GroupedMatmulSwigluQuant

产品支持情况

产品	是否支持
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	√
Kirin X90 处理器系列产品	√
Kirin 9030 处理器系列产品	√

功能说明

接口功能：融合GroupedMatmul 、dquant、swiglu和quant，详细解释见计算公式。
计算公式：
- 定义：
  - ⋅ 表示矩阵乘法。
  - ⊙ 表示逐元素乘法。
  - $⌊x⌉\left \lfloor x\right \rceil$ 表示将x四舍五入到最近的整数。
  - $Z8={x∈Z∣−128≤x≤127}\mathbb{Z_8} = \{ x \in \mathbb{Z} | −128≤x≤127 \}$
  - $Z32={x∈Z∣−2147483648≤x≤2147483647}\mathbb{Z_{32}} = \{ x \in \mathbb{Z} | -2147483648≤x≤2147483647 \}$
- 输入：
  - $X∈Z8M×KX∈\mathbb{Z_8}^{M \times K}$ ：输入矩阵（左矩阵），M是总token 数，K是特征维度。
  - $W∈Z8E×K×NW∈\mathbb{Z_8}^{E \times K \times N}$ ：分组权重矩阵（右矩阵），E是专家个数，K是特征维度，N是输出维度。
  - $bias∈Z32E×Nbias∈\mathbb{Z_{32}}^{E \times N}$ ：矩阵乘计算的偏移值，E是专家个数，N是输出维度。
  - $offset∈RE×Noffset∈\mathbb{R}^{E \times N}$ ：per-channel非对称反量化的偏移，E是专家个数，N是输出维度。
  - $w_scale∈RE×Nw\_scale∈\mathbb{R}^{E \times N}$ ：分组权重矩阵（右矩阵）的逐通道缩放因子，E是专家个数，N是输出维度。
  - $x_scale∈RMx\_scale∈\mathbb{R}^{M}$ ：输入矩阵（左矩阵）的逐 token缩放因子，M是总token 数。
  - $groupList∈NEgroupList∈\mathbb{N}^{E}$ ：前缀和的分组索引列表。
- 输出：
  - $Q∈Z8M×N/2Q∈\mathbb{Z_8}^{M \times N / 2}$ ：量化后的输出矩阵。
  - $Q_scale∈RMQ\_scale∈\mathbb{R}^{M}$ ：量化缩放因子。
  - $Q_offset∈RMQ\_offset∈\mathbb{R}^{M}$ ：量化偏移因子。
- 计算过程
  - 1.根据groupList[i]确定当前分组的 token ， $\in [0,Len(groupList)]$ 。
    
    例子：假设groupList=[3,4,4,6]，从0开始计数。
    
    第0个右矩阵W[0,:,:]，对应索引位置[0,3)的tokenx[0:3]（共3-0=3个token），对应x_scale[0:3]、w_scale[0]、bias[0]、offset[0]、Q[0:3]、Q_scale[0:3]、Q_offset[0:3]；
    
    第1个右矩阵W[1,:,:]，对应索引位置[3,4)的tokenx[3:4]（共4-3=1个token），对应x_scale[3:4]、w_scale[1]、bias[1]、offset[1]、Q[3:4]、Q_scale[3:4]、Q_offset[3:4]；
    
    第2个右矩阵W[2,:,:]，对应索引位置[4,4)的tokenx[4:4]（共4-4=0个token），对应x_scale[4:4]、w_scale[2]、bias[2]、offset[2]、Q[4:4]、Q_scale[4:4]、Q_offset[4:4]；
    
    第3个右矩阵W[3,:,:]，对应索引位置[4,6)的tokenx[4:6]（共6-4=2个token），对应x_scale[4:6]、w_scale[3]、bias[3]、offset[3]、Q[4:6]、Q_scale[4:6]、Q_offset[4:6]；
    
    请注意：groupList中未指定的部分将不会参与更新。例如groupList=[12,14,18]，X的shape为[30，:]。
    
    则第一个输出Q的shape为[30，:]，其中Q[18:，：]的部分不会进行更新和初始化，其中数据为显存空间申请时的原数据。
    
    同理，第二个输出Q的shape为[30]，其中Q_scale[18:]的部分不会进行更新或初始化，其中数据为显存空间申请时的原数据。
    
    即输出的Q[:groupList[-1],:]和Q_scale[:groupList[-1]]为有效数据部分。
  - 2.根据分组确定的入参进行如下计算：
    
    $Ci=(Xi⋅Wi)⊙x_scalei BroadCast⊙w_scalei BroadCastC_{i} = (X_{i}\cdot W_{i} )\odot x\_scale_{i\ BroadCast} \odot w\_scale_{i\ BroadCast}$
    
    $C_{i,act}, gate_{i} = split(C_{i})$
    
    $Si=Swish(Ci,act)⊙gateiS_{i}=Swish(C_{i,act})\odot gate_{i}$ 其中 $Swish(x)=x1+e−xSwish(x)=\frac{x}{1+e^{-x}}$
    
    注：当前版本不支持 $bias_{i}$ 、 $offset_{i}$ ，未来版本将支持的计算公式如下： $BroadCast)⊙x_scalei BroadCast⊙w_scalei BroadCast+offseti BroadCastC_{i} =(X_{i}\cdot W_{i} + bias_{i\ BroadCast})\odot x\_scale_{i\ BroadCast} \odot w\_scale_{i\ BroadCast}+offset_{i\ BroadCast}$
  - 3.确定量化方式
    - 当量化方式为对称量化时：
      
      $Q_scalei=max(∣Si∣)127Q\_scale_{i} = \frac{max(|S_{i}|)}{127}$
      
      $Q_{i} = \left \lfloor \frac{S_{i}}{Q_scale_{i}}\right \rceil $
    - 当量化方式为非对称量化时：(暂不支持)
      
      $Q_scalei=max(Si)−min(Si)255Q\_scale_{i} = \frac{max(S_{i})-min(S_{i})}{255}$
      
      $Q_offseti=−128−⌊min(Si)Q_scalei⌉Q\_offset_{i} = -128 - \left \lfloor \frac{min(S_{i})}{Q\_scale_{i}}\right \rceil$
      
      $Q_{i} = \left \lfloor \frac{S_{i}}{ Q_scale_{i} } + Q_offset_{i}\right \rceil $

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	左矩阵，公式中的X。	INT8	ND
weight	输入	权重矩阵，公式中的W。	INT8	ND / NZ
bias	输入	矩阵乘计算的偏移值，公式中的bias。	INT32	ND
offset	输入	per-channel非对称反量化的偏移，公式中的offset。	FLOAT32	ND
weightScale	输入	右矩阵的量化因子，公式中的w_scale。	FLOAT、FLOAT16、BFLOAT16	ND
xScale	输入	左矩阵的量化因子，公式中的x_scale。	FLOAT32	ND
groupList	输入	指示每个分组参与计算的Token个数，公式中的groupList。	INT64	ND
output	输出	输出的量化因子，公式中的Q。	FLOAT	ND
outputScale	输出	输出的量化因子，公式中的Q_scale。	FLOAT	ND
outputOffset	输出	输出的非对称量化的偏移，公式中的Q_offset。	FLOAT	ND

Kirin X90/Kirin 9030 处理器系列产品: 不支持BFLOAT16。

约束说明

N轴长度不能超过10240。
K轴长度不能超过65536。

调用说明

调用方式	调用样例	说明
aclnn调用	test_aclnn_grouped_matmul_swiglu_quant	通过接口方式调用GroupedMatmulSwigluQuant算子。