aclnnAddLora

产品支持情况

Ascend 950PR&950DT系列产品：不支持

Atlas A3系列产品：不支持

Atlas A2系列产品：支持

Atlas 200I/500 A2推理产品：不支持

Atlas推理系列产品：支持

Atlas训练系列产品：不支持

功能说明

接口功能：

将输入x根据输入索引indices，分别和对应的weightA，weightB相乘，然后将结果累加到输入y上并输出。
计算公式：

给定输入张量x，最后一维的长度为2d，函数AddLora进行以下计算：
1. 将x根据indices中的索引进行重排，对应同一组权重的x排列在一起。
2. 循环每个Lora分组，分别拿相应的x和weightA做矩阵乘：
  $x_{i} \cdot weightA[i, layerIdx, :, :]$
3. 得到的Z1继续和weightB做矩阵乘：
  $\cdot weightB[i, layerIdx, :, :] \times scale$
4. 最终把Z2累加到y上：
  $out=y[:,yOffset:yOffset+ySliceSize]+Z2\text{out} = y[:, yOffset: yOffset+ySliceSize] + Z2$

函数原型

每个算子分为两段式接口，必须先调用“aclnnAddLoraGetWorkspaceSize”接口获取入参并根据计算流程计算所需workspace大小，再调用“aclnnAddLora”接口执行计算。

aclnnStatus aclnnAddLoraGetWorkspaceSize(
    const aclTensor *y,
    const aclTensor *x,
    const aclTensor *weightB,
    const aclTensor *indices,
    const aclTensor *weightAOptional,
    int64_t          layerIdx,
    double           scale,
    int64_t          yOffset,
    int64_t          ySliceSize,
    const aclTensor *out,
    uint64_t        *workspaceSize,
    aclOpExecutor  **executor)

aclnnStatus aclnnAddLora(
    void          *workspace,
    uint64_t       workspaceSize,
    aclOpExecutor *executor,
    aclrtStream    stream)

aclnnAddLoraGetWorkspaceSize

参数说明：

参数名	输入/输出	描述	使用说明	数据类型	数据格式	维度(shape)	非连续Tensor
y（aclTensor*）	输入	表示待进行累加更新的张量，公式中的y。	shape维度2维：[B, H3]，H3是16的整数倍，同时H3的范围必须支持1~131072。第一维需要和x的第一维一致，都用`B`表示。不支持空Tensor。	FLOAT16	ND	2	√
x（aclTensor*）	输入	表示分组前的输入张量，公式中的x。	shape维度2维：[B, H1]，且H1是16的整数倍。不支持空Tensor。	FLOAT16	ND	2	√
weightB（aclTensor*）	输入	表示进行矩阵乘的第二个权重矩阵，公式中的weightB。	shape维度4维：[W, L, H2, R]，第三维需要小于等于y的第二维（H2 ≤ H3），且H2是16的整数倍，同时H2的范围必须支持1~131072；R的范围必须支持1~128，同时为16的整数倍。不支持空Tensor。	FLOAT16	ND、NZ	4	√
indices（aclTensor*）	输入	表示输入x的分组索引，公式中的输入indices。	shape维度1维：[B]。第一维需要和x以及y的第一维保持一致，都用`B`表示。不支持空Tensor。	INT32	ND	1	√
weightAOptional（aclTensor*）	输入	表示进行矩阵乘的第一个权重矩阵，为空时会跳过第一个矩阵乘，公式中的weightA。	shape维度4维：[W, L, R, H1]，前两维需要和`weightB`的前两维一致，用`W`和`L`表示，其中W的范围支持1~32；L的范围支持1~32；第三维需要和`weightB`的第四维保持一致，都用`R`表示；第四维需要和`x`的第二维保持一致，都用`H1`表示，需要是16的整数倍。不支持空Tensor。	FLOAT16	ND、NZ		√
layerIdx（int64_t）	输入	表示层数索引，公式中的layerIdx。	值需要小于weightB的第二个维度L。	-	-	-	-
scale（double）	输入	表示缩放系数，公式中的scale。	-	-	-	-	-
yOffset（int64_t）	输入	表示y更新时的偏移量，公式中的yOffset。	值需要小于y的第二个维度H3。	-	-	-	-
ySliceSize（int64_t）	输入	表示y更新时的范围，公式中的ySliceSize。	值需要小于等于y的第二个维度H3。	-	-	-	-
out（aclTensor*）	输出	输出张量，公式中的输出out。	输出的数据类型与输入保持一致。输出shape和输入y的shape维度一致。	FLOAT16	ND	2	×
workspaceSize（uint64_t*）	输出	返回需要在Device侧申请的workspace大小。	-	-	-	-	-
executor（aclOpExecutor**）	输出	返回op执行器，包含了算子计算流程。	-	-	-	-	-

