GroupedDynamicMxQuant

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：根据传入的分组索引的起始值，对各个group以基本块的粒度进行目标数据类型为float4/float8的动态MX量化。

• 计算公式：

  • 场景1，当scaleAlg为0时：

    • 将输入x在第0维上先按照groupIndex进行分组，每个group内按k = blocksize个数分组，一组k个数 {{x_i}_i=1^k} 计算出这组数对应的量化尺度mxscale_pre, {mxscale_pre, {P_i}_i=1^k}，计算公式为下面公式(1)(2)。

    $$shared\_exp=floor(lo{g}_2(ma{x}_i(|V_i|)))-emax\text{\hspace{1em}(1)}$$

    $$mxscale\_pre=2^{shared\_exp}\text{\hspace{1em}(2)}$$

    • 这组数每个数都除以mxscale_pre，根据round_mode转换到对应的dst_type，得到量化结果y，计算公式为下面公式(3)。

    $$P_i=cast\_to\_dst\_type(V_i/mxscale,round\_mode),ifrom1toblocksize\text{\hspace{1em}(3)}$$

    • 量化后的 $P_i$ 按对应的 $V_i$ 的位置组成输出y，mxscale_pre按对应的groupIndex分组，分组内第一个维度pad为偶数，组成输出mxscale。

    • emax：对应数据类型的最大正则数的指数位。

      DataType	emax
      FLOAT4_E2M1	2
      FLOAT4_E1M2	0
      FLOAT8_E4M3FN	8
      FLOAT8_E5M2	15

  • 场景2，当scaleAlg为1时，只涉及FP8类型：

    • 将长向量按块分，每块长度为k，对每块单独计算一个块缩放因子$S_{fp32}^b$，再把块内所有元素用同一个$S_{fp32}^b$映射到目标低精度类型FP8。如果最后一块不足k个元素，把缺失值视为0，按照完整块处理。

    • 找到该块中数值的最大绝对值:

      $$Amax(D_{fp32}^b)=max(\{|d_i|{\}}_{i=1}^k)$$

    • 将FP32映射到目标数据类型FP8可表示的范围内，其中$Amax(DType)$是目标精度能表示的最大值。

      $$S_{fp32}^b=\frac{Amax(D_{fp32}^b)}{Amax(DType)}$$

    • 将块缩放因子$S_{fp32}^b$转换为FP8格式下可表示的缩放值$S_{ue8m0}^b$

    • 从块的浮点缩放因子$S_{fp32}^b$中提取无偏指数$E_{int}^b$和尾数$M_{fixp}^b$

    • 为保证量化时不溢出，对指数进行向上取整，且在FP8可表示的范围内：

      $$E_{int}^b=\{\begin{array}{ll}{E}_{int}^b+1,& \text{如果}{S}_{fp32}^b\text{为正规数，且}{E}_{int}^b<254\text{且}{M}_{fixp}^b>0\\ E_{int}^b+1,& \text{如果}{S}_{fp32}^b\text{为非正规数，且}{M}_{fixp}^b>0.5\\ E_{int}^b,& \text{否则}\end{array}$$

    • 计算块缩放因子：$S_{ue8m0}^b=2^{E_{int}^b}$

    • 计算块转换因子：$R_{fp32}^b=\frac{1}{fp32(S_{ue8m0}^b)}$

    • 应用到量化的最终步骤，对于每个块内元素，$d^i=DType(d_{fp32}^i\cdot R_{fp32}^n)$，最终输出的量化结果是$\left(S^b,[d^i{]}_{i=1}^k\right)$，其中$S^b$代表块的缩放因子，这里指$S_{ue8m0}^b$，$[d^i{]}_{i=1}^k$代表块内量化后的数据。

  • 场景3，当scaleAlg为2时，只涉及FP4类型：

    • 当dstTypeMax = 0.0/6.0/7.0(FP4_E2M1)或dstTypeMax = 1.875(FP4_E1M2)时：
      • 将输入x在第0维上按k = blocksize个数分组，一组k个数 $\{\{V_i{\}}_{i=1}^k\}$ 动态量化为 $\{mxscale,\{P_i{\}}_{i=1}^k\}$, k = blocksize：

      $$shared\_exp=\{\begin{array}{ll}ceil(lo{g}_2(ma{x}_i(|V_i|)))-emax,& \text{如果}尾数位的高比特前一/两/三位\text{为1，且尾数不全为0}\\ floor(lo{g}_2(ma{x}_i(|V_i|)))-emax,& \text{其它}\end{array}$$

      $$P_i=cast\_to\_dst\_type(V_i/mxscale,round\_mode),ifrom1toblocksize$$

      • 量化后的 $P_i$ 按对应的 $V_i$ 的位置组成输出y，按对应维度上的分组组成输出mxscale。
    • 当dstTypeMax != 0.0/6.0/7.0(FP4_E2M1)或dstTypeMax != 1.875(FP4_E1M2)时：
      • 将长向量按块分，每块长度为k，对每块单独计算一个块缩放因子$S_{fp32}^b$，再把块内所有元素用同一个$S_{fp32}^b$映射到目标低精度类型。如果最后一块不足k个元素，把缺失值视为0，按照完整块处理。
      • 找到该块中数值的最大绝对值:

