Matmul算子多核非对齐切分场景直调样例

概述

本样例介绍Matmul高阶API实现多核非对齐切分的单算子。多核非对齐的切分为M，N，K无法整除singleCoreM, singleCoreN, singleCoreK时，需要在不改变原有Tiling的情况下，在Kernel侧调用SetTail接口重新设置本次计算的singleCoreM/singleCoreN/singleCoreK。

支持的产品

• 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

目录结构介绍

├── matmul_unaligned
│   └── 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：

  Matmul算子调用Matmul API，对多核非对齐切分的A、B矩阵做矩阵乘和加Bias偏置。

• 算子规格：

  本样例默认执行的算子shape为：M = 1000, N = 700, K = 500。

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

• 算子实现：

  • Kernel实现

    • 计算逻辑：C = A * B + Bias。
      • 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]。
      • Bias为矩阵乘偏置，形状为[1, N]。对A*B结果矩阵的每一行都采用该Bias进行偏置。
    • 具体步骤：
      • 创建Matmul对象。
      • 初始化操作。
      • 设置右矩阵A、右矩阵B、Bias。
      • 计算tailM、tailN、tailK，当tailM < singleCoreM || tailN < singleCoreN || tailK < singleCoreK时处理尾块，调用SetTail接口进行设置尾块大小。

        auto temp0 = AscendC::Ceil(tiling.M, tiling.singleCoreM);
        auto temp1 = AscendC::Ceil(tiling.N, tiling.singleCoreN);
        auto temp2 = AscendC::Ceil(tiling.Ka, tiling.singleCoreK);
        
        auto divideKCoreNum = tiling.usedCoreNum / temp2;
        auto mCoreIndex = (blockIdx % divideKCoreNum) % temp0;
        auto nCoreIndex = (blockIdx % divideKCoreNum) / temp0;
        auto subKIndex = blockIdx / divideKCoreNum;
        
        uint32_t gmUseM = tiling.M - mCoreIndex * tiling.singleCoreM;
        uint32_t tailM = gmUseM < tiling.singleCoreM ? gmUseM : tiling.singleCoreM;
        uint32_t gmUseN = tiling.N - nCoreIndex * tiling.singleCoreN;
        uint32_t tailN = gmUseN < tiling.singleCoreN ? gmUseN : tiling.singleCoreN;
        uint32_t gmUseK = tiling.Ka - subKIndex * tiling.singleCoreK;
        uint32_t tailK = gmUseK < tiling.singleCoreK ? gmUseK : tiling.singleCoreK;
        
        if (tailM < tiling.singleCoreM || tailN < tiling.singleCoreN || tailK < tiling.singleCoreK) {
            matmulObj.setTail(tailM, tailN, tailK);
        }
        matmulObj.IterateAll(cGlobal);
        

      • 完成矩阵乘操作。
      • 结束矩阵乘操作。

  • 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、Bias的参数类型信息；M、N、Ka、Kb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!