Atlas A2系列产品：weightB和weightAOptional的数据格式支持ND。

返回值：

aclnnStatus：返回状态码，具体参见aclnn返回码。

第一段接口会完成入参校验，出现以下场景时报错：

返回码	错误码	描述
ACLNN_ERR_PARAM_NULLPTR	161001	传入的输入参数（x, y, weightB, indices）或输出参数out是空指针。
ACLNN_ERR_PARAM_INVALID	161002	输入参数（x, y, weightB, indices）或输出参数的数据类型不在支持的范围之内。
ACLNN_ERR_INNER_TILING_ERROR	561002	多个输入tensor之间的shape信息不匹配（详见参数说明）。
ACLNN_ERR_INNER_TILING_ERROR	561002	输入tensor的shape信息暂不支持（详见参数说明）。

aclnnAddLora

参数说明：

参数名	输入/输出	描述
workspace	输入	在Device侧申请的workspace内存地址。
workspaceSize	输入	在Device侧申请的workspace大小，由第一段接口aclnnAddLoraGetWorkspaceSize获取。
executor	输入	op执行器，包含了算子计算流程。
stream	输入	指定执行任务的Stream。

返回值：

aclnnStatus：返回状态码，具体参见aclnn返回码。

约束说明

确定性计算：
- aclnnAddLora默认确定性实现。

调用示例

示例代码如下，仅供参考，具体编译和执行过程请参考编译与运行样例。

#include <iostream>
#include <memory>
#include <type_traits>
#include <vector>
#include "acl/acl.h"
#include "aclnnop/aclnn_add_lora.h"

#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;
}

using StreamPtr = std::unique_ptr<std::remove_pointer<aclrtStream>::type, decltype(&aclrtDestroyStream)>;
using DeviceMemPtr = std::unique_ptr<void, decltype(&aclrtFree)>;
using TensorPtr = std::unique_ptr<aclTensor, decltype(&aclDestroyTensor)>;

void PrintOutResult(std::vector<int64_t>& shape, DeviceMemPtr& deviceAddr)
{
    auto size = GetShapeSize(shape);
    std::vector<float> resultData(size, 0);
    auto ret = aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), deviceAddr.get(),
                           size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST);
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result from device to host failed. ERROR: %d\n", ret); return);
    for (int64_t i = 0; i < size; i++) {
        LOG_PRINT("mean result[%ld] is: %f\n", i, resultData[i]);
    }
}

int Init(int32_t deviceId, StreamPtr& stream, bool& initialized, bool& deviceSet)
{
    // 固定写法，初始化
    auto ret = aclInit(nullptr);
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret);
    initialized = true;
    ret = aclrtSetDevice(deviceId);
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret);
    deviceSet = true;
    aclrtStream rawStream = nullptr;
    ret = aclrtCreateStream(&rawStream);
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret);
    stream.reset(rawStream);
    return 0;
}

template <typename T>
int CreateAclTensor(const std::vector<T>& hostData, const std::vector<int64_t>& shape, aclDataType dataType,
                    DeviceMemPtr& deviceAddr, TensorPtr& tensor)
{
    auto size = GetShapeSize(shape) * sizeof(T);
    // 调用aclrtMalloc申请device侧内存
    void* rawDeviceAddr = nullptr;
    auto ret = aclrtMalloc(&rawDeviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST);
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret);
    deviceAddr.reset(rawDeviceAddr);
    // 调用aclrtMemcpy将host侧数据复制到device侧内存上
    ret = aclrtMemcpy(deviceAddr.get(), 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
    aclTensor* rawTensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0,
                                           aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(), deviceAddr.get());
    CHECK_RET(rawTensor != nullptr, LOG_PRINT("aclCreateTensor failed.\n"); return ACL_ERROR_FAILURE);
    tensor.reset(rawTensor);
    return 0;
}

int main()
{
    // 1. （固定写法）device/stream初始化，参考acl API文档
    // 根据自己的实际device填写deviceId
    int32_t deviceId = 0;
    bool initialized = false;
    bool deviceSet = false;
    std::shared_ptr<void> aclGuard(nullptr, [&](void*) {
        if (deviceSet) {
            aclrtResetDevice(deviceId);
        }
        if (initialized) {
            aclFinalize();
        }
    });
    StreamPtr stream(nullptr, &aclrtDestroyStream);
    auto ret = Init(deviceId, stream, initialized, deviceSet);
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret);