      $$Amax(D_{fp32}^b)=max(\{|d_i|{\}}_{i=1}^k)$$

      • 将FP32映射到目标数据类型可表示的范围内，其中当dst_type_max为0时，$Amax(DType)$是目标精度能表示的最大值；当dst_type_max不为0时，$Amax(DType)$是dst_type_max传入值。

      $$S_{fp32}^b=\frac{Amax(D_{fp32}^b)}{Amax(DType)}$$

      • 将块缩放因子$S_{fp32}^b$转换为FP8格式下可表示的缩放值$S_{ue8m0}^b$。
      • 从块的浮点缩放因子$S_{fp32}^b$中提取无偏指数$E_{int}^b$和尾数$M_{fixp}^b$。
      • 为保证量化时不溢出，对指数进行向上取整，且在FP8可表示的范围内：

        $$E_{int}^b=\{\begin{array}{ll}{E}_{int}^b+1,& \text{如果}{S}_{fp32}^b\text{为正规数，且}{E}_{int}^b<254\text{且}{M}_{fixp}^b>0\\ E_{int}^b,& \text{否则}\end{array}$$

      • 计算块缩放因子：$S_{ue8m0}^b=2^{E_{int}^b}$
      • 计算块转换因子：$R_{fp32}^b=\frac{1}{fp32(S_{ue8m0}^b)}$
      • 应用到量化的最终步骤，对于每个块内元素，$d^i=DType(d_{fp32}^i\cdot R_{fp32}^n)$，最终输出的量化结果是$\left(S^b,[d^i{]}_{i=1}^k\right)$，其中$S^b$代表块的缩放因子，这里指$S_{ue8m0}^b$，$[d^i{]}_{i=1}^k$代表块内量化后的数据。
      • 量化后的 $P_i$ 按对应的 $V_i$ 的位置组成输出y，按对应维度上的分组组成输出mxscale。

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	Device侧的aclTensor，计算公式中的输入x。shape仅支持2维。支持非连续的Tensor，支持空Tensor。	FLOAT16、BFLOAT16	ND
groupIndex	输入	Device侧的aclTensor，量化分组的起始索引。shape仅支持1维。支持非连续的Tensor，不支持空Tensor。	INT32、INT64	ND
roundMode	属性	host侧的string，公式中的round_mode，数据转换的模式，支持"rint"/"round"/"floor"。对于FLOAT8，仅支持"rint"；对于FLOAT4，支持"rint"/"round"/"floor"三种。	STRING	-
dstType	属性	host侧的int64_t，公式中的dst_type，指定数据转换后y的类型，输入范围为{35, 36, 40, 41}，分别对应输出y的数据类型为{35: FLOAT8_E5M2, 36: FLOAT8_E4M3FN, 40: FLOAT4_E2M1, 41: FLOAT4_E1M2}。	INT64	-
blocksize	属性	host侧的int64_t，公式中的blocksize，指定每次量化的元素个数，仅支持32。	INT64	-
scaleAlg	属性	host侧的int64_t，指定mxscale计算时采用的算法，支持0, 1和2。	INT64	-
dstTypeMax	属性	host侧的float32，在scale_alg=2时生效。默认值0.0表示max_type为目标数据类型的最大值，若传入其它数值，则需要按照传入的数值计算mxscale。当前取值支持0.0和[1.75, 3.5)(FLOAT4_E1M2)、0.0和[6.0, 12.0](FLOAT4_E2M1)。	FLOAT	-
y	输出	Device侧的aclTensor，公式中的输出y，输入x量化后的对应结果。需与dstType对应，shape仅支持2维，支持空Tensor，shape和输入x一致。	FLOAT8_E4M3FN、FLOAT8_E5M2、FLOAT4_E2M1、FLOAT4_E1M2	ND
mxscale	输出	Device侧的aclTensor，公式中的mxscale_pre组成的输出mxscale，每个分组对应的量化尺度。shape仅支持3维，支持空Tensor。假设x的shape为 [m,n]，groupIndex的shape为 [g]，则mxscale的shape为 [(m/(blocksize * 2)+g), n, 2]。	FLOAT8_E8M0	ND

约束说明

• 关于x、groupIndex、y、mxscale的约束说明如下：
  • groupIndex中的值必须非递减，且不能小于0，最后一个元素必须为x第一个维度的长度。
  • $rank(mxscale)=rank(x)+1$。
  • 假设x的shape为 $[m,n]$，groupIndex的shape为 $[g]$，则mxscale的shape为 $[(m/(blocksize\ast 2)+g),n,2]$。
  • $mxscale.shape[-1]=2$。
  • 输出y的shape与输入x一致。
  • 当输出y的数据类型为FLOAT4_E2M1或FLOAT4_E1M2时，x尾轴（第1维）的长度必须为偶数。

调用说明

调用方式	调用样例	说明
aclnn调用	test_aclnn_grouped_dynamic_mx_quant	通过aclnnGroupedDynamicMxQuant接口方式调用GroupedDynamicMxQuant算子。
aclnn调用	test_aclnn_grouped_dynamic_mx_quant_v2	通过aclnnGroupedDynamicMxQuantV2接口方式调用GroupedDynamicMxQuant算子。