FusedMulAdd

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	×
Atlas 200I/500 A2 推理产品	×
Atlas 推理系列产品	×
Atlas 训练系列产品	×

功能说明

• 算子功能：将 Mul、Add 子图融合为单个算子，对三个输入按 NumPy 广播规则对齐后逐元素计算乘加。

• 计算公式：

  $$y=x_1\times x_2+x_3$$

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x1	输入	公式中的乘法输入张量x1。	FLOAT16, FLOAT, INT32	ND
x2	输入	公式中的乘法输入张量x2，shape需与x1可广播。	同x1	ND
x3	输入	公式中的加法输入张量x3，shape需与x1*x2的结果可广播。	同x1	ND
y	输出	公式中的输出张量y，shape为x1、x2、x3广播后的统一形状。	同x1	ND

约束说明

• x1、x2、x3、y 必须为同一种数据类型，不支持混合数据类型。
• 支持任意 NumPy 广播形态（含标量、单维 broadcast、跨 rank broadcast），支持动态 shape 与动态 rank。

实现方案

层	文件	说明
计算图原型	op_graph/fused_mul_add_proto.h	REG_OP(FusedMulAdd)，三输入一输出
算子定义	op_host/fused_mul_add_def.cpp	OpDef::AddConfig("ascend950", ...)
InferShape	op_host/fused_mul_add_infershape.cpp	复用 Ops::Base::InferShape4Broadcast(ctx, 3)
Tiling	op_host/arch35/fused_mul_add_tiling_arch35.{h,cpp}	按 dtype 分支调用 Ops::Base::BroadcastBaseTiling<OpDag>
DAG	op_kernel/arch35/fused_mul_add_dag.h	fp32/fp16 通路在 fp32 中间精度下用 Vec::Mul + Vec::Add；int32 通路用 Vec::Mul + Vec::Add
Struct	op_kernel/arch35/fused_mul_add_struct.h	BRC_TEMP_SCH_MODE_KEY_DECL/SEL
Kernel 入口	op_kernel/fused_mul_add_apt.cpp	KERNEL_TASK_TYPE_DEFAULT(KERNEL_TYPE_AIV_ONLY) + BroadcastSch<schMode, OpDag>

fp16 / fp32 通路

In0/In1/In2 -- CopyInBrc -- Cast(->fp32) -- Vec::Mul(x1,x2) -- Vec::Add(+x3) -- Cast(->T,RINT) -- CopyOut -- Out0

全部输入先 Cast 到 fp32，再用 Vec::Mul + Vec::Add 两段式按公式 y = x1 * x2 + x3 顺序计算，最后 Cast 回 T 写出。

此处不使用 Vec::FusedMulAdd。该 API 底层实现会 in-place 写回 src2 buffer， 在 broadcast 大 tensor 跨 tile 复用输入 UB buffer 时会污染下一 tile 的输入， 导致 fp32/fp16 huge broadcast 场景精度错误。使用普通 Vec::Mul + Vec::Add 保证所有 placeholder 派生的 cast 结果只读。

int32 通路

In0/In1/In2 -- CopyInBrc -- Vec::Mul(x1,x2) -- Vec::Add(+x3) -- CopyOut -- Out0

调用说明

调用方式	样例代码	说明
图模式	test_geir_fused_mul_add	通过算子IR构图方式调用FusedMulAdd算子。