend/agent-skills/tree/master/skills/simple-vector-triton-gpu-to-npu
（4） 开发平台：Atlas 800T A2或者A3
验收标准
一、任务交付件
本期任务为基于fla-org/flash-linear-attention开放仓库代码进行功能扩展，请合入开发代码。主要开发点如下：
（1） triton算子针对NPU的适配修改优化后的代码
（2） 针对该triton算子的测试用例UT
二、验收标准：
1）精度/性能要求
精度：
对比GPU相同输入算子精度误差小于0.1%
若无GPU标杆，与CPU小算子对齐，精度误差小于0.1%
性能：
补充说明：具体性能对比数据呈现，按 CV类算子达到0.7x竞品， VV类算子达到0.9x竞品
以下以竞品A100为例说明计算具体的性能对比要求:
910B2 VS A100
计算式子：以CV类算子的Cube算力bound场景为例：1.13 * 0.7 =0.8
2）实践文档：
triton算子介绍1篇
3）任务完成标准
本次任务完成标准为：
精度/性能（根据实际要求）达标，PR完成合入，实践文档提交到仓库issue。
PR 合入
本地完成测试验证后，向MindSpeed-Ops的master分支发起PR。
对接人
LinSHua
欢迎加入社区，感谢您对社区的贡献 🎉!