0
代码
代码
Issues
Pull Requests
讨论
Wiki
分析
0
cann-robotcann-robotlayered_doc add bs limit
29866630创建于 4 天前历史提交

MoeDistributeCombineV2

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

  • 接口功能：当存在TP域通信时，先进行ReduceScatterV通信，再进行AllToAllV通信，最后将接收的数据整合（乘权重再相加）；当不存在TP域通信时，进行AllToAllV通信，最后将接收的数据整合（乘权重再相加）。

    相较于MoeDistributeCombine算子，该算子变更如下：

    • 输入了更详细的token信息辅助MoeDistributeCombineV2高效地进行全卡同步，因此原算子中shape为(BS * K,)的expandIdx入参替换为shape为(A * 128,)的assistInfoForCombine参数；
    • 新增sharedExpertXOptional入参，支持在sharedExpertNum为0时，由用户输入共享专家计算后的token；
    • 新增commAlg入参，代替HCCL_INTRA_PCIE_ENABLE和HCCL_INTRA_ROCE_ENABLE环境变量。 详细说明请参考以下参数说明。

  • 计算公式：

    • 不存在TP域通信时：

    ataOut=AllToAllV(expandX)xOut=Sum(expertScales∗ataOut+expertScales∗sharedExpertX)ataOut = AllToAllV(expandX)\\ xOut = Sum(expertScales * ataOut + expertScales * sharedExpertX)

    • 存在TP域通信时：

    rsOut=ReduceScatterV(expandX)ataOut=AllToAllV(rsOut)xOut=Sum(expertScales∗ataOut+expertScales∗sharedExpertX)rsOut = ReduceScatterV(expandX)\\ ataOut = AllToAllV(rsOut)\\ xOut = Sum(expertScales * ataOut + expertScales * sharedExpertX)

