Csrot
产品支持情况
| 产品 | 是否支持 |
|---|---|
| Atlas 200I/500 A2 推理产品 | × |
| Atlas 推理系列产品 | × |
| Atlas 训练系列产品 | × |
| 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 | √ |
| Ascend 950PR/Ascend 950DT | × |
功能说明
-
接口功能：
asdBlasMakeRotPlan：初始化该句柄对应的Csrot算子配置。
asdBlasCsrot：对输入复向量组（x，y）进行旋转。 -
计算公式：
[xy]=[cs−sc]∗[xy]\begin{bmatrix} x\\y\end{bmatrix}=\begin{bmatrix} c & s\\-s & c\end{bmatrix}*\begin{bmatrix} x\\y\end{bmatrix}
其中，x[i]= c*x[i]+s*y[i]，y[i]= -s*x[i]+c*y[i]
c为旋转角度余弦值，s为旋转角度正弦值，x和y是复数向量。
示例： 输入“x”为：
[3.0 + 4.0j, 2.0 + 1.0j]
输入“y”为：
[1.0 + 1.0j, 3.0 + 3.0j]
输入“c”为：
32\frac{\sqrt{3}}{2}
输入“s”为：
0.5
调用asdBlasCsrot算子后，输出“x”为：
[3.098076+3.9641016j, 3.232051+2.3660254j]
输出“y”为：
[-0.6339746-1.1339746j, 1.5980761+2.098076j]
函数原型
AspbStatus asdBlasMakeRotPlan(
asdBlasHandle handle)
AspbStatus asdBlasCsrot(
asdBlasHandle handle,
const int64_t n,
aclTensor * x,
const int64_t incx,
aclTensor * y,
const int64_t incy,
const float & c,
const float & s)
asdBlasMakeRotPlan
-
参数说明：
参数名 输入/输出 描述 handle（asdBlasHandle） 输入 算子的句柄。 -
返回值：
返回状态码，具体参见SiP返回码。
asdBlasCsrot
-
参数说明：
参数名 输入/输出 描述 handle（asdBlasHandle） 输入 算子的句柄。 n（int64_t） 输入 表示向量中复数元素的个数。 x（aclTensor *） 输入/输出 - 对应公式中的'x'。
- 数据类型支持COMPLEX64。
- 数据格式支持ND。
- shape为[n]
incx（int64_t） 输入 x相邻元素间的内存地址偏移量（当前约束为1）。 y（aclTensor *） 输入/输出 - 对应公式中的'y'。
- 数据类型支持COMPLEX64。
- 数据格式支持ND。
- shape为[n]
incy（int64_t） 输入 y相邻元素间的内存地址偏移量（当前约束为1）。 c（float &） 输入 旋转矩阵的余弦值指针。 s（float &） 输入 旋转矩阵的正弦值指针。 -
返回值：
返回状态码，具体参见SiP返回码。
约束说明
- 输入的元素个数n当前覆盖支持[1,2.50e+06]。
- 算子输入shape为[n]，输出shape为[n]。
- 算子实际计算时，不支持ND高维度运算（不支持维度≥3的运算）。
调用示例
示例代码如下，该样例旨在提供快速上手、开发和调试算子的最小化实现，其核心目标是使用最精简的代码展示算子的核心功能，而非提供生产级的安全保障。不推荐用户直接将示例代码作为业务代码，若用户将示例代码应用在自身的真实业务场景中且发生了安全问题，则需用户自行承担。
- asdBlasCsrot
#include <iostream>
#include <vector>
#include <complex>
#include "asdsip.h"
#include "acl/acl.h"
#include "acl_meta.h"
#include "utils/mem_base.h"
using namespace AsdSip;
#define ASD_STATUS_CHECK(err) \
do { \
AsdSip::AspbStatus err_ = (err); \
if (err_ != AsdSip::ErrorType::ACL_SUCCESS) { \
std::cout << "Execute failed." << std::endl; \
exit(-1); \
} else { \
std::cout << "Execute successfully." << std::endl; \
} \
} while (0)
#define CHECK_RET(cond, return_expr) \
do { \
if (!(cond)) { \
return_expr; \
} \
} while (0)
#define LOG_PRINT(message, ...) \
do { \
printf(message, ##__VA_ARGS__); \
} while (0)
int64_t GetShapeSize(const std::vector<int64_t> &shape)
{
int64_t shapeSize = 1;
for (auto i : shape) {
shapeSize *= i;
}
return shapeSize;
}
int Init(int32_t deviceId, aclrtStream *stream)
{
// 固定写法，acl初始化
auto ret = aclInit(nullptr);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret);
ret = aclrtSetDevice(deviceId);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret);
ret = aclrtCreateStream(stream);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret);
return 0;
}
template <typename T>
int CreateAclTensor(const std::vector<T> &hostData, const std::vector<int64_t> &shape, void **deviceAddr,
aclDataType dataType, aclTensor **tensor)
{
auto size = GetShapeSize(shape) * sizeof(T);
// 调用aclrtMalloc申请device侧内存
auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret);
// 调用aclrtMemcpy将host侧数据复制到device侧内存上
ret = aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("aclrtMemcpy failed. ERROR: %d\n", ret); return ret);
// 计算连续tensor的strides
std::vector<int64_t> strides(shape.size(), 1);
for (int64_t i = shape.size() - 2; i >= 0; i--) {
