| 【社区任务】AccumulateNv2算子开发-算子提交
Co-authored-by: Nice_try<nicetryzzw@163.com>
# message auto-generated for no-merge-commit merge:
!1741 merge submit-accumulate_nv2 into master
【社区任务】AccumulateNv2算子开发-算子提交
Created-by: Nice_try
Commit-by: Nice_try
Merged-by: cann-robot
Description: ## 描述
### 背景信息
基于AccumulateNv2算子历史TBE版本使用Ascend C编程语言进行优化。
### TBE源码分析
通过对AccumulateNv2算子TBE版本的功能分析，当前支持的能力如下：
① 算子支持仅float、half、int32、int8、uint8格式的输入输出。
- 算子功能：实现一组向量的累加。
> 由于不考虑广播场景，故向量shape需要一致。
AccumulateNv2算子TBE版本的整体流程图如下图所示：
### 算子原型
<table style="undefined;table-layout: fixed; width: 980px"><colgroup>
<col style="width: 100px">
<col style="width: 150px">
<col style="width: 280px">
<col style="width: 330px">
<col style="width: 120px">
</colgroup>
<thead>
<tr>
<th>参数名</th>
<th>输入/输出/属性</th>
<th>描述</th>
<th>数据类型</th>
<th>数据格式</th>
</tr></thead>
<tbody>
<tr>
<td>x</td>
<td>动态输入</td>
<td>待进行累加计算的入参，包含一组向量。</td>
<td>FLOAT、FLOAT16、INT32、INT8、UINT8</td>
<td>ND</td>
</tr>
<tr>
<tr>
<td>y</td>
<td>必要输出</td>
<td>累加之后得到的结果。</td>
<td>FLOAT、FLOAT16、INT32、INT8、UINT8</td>
<td>ND</td>
</tr>
<tr>
<td>num</td>
<td>可选属性</td>
<td>一组向量的个数</td>
<td>INT</td>
<td>/</td>
</tr>
</tbody></table>
### 算子支持型号
Atlas A2 训练系列产品/Atlas 800I A2推理产品
### host侧设计方案
算子计算过程不涉及数据的维度信息，故在host侧将数据视为一维向量，仅考虑数据个数，不考虑数据维度信息。
任务均分：coreNum 根据输入长度和块大小动态调整，确保每个核心处理的数据块数均匀。
批量搬运：tileBlockNum 和 tileDataNum 计算单次搬运的数据量，通过 finalSmallTileNum 和 finalBigTileNum 确定小核/大核的搬运次数，将多次搬运合并为批量操作，减少冗余开销。尾块的处理逻辑确保不完整块也能被合并到计算流程中，避免数据碎片。
#### 1) 分核策略
优先使用满核的原则。
如果核间能均分，可视作无大小核区分，大核小核数据块一致；
如果核间不能均分，需要将余出的数据块分配到前几个核上。
输入数据大小计算：通过GetInputShape和GetDataTypeLength函数获取输入数据的大小和类型长度，计算出输入数据的总字节数。
UB内存大小和核心数量获取：通过平台信息获取UB内存大小和核心数量，并根据这些信息调整核心数量。
#### 2) 数据分块和内存优化策略
充分使用UB空间的原则。
需要考虑不同硬件的UB大小不同、是否开启double buffer、kernel侧API实现过程中是否需要临时数据的储存，综合考虑单核内切分的大小。
UB内存大小获取：通过GetCoreMemSize函数获取UB内存的大小，用于后续的数据切分计算。
Tile块计算：根据UB内存大小和预定义的BLOCK_SIZE及BUFFER_NUM和不同类型下的ubDataNum，计算出每个Tile块的数据数量。
数据切分：将输入数据按照计算出的Tile块大小进行切分，计算出每个core需要处理的数据块数量和最后一个block的剩余数据量。
设置切分参数：将计算出的切分参数（如每个core的数据量、Tile块大小等）设置到RealDivTilingData对象中。
这些策略确保了数据在多个核心之间的均匀分布，并且在单个核心内进行了合理的切分，以提高并行处理的效率。
#### 3) tilingkey规划策略
不进行tilingkey划分，在kernel侧利用输入数据的类型来走不同的分支。
### kernel侧设计方案
进行Init和Process两个阶段，其中Process包括数据搬入（CopyIn）、计算（Compute）、搬出（CopyOut）三个阶段。
1) 依照TBE实现，输入为8位时Cast转换为fp16，输入为16位时需要转换为fp32，然后进行Add运算，结果Cast转换为原类型，然后搬出。
2) Ascend C的AccumulateNv2算子流程见下图。
## 关联的Issue
<!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。-->
<!-- 如果这个PR是为了解决特定的问题单，请在这里描述问题单单号。-->
[#1012](https://gitcode.com/cann/ops-math/issues/1012)
## 测试
<!--描述进行了哪些测试来验证你的改动。包括但不限于二级冒烟、算子泛化等。-->
不涉及
## 文档更新
<!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。-->
## 类型标签
<!-- [x] 表示选中 -->
- [ ] Bug修复
- [ ] 新特性
- [ ] 性能优化
- [ ] 文档更新
- [x] 其他，请描述：社区任务算子设计文档
See merge request: cann/ops-math!1741 | 2 个月前 |