    注意该算子必须与MoeDistributeDispatchV2配套使用，相当于按MoeDistributeDispatchV2算子收集数据的路径原路返还。

参数说明

参数名 输入/输出/属性 描述 数据类型 数据格式
expandX 输入 根据expertIds进行扩展过的token特征。 FLOAT16、BFLOAT16 ND
expertIds 输入 每个token的topK个专家索引。 INT32 ND
assistInfoForCombine 输入 表示同一专家收到的token个数，对应MoeDistributeDispatchV2中的assistInfoForCombineOut输出。 INT32 ND
epSendCounts 输入 从EP通信域各卡接收的token数，对应MoeDistributeDispatchV2中的epRecvCounts输出。 INT32 ND
expertScales 输入 每个token的topK个专家的权重。 FLOAT32 ND
tpSendCountsOptional 可选输入 从TP通信域各卡接收的token数，对应MoeDistributeDispatchV2中的tpRecvCounts输出，有TP域通信需传参，无TP域通信传空指针。 INT32 ND
xActiveMaskOptional 可选输入 表示token是否参与通信，可传有效数据或空指针；1D时true需排在false前（例：{true, false, true}非法），2D时token对应K个值全为false则不参与通信；默认所有token参与通信；各卡BS不一致时所有token需有效。 BOOL ND
activationScaleOptional 可选输入 预留参数，当前版本不支持，传空指针即可。 - ND
weightScaleOptional 可选输入 预留参数，当前版本不支持，传空指针即可。 - ND
groupListOptional 可选输入 预留参数，当前版本不支持，传空指针即可。 - ND
expandScalesOptional 可选输入 表示本卡token的权重，对应MoeDistributeDispatchV2中的expandScales输出。 FLOAT32 ND
sharedExpertXOptional 可选输入 表示共享专家计算后的token，数据类型需与expandX一致。 FLOAT16、BFLOAT16 ND
elasticInfoOptional 可选输入 EP通信域动态缩容信息。 INT32 ND
oriXOptional 可选输入 表示未经过FFN（Feed-Forward Neural network）的token数据，在使能copyExpert或使能constExpert的场景下需要本输入数据。 FLOAT16、BFLOAT16 ND
constExpertAlpha1Optional 可选输入 在使能constExpert的场景下需要输入的计算系数。 FLOAT16、BFLOAT16 ND
constExpertAlpha2Optional 可选输入 在使能constExpert的场景下需要输入的计算系数。 FLOAT16、BFLOAT16 ND
constExpertVOptional 可选输入 在使能constExpert的场景下需要输入的计算系数。 FLOAT16、BFLOAT16 ND
performanceInfoOptional 可选输入 表示本卡等待各卡数据的通信时间，单位为us（微秒）。单次算子调用各卡通信耗时会累加到该Tensor上，算子内部不进行自动清零，因此用户每次启用此Tensor开始记录耗时前需对Tensor清零。 INT64 ND
groupEp 属性 EP通信域名称（专家并行通信域），字符串长度范围为[1, 128)，不能和groupTp相同。 STRING ND
epWorldSize 属性 EP通信域大小。 INT64 ND
epRankId 属性 EP域本卡ID，取值范围[0, epWorldSize)，同一个EP通信域中各卡的epRankId不重复。 INT64 ND
moeExpertNum 属性 MoE专家数量，满足moeExpertNum % (epWorldSize - sharedExpertRankNum) = 0。 INT64 ND
groupTp 可选属性
  • TP通信域名称（数据并行通信域）。
  • 默认值为""。
    		•  STRING ND
    tpWorldSize 可选属性
  • TP通信域大小。
  • 默认值为0。
    		•  INT64 ND
    tpRankId 可选属性
  • TP域本卡ID，无TP域通信时传0即可。
  • 默认值为0。
    		•  INT64 ND
    expertShardType 可选属性
  • 表示共享专家卡分布类型，当前仅支持传0，表示共享专家卡排在MoE专家卡前面。
  • 默认值为0。
    		•  INT64 ND
    sharedExpertNum 可选属性
  • 表示共享专家数量（一个共享专家可复制部署到多个卡上）。
  • 默认值为1。
    		•  INT64 ND
    sharedExpertRankNum 可选属性
  • 表示共享专家卡数量，取值范围[0, epWorldSize)；为0时需满足sharedExpertNum为0或1，不为0时需满足sharedExpertRankNum % sharedExpertNum = 0。
  • 默认值为0。
    		•  INT64 ND
    globalBS 可选属性
  • EP域全局的batch size大小；各rank BS一致时，globalBS = BS * epWorldSize 或 0；各rank BS不一致时，globalBS = maxBS * epWorldSize（maxBS为单卡BS最大值）。
  • 默认值为0。
    		•  INT64 ND
    outDtype 可选属性
  • 用于指定输出x的数据类型，预留参数，当前版本不支持，传0即可。
  • 默认值为0。
    		•  INT64 ND
    commQuantMode 可选属性
  • 通信量化类型，取值范围0或2；0表示通信不量化，2表示通信int8量化。
  • 默认值为0。
    		•  INT64 ND
    groupListType 可选属性
  • groupList格式，预留参数，当前版本不支持，传0即可。
  • 默认值为0。
    		•  INT64 ND
    commAlg 可选属性
  • 表示通信亲和内存布局算法。
  • 默认值为""。
    		•  STRING ND
    zeroExpertNum 可选属性
  • 零专家数量。
  • 默认值为0。
    		•  INT64 ND
    copyExpertNum 可选属性
  • copy专家数量。
  • 默认值为0。
    		•  INT64 ND
    constExpertNum 可选属性
  • 常量专家数量。
  • 默认值为0。
    		•  INT64 ND
    xOut 输出 表示处理后的token，数据类型、数据格式与expandX保持一致。 FLOAT16、BFLOAT16 ND
    • Atlas A2 训练系列产品/Atlas A2 推理系列产品：
      • 不支持共享专家场景，不支持expertShardType、sharedExpertNum、sharedExpertRankNum、sharedExpertXOptional。
      • 仅支持EP域，无TP域，不支持groupTp、tpWorldSize、tpRankId属性，且tpRecvCounts输出为无效内容。
      • 不支持动态缩容场景，不支持elasticInfoOptional。
      • 当commAlg = "hierarchy"，必须传入expandScalesOptional。
      • 不支持常量专家场景，不支持constExpertNum、constExpertAlpha1Optional、constExpertAlpha2Optional和constExpertVOptional，使用默认值即可。

