FasterGeluV2样例

概述

本样例演示了基于FasterGeluV2高阶API实现的算子实现。样例采用的FastGeluV2版本能降低Gelu的算力需求。

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

├── fastergeluv2
│   ├── scripts
│   │   ├── gen_data.py         // 输入数据和真值数据生成脚本
│   ├── CMakeLists.txt          // 编译工程文件
│   ├── data_utils.h            // 数据读入写出函数
│   └── fastergeluv2.asc        // Ascend C算子实现 & 调用样例

算子描述

• 算子功能：
  在神经网络中，Gelu是一个重要的激活函数，其灵感来源于relu和dropout，在激活中引入了随机正则的思想。为了降低Gelu的算力需求，业界提出了FastGeluV2版本。本接口实现了FastGeluV2。

  计算公式如下：

  $$dstLoca{l}_i=FasterGeluV2(srcLoca{l}_i)$$

  $$FasterGeluV2(x)=x\ast (sgn(x)\ast [-0.1444(clip(|0.7071x|,max=1.769)-1.769{)}^2+0.5]+0.5)$$

  其中，$sgn(x)=(x+0.000000000001)/|(x+0.000000000001)|$

• 算子规格：

  算子类型(OpType)	fastergeluv2
  算子输入
  	name	shape	data type	format
  	src	64	float	ND
  算子输出
  	dst	64	float	ND
  核函数名	fastergeluv2_custom

• 算子实现：
  本样例中实现的是固定shape为输入src[64]，输出dst[64]的fastergeluv2_custom算子。

  • Kernel实现

    计算逻辑是：Ascend C提供的矢量计算接口的操作元素都为LocalTensor，输入数据需要先搬运进片上存储，然后使用FasterGeluV2高阶API接口完成FasterGeluV2计算，得到最终结果，再搬出到外部存储上。

    fastergeluv2_custom算子的实现流程分为3个基本任务：CopyIn，Compute，CopyOut。CopyIn任务负责将Global Memory上的输入Tensor srcGm存储在srcLocal中，Compute任务负责对srcLocal执行FasterGeluV2计算，计算结果存储在dstLocal中，CopyOut任务负责将输出数据从dstLocal搬运至Global Memory上的输出Tensor dstGm。

  • 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
  

  执行结果如下，说明精度对比成功。

  test pass!