cann-robotReplace blockDim with numBlocks

文件	最后提交记录	最后更新时间
scripts	add introduction example	4 个月前
CMakeLists.txt	add introduction example	4 个月前
README.md	优化transpose等样例代码及README描述	4 个月前
data_utils.h	add introduction example	4 个月前
matmul.asc	Replace blockDim with numBlocks	4 个月前

Matmul算子直调样例

概述

本样例介绍Matmul算子的核函数直调实现，通过最大化利用昇腾AI处理器的并行计算能力，显著提升算子执行效率。该实现方式适用于高性能推理与训练场景。

支持的产品

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

目录结构介绍

├── normal_matmul
│   └── scripts
│       ├── gen_data.py         // 输入数据和真值数据生成脚本文件
│       └── verify_result.py    // 真值对比文件
│   ├── CMakeLists.txt          // 编译工程文件
│   ├── data_utils.h            // 数据读入写出函数
│   └── matmul.asc              // Ascend C算子实现 & 调用样例

算子描述

算子功能：

本样例中实现的是[M, K, N]固定为[512, 512, 1024]的Matmul算子。 Matmul算子的数学表达式为：
$C = A * B$
其中A的形状为[512, 512]，B的形状为[512, 1024]，C的形状为[512, 1024]。
算子规格：

在核函数直调样例中，算子实现支持的shape为：M = 512, N = 1024, K = 512。

算子类型(OpType) Matmul

算子输入 name shape data type format

a M * K float16 ND

b K * N float16 ND

bias N float ND

算子输出 c M * N float ND

核函数名 matmul_custom
算子实现：
本样例中实现的是[M, K, N]固定为[512, 512, 1024]的Matmul算子。Matmul的计算公式为：C = A * B。
A、B为源操作数，A为左矩阵，形状为[M, K]；B为右矩阵，形状为[K, N]。
C为目的操作数，存放矩阵乘结果的矩阵，形状为[M, N]。
- Kernel实现
  初始化Tiling数据，从设备全局内存中读取预先生成的TCubeTiling结构体，包含关键参数。
  流程如下：
  - 设置输入矩阵A、B和输出矩阵C的全局Tensor，并指定维度。
  - 调用CalcGMOffset计算出偏移量和尾块大小。
  - 初始化Matmul对象，设置接口配置计算参数并执行计算。
- Tiling实现
  Ascend C提供一组Matmul Tiling API，方便用户获取Matmul Kernel计算时所需的Tiling参数。只需要传入A/B/C矩阵等信息，调用API接口，即可获取到TCubeTiling结构体中的相关参数。
  获取Tiling参数的流程如下：
  - 创建一个Tiling对象。
  - 设置A、B、C 的参数类型信息；M、N形状信息等。
  - 调用GetTiling接口，获取Tiling信息。
- 调用实现
  使用内核调用符<<<>>>调用核函数。

编译运行

在本样例根目录下执行如下步骤，编译并执行算子。

配置环境变量
请根据当前环境上CANN开发套件包的安装方式，选择对应配置环境变量的命令。
- 默认路径，root用户安装CANN软件包
```
source /usr/local/Ascend/cann/set_env.sh
```
- 默认路径，非root用户安装CANN软件包
```
source $HOME/Ascend/cann/set_env.sh
```
- 指定路径install_path，安装CANN软件包
```
source ${install_path}/cann/set_env.sh
```

样例执行

mkdir -p build && cd build;   # 创建并进入build目录
cmake ..;make -j;             # 编译工程
python3 ../scripts/gen_data.py   # 生成测试输入数据
./demo                        # 执行编译生成的可执行程序，执行样例
python3 ../scripts/verify_result.py output/output.bin output/golden.bin   # 验证输出结果是否正确，确认算法逻辑正确

执行结果如下，说明精度对比成功。

test pass!

算子类型(OpType)	Matmul
算子输入	name	shape	data type	format
	a	M * K	float16	ND
	b	K * N	float16	ND
	bias	N	float	ND
算子输出	c	M * N	float	ND
核函数名	matmul_custom