    • Atlas A3 训练系列产品/Atlas A3 推理系列产品：

      • 当commAlg = "hierarchy"，必须传入expandScalesOptional。
      • commAlg 支持""，"fullmesh_v1"，"fullmesh_v2", "hierarchy"三种输入方式。""：默认值，不使能fullmesh_v2模板；"fullmesh_v1"：不使能fullmesh_v2模板；"fullmesh_v2"：使能fullmesh_v2模板，该模板仅支持tpWorldSize为1场景；"hierarchy": 使能跨超模板，该模板仅支持tpWorldSize为1、共享专家为0的场景，且不支持可变BS、二维mask、特殊专家、performanceInfo场景。
      • epWorldSize 取值范围[2, 768]；当commAlg="hierarchy"场景时，取值范围为[16, 256]，且为16的整数倍。
      • moeExpertNum 取值范围(0, 1024]；当commAlg="hierarchy"场景时，取值范围为(0, 512]。

    • Ascend 950PR/Ascend 950DT：

      • 不支持expandScalesOptional。
      • 不支持commAlg。
      • 仅支持EP域，无TP域，不支持groupTp、tpWorldSize、tpRankId属性，且tpRecvCounts输出为无效内容。

    约束说明

    • MoeDistributeDispatchV2与CombineV2系列算子必须配套使用，具体参考调用示例。

    • 算子通信域各节点的驱动版本应当相同。

    • 在不同产品型号、不同通信算法或不同版本中，MoeDistributeDispatchV2的Tensor输出assistInfoForCombineOut、epRecvCountsOut、tpRecvCountsOut、expandScalesOut中的元素值可能不同，使用时直接将上述Tensor传给CombineV2系列算子对应参数即可，模型其他业务逻辑不应对其存在依赖。

    • 调用算子过程中使用的groupEp、epWorldSize、moeExpertNum、groupTp、tpWorldSize、expertShardType、sharedExpertNum、sharedExpertRankNum、globalBS、commAlg参数，HCCL_BUFFSIZE取值所有卡需保持一致，网络中不同层中也需保持一致，且和MoeDistributeDispatchV2算子对应参数也保持一致。

    • 参数说明里shape格式说明：

      • A：表示本卡可能接收的最大token数量，取值范围如下：
        • 对于共享专家，要满足A = BS * epWorldSize * sharedExpertNum / sharedExpertRankNum。
        • 对于MoE专家，当globalBS为0时，要满足A >= BS * epWorldSize * min(localExpertNum, K)；当globalBS非0时，要满足A >= globalBS * min(localExpertNum, K)。
      • K：表示选取topK个专家，取值范围为0 < K ≤ 16同时满足0 < K ≤ moeExpertNum + zeroExpertNum + copyExpertNum + constExpertNum。
      • localExpertNum：表示本卡专家数量。
        • 对于共享专家卡，localExpertNum = 1
        • 对于MoE专家卡，localExpertNum = moeExpertNum / (epWorldSize - sharedExpertRankNum)，localExpertNum > 1时，不支持TP域通信。

    • 参数约束：

      • zeroExpertNum：取值范围：[0, MAX_INT32)，MAX_INT32 = 2^31 - 1, 合法的零专家的ID的值是[moeExpertNum, moeExpertNum + zeroExpertNum)。
      • copyExpertNum：取值范围：[0, MAX_INT32)，MAX_INT32 = 2^31 - 1, 合法的copy专家的ID的值是[moeExpertNum + zeroExpertNum, moeExpertNum + zeroExpertNum + copyExpertNum)。
      • constExpertNum：取值范围：[0, MAX_INT32)，MAX_INT32 = 2^31 - 1, 合法的常量专家的ID的值是[moeExpertNum + zeroExpertNum + copyExpertNum, moeExpertNum + zeroExpertNum + copyExpertNum + constExpertNum)。
      • oriXOptional：可选择传入有效数据或填空指针，当copyExpertNum不为0或constExpertNum不为0时必须传入有效输入；当传入有效数据时，要求shape为 (BS, H)，数据类型需与expandX保持一致。
      • constExpertAlpha1Optional：可选择传入有效数据或填空指针，当constExpertNum不为0或constExpertNum不为0时必须传入有效输入；当传入有效数据时，要求shape为(constExpertNum, )，数据类型需与expandX保持一致。
      • constExpertAlpha2Optional：可选择传入有效数据或填空指针，当constExpertNum不为0或constExpertNum不为0时必须传入有效输入；当传入有效数据时，要求shape为(constExpertNum, )，数据类型需与expandX保持一致。
      • constExpertVOptional：可选择传入有效数据或填空指针，当constExpertNum不为0或constExpertNum不为0时必须传入有效输入；当传入有效数据时，要求shape为(constExpertNum, H)，数据类型需与expandX保持一致。

