asc_shfl_up

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	x
Atlas A2 训练系列产品/Atlas A2 推理系列产品	x

功能说明

获取Warp内当前线程向前偏移delta（当前线程LaneId-delta）的线程输入的用于交换的var值；如果目标线程是非活跃状态，获取到寄存器中未初始化的值。其中，参数width用于划分Warp内线程的分组。参数width设置参与交换的32个线程的分组宽度，默认值为32，即所有线程分为1组。

在多个分组场景（width小于32）下，每个分组交换操作是独立的，每个线程获取本组内当前线程向前偏移delta的线程的var值。如果当前线程向前偏移delta的线程编号，即LaneId-delta，小于所在分组的起始LaneId，则返回当前线程的var值。

例如，Warp内32个活跃线程调用asc_shfl_up(LaneId, 2, 16)接口，每个线程的返回值为当前线程LaneId-2对应线程的var值，或者当前线程的var值。

图 1 asc_shfl_up结果示意图

函数原型

__simt_callee__ inline int32_t asc_shfl_up(int32_t var, uint32_t delta, int32_t width = warpSize)

__simt_callee__ inline uint32_t asc_shfl_up(uint32_t var, uint32_t delta, int32_t width = warpSize)

__simt_callee__ inline float asc_shfl_up(float var, uint32_t delta, int32_t width = warpSize)

__simt_callee__ inline int64_t asc_shfl_up(int64_t var, uint32_t delta, int32_t width = warpSize)

__simt_callee__ inline uint64_t asc_shfl_up(uint64_t var, uint32_t delta, int32_t width = warpSize)

__simt_callee__ inline half asc_shfl_up(half var, uint32_t delta, int32_t width = warpSize)

__simt_callee__ inline half2 asc_shfl_up(half2 var, uint32_t delta, int32_t width = warpSize)

参数说明

表 1 参数说明

参数名	输入/输出	描述
var	输入	线程用于交换的输入操作数。
delta	输入	期望获取的var值所在线程相对当前线程的向前偏移值。范围为[0, 32)，且小于width。
width	输入	Warp内参与交换的线程的分组宽度，默认值为32。width的取值范围为(0, 32]，width必须是2的倍数。

返回值说明

Warp内指定线程的var值
未初始化undefined的值

约束说明

无

需要包含的头文件

使用除half、half2类型之外的接口需要包含"simt_api/device_warp_functions.h"头文件，使用half和half2类型接口需要包含"simt_api/asc_fp16.h"头文件。

#include "simt_api/device_warp_functions.h"

#include "simt_api/asc_fp16.h"

调用示例

__simt_vf__ __launch_bounds__(1024) inline void KernelShflUp(__gm__ int32_t* dst)
{
     // asc_vf_call参数：dim3{1024, 1, 1}
     int idx = threadIdx.x + blockIdx.x * blockDim.x;
     int32_t laneId = idx % 32;
     // 0-15线程返回值分别为{0,1,0,1,2,3,4,5,6,7,8,9,10,11,12,13}
     // 16-31线程返回值为{16,17,16,17,18,19,20,21,22,23,24,25,26,27,28,29}

     int32_t result = asc_shfl_up(laneId, 2, 16);
     dst[idx] = result;
} 

// asc_shfl_up实现reducesum
__simt_vf__ __launch_bounds__(1024) inline void KernelShflUpReduceSum(__gm__ int32_t* dst)
{
     // asc_vf_call参数：dim3{1024, 1, 1}
     int idx = threadIdx.x + blockIdx.x * blockDim.x;
     int32_t laneId = idx % 32;
     int32_t value = laneId;

     value += asc_shfl_up(value, 16, 31); // 16
     value += asc_shfl_up(value, 8, 31);  // 8
     value += asc_shfl_up(value, 4, 31);  // 4
     value += asc_shfl_up(value, 2, 31);  // 2
     value += asc_shfl_up(value, 1, 31);  // 1

     dst[idx] = value;
}