FusedPatchMlp

产品支持情况

产品	是否支持
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√

接口功能：

将 ChatTS-14B 中 TimeSeriesEmbedding 的多层 Patch Embedding MLP（多个 Linear + GELU 重复，最后一层无激活）融合为单个算子。时间序列切分为 patch 后，每个 patch 行经过一个 num_layers 层的 MLP 映射到 hidden_size，融合后一次下发即可完成，减少多次 kernel 启动开销，对长序列、多 patch 场景收益明显。
计算公式：

给定输入 x（形状 [..., patch_size]，支持 2D~8D，前置维度展平为 N 行），权重 weights、偏置 biases 按层展平，层数为 num_layers：
$h_0 = x$
对第 l 层（l = 0, 1, ..., num\_layers-1）：
$zl=hl⋅Wl⊤+blz_l = h_l \cdot W_l^\top + b_l$
除最后一层外应用 GELU（tanh 近似）激活：
$hl+1=GELU(zl)=0.5⋅zl⋅(1+tanh⁡(2π⋅(zl+0.044715zl3)))h_{l+1} = \text{GELU}(z_l) = 0.5 \cdot z_l \cdot \left( 1 + \tanh\left( \sqrt{\frac{2}{\pi}} \cdot \left( z_l + 0.044715 z_l^3 \right) \right) \right)$
最后一层不做激活，直接输出：
$y = z_{num\_layers-1}$

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	公式中的输入 x，形状 [..., patch_size]，支持 2D~8D，最后一维为 patch_size，其余前置维度展平为 patch 行数 N。	FLOAT16 / FLOAT / BF16	ND
weights	输入	各层权重（转置后）展平拼接，公式中的 W。	FLOAT16 / FLOAT / BF16	ND
biases	输入	各层偏置展平拼接，形状 [num_layers * hidden_size]，公式中的 b。当 x 为 BF16 时 biases 需为 FLOAT。	FLOAT16 / FLOAT / FLOAT	ND
num_layers	必选属性	MLP 的 Linear 层数。	INT	-
y	输出	公式中的 y，前置维度与 x 一致，最后一维由 patch_size 变为 hidden_size。	FLOAT16 / FLOAT / BF16	ND

支持 FLOAT16 / FLOAT(fp32) / BF16 三种数据类型（x/weights/y 同 dtype）。当 x 为 BF16 时 biases 需为 FLOAT（bf16 matmul 的 bias 表为 fp32，硬件不支持 bf16→float 的 bias 搬运）。
hidden_size 需使 bias 张量 ≥ 64 字节（FLOAT16/BF16 下 ≥ 32，FLOAT 下 ≥ 16）。
patch_size 需 ≥ 16（满足 Cube 单元 K 方向的分形基本块 C0=16）。
weights 按层顺序展平：首层为 [hidden_size, patch_size] 的转置，其余层为 [hidden_size, hidden_size] 的转置。
biases 长度为 num_layers * hidden_size，hidden_size = biases_length / num_layers。

调用方式	调用样例	说明
aclnn调用	test_aclnn_fused_patch_mlp	通过aclnnFusedPatchMlp接口方式调用FusedPatchMlp算子。
图模式调用	-	通过算子IR构图方式调用FusedPatchMlp算子。