    • 本文公式中的"/"表示整除。

    • 通信域使用约束：

      • 一个模型中的MoeDistributeCombineV2和MoeDistributeDispatchV2仅支持相同EP通信域，且该通信域中不允许有其他算子。
      • 一个模型中的MoeDistributeCombineV2和MoeDistributeDispatchV2仅支持相同TP通信域或都不支持TP通信域，有TP通信域时该通信域中不允许有其他算子。

    • Atlas A2 训练系列产品/Atlas A2 推理系列产品：

      • commAlg：当前版本支持nullptr， ""， "fullmesh"， "hierarchy"四种输入方式，若配置"hierarchy"，建议搭配25.0.RC1.1及以上版本驱动使用。
        • nullptr和""：仅在此场景下，HCCL_INTRA_PCIE_ENABLE和HCCL_INTRA_ROCE_ENABLE配置生效。当HCCL_INTRA_PCIE_ENABLE=1&&HCCL_INTRA_ROCE_ENABLE=0时，调用"hierarchy"算法，否则调用"fullmesh"算法。不推荐使用该方式。
        • "fullmesh"：token数据直接通过RDMA方式发往topk个目标专家所在的卡。
        • "hierarchy"：token数据经过跨机、机内两次发送，仅不同server同号卡之间使用RDMA通信，server内使用HCCS通信。
      • HCCL_INTRA_PCIE_ENABLE和HCCL_INTRA_ROCE_ENABLE：不推荐使用该环境变量控制通信算法，原HCCL_INTRA_PCIE_ENABLE=1&&HCCL_INTRA_ROCE_ENABLE=0场景，下文均通过commAlg="hierarchy"替代，默认场景使用commAlg="fullmesh"替代。
      • commAlg = "hierarchy"时，不支持xActiveMaskOptional、oriXOptional、zeroExpertNum、copyExpertNum。
      • 参数说明里shape格式说明：
        • H：表示hidden size隐藏层大小，取值范围(0, 10240]且为32的整数倍。
        • BS：表示batch sequence size，即本卡最终输出的token数量。
          • commAlg = "fullmesh"：取值范围为[1, 256]。
          • commAlg = "hierarchy"：取值范围为[1, 512]。
        • performanceInfoOptional：可选择传入有效数据或填空指针，传入空指针时表示不使能记录通信耗时功能；当传入有效数据时，要求是一个1D的Tensor，shape为(ep_world_size,)，数据类型支持int64；数据格式要求为ND。
      • 属性约束：
        • epWorldSize：依commAlg取值，"fullmesh"支持2、3、4、5、6、7、8、16、32、64、128、192、256、384；"hierarchy"支持16、32、64。
        • moeExpertNum：依commAlg取值，"fullmesh"支持(0, 1024]，"hierarchy"支持(0, 512]。
        • commQuantMode：2，开启通信int8量化，仅当commAlg = "hierarchy"且驱动版本不低于25.0.RC1.1时支持。
      • HCCL_BUFFSIZE：调用本算子前需检查HCCL_BUFFSIZE环境变量取值是否合理，该环境变量表示单个通信域占用内存大小，单位MB，不配置时默认为200MB。
        • commAlg = "fullmesh"：要求 >= (BS * epWorldSize * min(localExpertNum, K) * H * 4B + 4MB)。
        • commAlg = "hierarchy"：要求 >= (moeExpertNum + epWorldSize / 4) * Align512(maxBS * (H * 2 + 16 * Align8(K))) * 1B + 8MB，其中Align8(x) = ((x + 8 - 1) / 8) * 8，Align512(x) = ((x + 512 - 1) / 512) * 512。

