BlockReduceMin

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√

功能说明

对每个datablock内所有元素求最小值。归约指令的总体介绍请参考如何使用归约计算API。

函数原型

• mask参数逐bit模式

  template <typename T, bool isSetMask = true>
  __aicore__ inline void BlockReduceMin(const LocalTensor<T>& dst, const LocalTensor<T>& src,const int32_t repeatTime, const uint64_t mask[], const int32_t dstRepStride, const int32_t srcBlkStride, const int32_t srcRepStride)
  

• mask参数连续模式

  template <typename T, bool isSetMask = true>
  __aicore__ inline void BlockReduceMin(const LocalTensor<T>& dst, const LocalTensor<T>& src,const int32_t repeatTime, const int32_t mask, const int32_t dstRepStride, const int32_t srcBlkStride, const int32_t srcRepStride)
  

参数说明

表 1 模板参数说明

参数名	描述
T	操作数数据类型。 Ascend 950PR/Ascend 950DT，支持的数据类型为：half/float Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half/float Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half/float
isSetMask	是否在接口内部设置mask。 true，表示在接口内部设置mask。 false，表示在接口外部设置mask，开发者需要使用SetVectorMask接口设置mask值。这种模式下，本接口入参中的mask值必须设置为占位符MASK_PLACEHOLDER。

表 2 参数说明

参数名称	输入/输出	含义
dst	输出	目的操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要保证16字节对齐（针对half数据类型），32字节对齐（针对float数据类型）。
src	输入	源操作数。 类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 LocalTensor的起始地址需要32字节对齐。
repeatTime	输入	迭代次数。取值范围为[0, 255]。
mask/mask[]	输入	mask用于控制每次迭代内参与计算的元素。 逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。 mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 264-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 264-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 232-1]。 例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。 连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。
dstRepStride	输入	目的操作数相邻迭代间的地址步长。以一个repeatTime归约后的长度为单位。 每个repeat(8个datablock)归约后，得到8个元素，所以源操作数类型为half类型时，RepStride单位为16Byte；源操作数类型为float类型时，RepStride单位为32Byte。
srcBlkStride	输入	单次迭代内datablock的地址步长。详细说明请参考dataBlockStride。
srcRepStride	输入	源操作数相邻迭代间的地址步长，即源操作数每次迭代跳过的datablock数目。详细说明请参考repeatStride。

返回值说明

无

约束说明

• 操作数地址对齐要求请参见通用地址对齐约束。

• 为了节省地址空间，您可以定义一个Tensor，供源操作数与目的操作数同时使用（即地址重叠），需要注意计算后的目的操作数数据不能覆盖未参与计算的源操作数，需要谨慎使用。

• 针对不同场景合理使用归约指令可以带来性能提升，具体样例请参考ReduceCustom。

调用示例

本样例中只展示Compute流程中的部分代码。如果您需要运行样例代码，请将该代码段拷贝并替换样例模板中Compute函数的部分代码即可。

• BlockReduceMin-tensor高维切分计算样例-mask连续模式

  int32_t mask = 256/sizeof(half);
  int repeat = 1;
  // repeatTime = 1, 128 elements one repeat, 128 elements total
  // srcBlkStride = 1, no gap between blocks in one repeat
  // dstRepStride = 1, srcRepStride = 8, no gap between repeats
  AscendC::BlockReduceMin<half>(dstLocal, srcLocal, repeat, mask, 1, 1, 8);
  

• BlockReduceMin-tensor高维切分计算样例-mask逐bit模式

  uint64_t mask[2] = { UINT64_MAX, UINT64_MAX };
  int repeat = 1;
  // repeatTime = 1, 128 elements one repeat, 128 elements total
  // srcBlkStride = 1, no gap between blocks in one repeat
  // dstRepStride = 1, srcRepStride = 8, no gap between repeats
  AscendC::BlockReduceMin<half>(dstLocal, srcLocal, repeat, mask, 1, 1, 8);
  

结果示例如下：

输入数据src_gm:
[3.902, -8.719, -5.797, -7.969, -9.516, -6.457, 0.1114, 2.781,
 4.758, 0.01262, 2.367, 2.16, -4.473, -9.336, -7.375, 6.078, 
 ... 
 3.621, -5.852, 6.902, 0.332, 1.112, 2.697, -9, 9.938, 
 4.645, 0.7021, 7.598, 4.586, 0.6431, 4.781, 3.566, 4.004]  
输出数据dst_gm:
[-9.516, ..., -9, 0, ..., 0]