strides[i] = shape[i + 1] * strides[i + 1];
}
// 调用aclCreateTensor接口创建aclTensor
*tensor = aclCreateTensor(shape.data(),
shape.size(),
dataType,
strides.data(),
0,
aclFormat::ACL_FORMAT_ND,
shape.data(),
shape.size(),
*deviceAddr);
return 0;
}
void printTensor(const std::complex<float> *tensorData, int64_t tensorSize)
{
for (int64_t i = 0; i < tensorSize; i++) {
std::cout << tensorData[i] << " ";
}
std::cout << std::endl;
}
int main(int argc, char **argv)
{
int deviceId = 0;
aclrtStream stream;
auto ret = Init(deviceId, &stream);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret);
int64_t n = 4;
int incx = 1;
int incy = 1;
const float cosValue = sqrt(3) / 2;
const float sinValue = 0.5;
int64_t xSize = n;
int64_t ySize = n;
std::vector<std::complex<float>> tensorInXData;
tensorInXData.reserve(xSize);
for (int64_t i = 0; i < n; i++) {
tensorInXData[i] = (std::complex<float>){2.0, 3.0};
}
std::vector<std::complex<float>> tensorInYData;
tensorInYData.reserve(ySize);
for (int64_t i = 0; i < n; i++) {
tensorInYData[i] = (std::complex<float>){5.0, 6.0};
}
std::cout << "cosValue = " << cosValue << std::endl;
std::cout << "sinValue = " << sinValue << std::endl;
std::cout << "------- input TensorInX -------" << std::endl;
printTensor(tensorInXData.data(), xSize);
std::cout << "------- input TensorInY -------" << std::endl;
printTensor(tensorInYData.data(), ySize);
std::vector<int64_t> xShape = {xSize};
std::vector<int64_t> yShape = {ySize};
aclTensor *inputX = nullptr;
aclTensor *inputY = nullptr;
void *inputXDeviceAddr = nullptr;
void *inputYDeviceAddr = nullptr;
ret = CreateAclTensor(tensorInXData, xShape, &inputXDeviceAddr, aclDataType::ACL_COMPLEX64, &inputX);
CHECK_RET(ret == ::ACL_SUCCESS, return ret);
ret = CreateAclTensor(tensorInYData, yShape, &inputYDeviceAddr, aclDataType::ACL_COMPLEX64, &inputY);
CHECK_RET(ret == ::ACL_SUCCESS, return ret);
asdBlasHandle handle;
asdBlasCreate(handle);
size_t lwork = 0;
void *buffer = nullptr;
asdBlasMakeRotPlan(handle);
asdBlasGetWorkspaceSize(handle, lwork);
std::cout << "lwork = " << lwork << std::endl;
if (lwork > 0) {
ret = aclrtMalloc(&buffer, static_cast<int64_t>(lwork), ACL_MEM_MALLOC_HUGE_FIRST);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret);
}
asdBlasSetWorkspace(handle, buffer);
asdBlasSetStream(handle, stream);
ASD_STATUS_CHECK(asdBlasCsrot(handle, n, inputX, incx, inputY, incy, cosValue, sinValue));
asdBlasSynchronize(handle);
asdBlasDestroy(handle);
ret = aclrtMemcpy(tensorInXData.data(),
xSize * sizeof(std::complex<float>),
inputXDeviceAddr,
xSize * sizeof(std::complex<float>),
ACL_MEMCPY_DEVICE_TO_HOST);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("copy tensor x from device to host failed. ERROR: %d\n", ret); return ret);
ret = aclrtMemcpy(tensorInYData.data(),
ySize * sizeof(std::complex<float>),
inputYDeviceAddr,
ySize * sizeof(std::complex<float>),
ACL_MEMCPY_DEVICE_TO_HOST);
CHECK_RET(ret == ::ACL_SUCCESS, LOG_PRINT("copy tensor y from device to host failed. ERROR: %d\n", ret); return ret);
std::cout << "------- output TensorInX -------" << std::endl;
printTensor(tensorInXData.data(), xSize);
std::cout << "------- output TensorInY -------" << std::endl;
printTensor(tensorInYData.data(), ySize);
aclDestroyTensor(inputX);
aclDestroyTensor(inputY);
aclrtFree(inputXDeviceAddr);
aclrtFree(inputYDeviceAddr);
aclrtDestroyStream(stream);
aclrtResetDevice(deviceId);
aclFinalize();
return 0;
}