    • Atlas A3 训练系列产品/Atlas A3 推理系列产品：

      • 该场景下单卡包含双DIE（简称为“晶粒”或“裸片”），因此参数说明里的“本卡”均表示单DIE。
      • 参数说明里shape格式说明：
        • H：表示hidden size隐藏层大小，取值范围[1024, 8192]。
        • BS：表示batch sequence size，即本卡最终输出的token数量，取值范围为[1, 512]。
      • 参数约束：
        • epWorldSize：取值支持8、16、32、64、128、144、256、288。
        • moeExpertNum：取值范围(0, 1024]。
        • groupTp：字符串长度范围为[1, 128)，不能和groupEp相同。
        • tpWorldSize：取值范围[0, 2]，0和1表示无TP域通信，有TP域通信时仅支持2。
        • tpRankId：取值范围[0, 1]，同一个TP通信域中各卡的tpRankId不重复。无TP域通信时，传0即可。
        • sharedExpertNum：当前取值范围[0, 4]。
        • commQuantMode：int8量化当且仅当tpWorldSize < 2时可使能。
        • performanceInfoOptional：预留参数，当前版本不支持，传空指针即可。
        • commAlg：当前支持""，"hierarchy"两种输入方式。
          • ""：默认值，使能通信域不跨超模板。
          • "hierarchy": 使能ROCE分层直驱能力，需要根据不同的逻辑超节点设置环境变量HCCL_LOGIC_SUPERPOD_ID，例如两机分别设为export HCCL_LOGIC_SUPERPOD_ID=0和export HCCL_LOGIC_SUPERPOD_ID=1。
      • HCCL_BUFFSIZE：调用本算子前需检查HCCL_BUFFSIZE环境变量取值是否合理，该环境变量表示单个通信域占用内存大小，单位MB，不配置时默认为200MB。要求 >= 2且满足>= 2 * (localExpertNum * maxBS * epWorldSize * Align512(Align32(2 * H) + 64) + (K + sharedExpertNum) * maxBS * Align512(2 * H))，localExpertNum需使用MoE专家卡的本卡专家数，其中Align512(x) = ((x + 512 - 1) / 512) * 512，Align32(x) = ((x + 32 - 1) / 32) * 32。

    • Ascend 950PR/Ascend 950DT：

      • 参数说明里shape格式说明：
        • H：表示hidden size隐藏层大小，取值范围[1024, 8192]。
        • BS：表示batch sequence size，即本卡最终输出的token数量，依commAlg取值，"fullmesh_v2"和"hierarchy"取值范围为 (0 < BS ≤ 256), "fullmesh_v1"和""取值范围为 (0 < BS ≤ 512)。
      • 参数约束：
        • epWorldSize：取值支持[2, 768]。
        • moeExpertNum：取值范围(0, 1024]。
        • groupTp当前版本不支持，传空字符即可。
        • tpWorldSize当前版本不支持，传0即可。
        • tpRankId当前版本不支持，传0即可。
        • expertShardType当前仅支持传0，表示共享专家卡排在MoE专家卡前面。
        • sharedExpertNum当前取值范围[0, 4]。
        • sharedExpertRankNum取值范围[0, epWorldSize)；为0时需满足sharedExpertNum为0或1，不为0时需满足sharedExpertRankNum % sharedExpertNum = 0。
        • commQuantMode取值范围0或2（0表示不量化，2表示int8量化）。
        • performanceInfoOptional：预留参数，当前版本不支持，传空指针即可。
      • HCCL_BUFFSIZE：调用本算子前需检查HCCL_BUFFSIZE环境变量取值是否合理，该环境变量表示单个通信域占用内存大小，单位MB，不配置时默认为200MB。要求 >= 2且满足>= 2 * (localExpertNum * maxBS * epWorldSize * Align512(Align32(2 * H) + 64) + (K + sharedExpertNum) * maxBS * Align512(2 * H))，localExpertNum需使用MoE专家卡的本卡专家数，其中Align512(x) = ((x + 512 - 1) / 512) * 512，Align32(x) = ((x + 32 - 1) / 32) * 32。

    调用说明

    调用方式 样例代码 说明
    aclnn接口 test_aclnn_moe_distribute_combine_v2.cpp 通过aclnnMoeDistributeCombineV2接口方式调用moe_distribute_combine_v2算子。