SimpleSoftmax样例
概述
本样例基于Kernel直调算子工程，介绍了调用SimpleSoftMax高阶API实现softmax单算子，使用计算好的sum和max数据对输入tensor做Softmax计算。
支持的产品
- 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
目录结构介绍
├── simplesoftmax
│ ├── scripts
│ │ ├── gen_data.py // 输入数据和真值数据生成脚本
│ ├── CMakeLists.txt // 编译工程文件
│ ├── data_utils.h // 数据读入写出函数
│ └── simplesoftmax.asc // Ascend C算子实现 & 调用样例
算子描述
-
算子功能：
将输入tensor[m0, m1, ...mt, n]（t大于等于0）的非尾轴长度相乘的结果看作m，则输入tensor的shape看作[m, n]。对输入tensor[m,n]按行做计算，与SoftMax接口不同，该接口内部没有reduce过程计算sum和max数据，而是使用计算好的sum和max数据对输入tensor做Softmax计算。 -
算子规格：
算子类型(OpType) SimplesoftmaxCustom 算子输入 name shape data type format x 960*960 float ND max 960*8 float ND sum 960*8 float ND 算子输出 z 960*960 float ND 核函数名 simplesoftmax_custom -
算子实现：
本样例中实现的是固定shape为输入x [960, 960]，max[960, 8]，sum[960, 8]，输出z[960, 960]的softmax算子。-
kernel实现
计算逻辑是：Ascend C提供的矢量计算接口的操作元素都为LocalTensor，输入数据需要先搬运进片上存储，然后使用SimpleSoftMax高阶API接口完成softmax计算，得到最终结果，再搬出到外部存储上。
softmax算子的实现流程分为3个基本任务：CopyIn，Compute，CopyOut。CopyIn任务负责将Global Memory上的输入Tensor xGm、maxGm和sumGm搬运至Local Memory，分别存储在xLocal、maxLocal和sumLocal中，Compute任务负责对xLocal、maxLocal和sumLocal执行softmax计算，计算结果由于复用了xLocal，因此还是存储在xLocal中，CopyOut任务负责将输出数据从xLocal搬运至Global Memory上的输出Tensor zGm中。
-
tiling实现
softmax算子的tiling实现流程如下：首先对shape按照行数进行分核，使用平均分配法先按照核数向上对齐分配，确定主核的计算行数，再确定尾核计算行数，对主核计算的shape调用softmax高阶API的tiling函数获取API所需tiling参数，尾核计算所需的高阶API的tiling由kernel侧自行计算。
-
调用实现
使用内核调用符<<<>>>调用核函数。
-
编译运行
在本样例根目录下执行如下步骤，编译并执行算子。
-
配置环境变量
请根据当前环境上CANN开发套件包的安装方式，选择对应配置环境变量的命令。-
默认路径，root用户安装CANN软件包
source /usr/local/Ascend/cann/set_env.sh -
默认路径，非root用户安装CANN软件包
source $HOME/Ascend/cann/set_env.sh -
指定路径install_path，安装CANN软件包
source ${install_path}/cann/set_env.sh
-
-
样例执行
mkdir -p build && cd build; # 创建并进入build目录 cmake ..;make -j; # 编译工程 python3 ../scripts/gen_data.py # 生成测试输入数据 ./demo # 执行编译生成的可执行程序，执行样例执行结果如下，说明精度对比成功。
test pass!