    // 2. 构造输入与输出，需要根据API的接口自定义构造
    int32_t batchSize = 1;
    int32_t H1 = 16;
    int32_t H2 = 16;
    int32_t R = 16;
    int32_t loraNum = 1;
    int32_t layerNum = 1;

    std::vector<int64_t> xShape = {batchSize, H1};
    std::vector<int64_t> yShape = {batchSize, H2};
    std::vector<int64_t> weightBShape = {loraNum, layerNum, H2, R};
    std::vector<int64_t> indicesShape = {batchSize};
    std::vector<int64_t> weightAShape = {loraNum, layerNum, R, H1};
    std::vector<int64_t> outShape = {batchSize, H2};

    std::vector<float> xHostData(batchSize * H1, 1);
    std::vector<float> yHostData(batchSize * H2, 1);
    std::vector<float> weightBHostData(loraNum * layerNum * H2 * R, 1);
    std::vector<float> indicesHostData(batchSize, 0);
    std::vector<float> weightAHostData(loraNum * layerNum * R * H1, 1);
    std::vector<float> outHostData(batchSize * H2, 1);

    DeviceMemPtr xInputDeviceAddr(nullptr, &aclrtFree);
    DeviceMemPtr yInputDeviceAddr(nullptr, &aclrtFree);
    DeviceMemPtr weightBInputDeviceAddr(nullptr, &aclrtFree);
    DeviceMemPtr indicesInputDeviceAddr(nullptr, &aclrtFree);
    DeviceMemPtr weightAInputDeviceAddr(nullptr, &aclrtFree);
    DeviceMemPtr outDeviceAddr(nullptr, &aclrtFree);

    TensorPtr xInput(nullptr, &aclDestroyTensor);
    TensorPtr yInput(nullptr, &aclDestroyTensor);
    TensorPtr weightBInput(nullptr, &aclDestroyTensor);
    TensorPtr indicesInput(nullptr, &aclDestroyTensor);
    TensorPtr weightAInput(nullptr, &aclDestroyTensor);
    TensorPtr out(nullptr, &aclDestroyTensor);

    // 创建input x
    ret = CreateAclTensor(xHostData, xShape, aclDataType::ACL_FLOAT16, xInputDeviceAddr, xInput);
    CHECK_RET(ret == ACL_SUCCESS, return ret);
    // 创建input y
    ret = CreateAclTensor(yHostData, yShape, aclDataType::ACL_FLOAT16, yInputDeviceAddr, yInput);
    CHECK_RET(ret == ACL_SUCCESS, return ret);
    // 创建input weightB
    ret = CreateAclTensor(weightBHostData, weightBShape, aclDataType::ACL_FLOAT16, weightBInputDeviceAddr,
                          weightBInput);
    CHECK_RET(ret == ACL_SUCCESS, return ret);
    // 创建input indices
    ret = CreateAclTensor(indicesHostData, indicesShape, aclDataType::ACL_INT32, indicesInputDeviceAddr, indicesInput);
    CHECK_RET(ret == ACL_SUCCESS, return ret);
    // 创建input weightA
    ret = CreateAclTensor(weightAHostData, weightAShape, aclDataType::ACL_FLOAT16, weightAInputDeviceAddr,
                          weightAInput);
    CHECK_RET(ret == ACL_SUCCESS, return ret);
    // 创建out aclTensor
    ret = CreateAclTensor(outHostData, outShape, aclDataType::ACL_FLOAT16, outDeviceAddr, out);
    CHECK_RET(ret == ACL_SUCCESS, return ret);

    int64_t layer_idx = 0;
    double scale = 1.0;
    int64_t y_offset = 0;
    int64_t y_slice_size = H2;

    // 3. 调用CANN算子库API，需要修改为具体的Api名称
    uint64_t workspaceSize = 16 * 1024 * 1024;
    aclOpExecutor* executor;

    // 调用aclnnAddLora第一段接口
    ret = aclnnAddLoraGetWorkspaceSize(yInput.get(), xInput.get(), weightBInput.get(), indicesInput.get(),
                                       weightAInput.get(), layer_idx, scale, y_offset, y_slice_size, out.get(),
                                       &workspaceSize, &executor);
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnAddLoraGetWorkspaceSize failed. ERROR: %d\n", ret); return ret);

    // 根据第一段接口计算出的workspaceSize申请device内存
    DeviceMemPtr workspaceAddr(nullptr, &aclrtFree);
    if (workspaceSize > static_cast<uint64_t>(0)) {
        void* rawWorkspaceAddr = nullptr;
        ret = aclrtMalloc(&rawWorkspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST);
        CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret);
        workspaceAddr.reset(rawWorkspaceAddr);
    }

    // 调用aclnnAddLora第二段接口
    ret = aclnnAddLora(workspaceAddr.get(), workspaceSize, executor, stream.get());
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnAddLora failed. ERROR: %d\n", ret); return ret);

    // 4. （固定写法）同步等待任务执行结束
    ret = aclrtSynchronizeStream(stream.get());
    CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret);

    // 5. 获取输出的值，将device侧内存上的结果复制至host侧，需要根据具体API的接口定义修改
    PrintOutResult(outShape, outDeviceAddr);

    return 0;
}