aclnnFlashAttentionScoreGradV4
【免费下载链接】ops-transformer本项目是CANN提供的transformer类大模型算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-transformer
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 | x |
| Atlas A2 训练系列产品/Atlas A2 推理系列产品 | x |
| 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：训练场景下计算注意力的反向输出，即FlashAttentionScoreV4的反向计算。该接口query、key、value参数支持多个长度相等或者长度不相等的sequence
- 该接口合并了FlashAttentionScoreGradV2接口和FlashAttentionUnpaddingScoreGradV2接口，并调整了Dropout功能：
- Ascend 950PR/Ascend 950DT ：keepProb小于1.0时，若没有外部传入的DropoutMask，则使用新增参数生成DropoutMask；若有外部传入的DropoutMask，则使用外部传入的DropoutMask
- 该接口合并了FlashAttentionScoreGradV2接口和FlashAttentionUnpaddingScoreGradV2接口，并调整了Dropout功能：
计算公式：
- pseType=1时，与FlashAttentionScoreGrad计算公式相同
- pseType=其他取值时，公式如下：
$$ Y=Dropout(Softmax(Mask(\frac{QK^T}{\sqrt{d}}+pse),atten_mask),keep_prob)V $$
为方便表达，以变量$S$和$P$表示计算公式：
$$ S=Mask(\frac{QK^T}{\sqrt{d}}+pse),atten_mask $$
$$ P=Dropout(Softmax(S),keep_prob) $$
$$ Y=PV $$
则注意力的反向计算公式为：
$$ dV=P^TdY $$
$$ dQ=\frac{((dS)*K)}{\sqrt{d}} $$
$$ dK=\frac{((dS)^T*Q)}{\sqrt{d}} $$
其中增加sink之后计算逻辑见下，主要修改相关softmax_max和softmax_sum逻辑计算部分
$$ m = max(sink, max(S)) $$
$$ Attention = \frac{e^{S - m} @ V}{\sum e^{S-m} + S^{sink - m}} $$
$$ dSink = reduce(-Softmax(S) * dP * SimpleSoftmax(sink, x_max, x_sum)) $$
说明：query、keyIn、value数据排布格式支持从多种维度解读，其中T (Total S Length) 表示所有batch对应的S的总长、B（Batch）表示输入样本批量大小、S（Seq-Length）表示输入样本序列长度、H（Head-Size）表示隐藏层的大小、N（Head-Num）表示多头数、d（Head-Dim）表示隐藏层最小的单元尺寸，且满足d=H/N。
函数原型
每个算子分为两段式接口，必须先调用“aclnnFlashAttentionScoreGradV4GetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnFlashAttentionScoreGradV4”接口执行计算。
aclnnStatus aclnnFlashAttentionScoreGradV4GetWorkspaceSize( const aclTensor *query, const aclTensor *keyIn, const aclTensor *value, const aclTensor *dy, const aclTensor *pseShiftOptional, const aclTensor *dropMaskOptional, const aclTensor *paddingMaskOptional, const aclTensor *attenMaskOptional, const aclTensor *softmaxMaxOptional, const aclTensor *softmaxSumOptional, const aclTensor *softmaxInOptional, const aclTensor *attentionInOptional, const aclTensor *sinkInOptional, const aclTensor *queryRopeOptional, const aclTensor *keyRopeOptional, const aclTensor *dScaleQOptional, const aclTensor *dScaleKOptional, const aclTensor *dScaleVOptional, const aclTensor *dScaleDyOptional, const aclTensor *dScaleOOptional, const aclIntArray *prefixOptional, const aclIntArray *actualSeqQLenOptional, const aclIntArray *actualSeqKvLenOptional, const aclIntArray *qStartIdxOptional, const aclIntArray *kvStartIdxOptional, double scaleValue, double keepProb, int64_t preTokens, int64_t nextTokens, int64_t headNum, char *inputLayout, char *softmaxInLayout, int64_t innerPrecise, int64_t sparseMode, int64_t pseType, int64_t seed, int64_t offset, int64_t outDtype, aclTensor *dqOut, aclTensor *dkOut, aclTensor *dvOut, aclTensor *dqRopeOut, aclTensor *dkRopeOut, aclTensor *dpseOut, aclTensor *dsinkOut, uint64_t *workspaceSize, aclOpExecutor **executor)`aclnnStatus aclnnFlashAttentionScoreGradV4( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)aclnnFlashAttentionScoreGradV4GetWorkspaceSize
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 query 输入 公式中的Q。 数据类型与keyIn/value一致。 FLOAT16、BFLOAT16、FLOAT32 ND 0、3、4 √ keyIn 输入 公式中的K。 数据类型与query/value一致。 FLOAT16、BFLOAT16、FLOAT32 ND 0、3、4 √ keyRopeOptional 输入 公式中的输入K的rope部分。 数据类型与keyIn一致。 FLOAT16、BFLOAT16 ND 0、3、4 √ value 输入 公式中的V。 数据类型与query/keyIn一致。 FLOAT16、BFLOAT16、FLOAT32 ND 0、3、4 √ dy 输入 公式中的dY。 - FLOAT16、BFLOAT16、FLOAT32 ND 0、3、4 √ pseShiftOptional 可选输入 公式中的pse，表示位置编码。 支持[B,N,S,S]、[B,N,1,S]、[1,N,S,S]、[B,N,H,S]、[1,N,H,S]。 FLOAT16、BFLOAT16、FLOAT32 ND 0、4 √ dropMaskOptional 可选输入 公式中的Dropout。 支持[B,N,S,S] UINT8 ND 0、1 √ paddingMaskOptional 可选输入 预留参数暂未使用。 - - - - - qStartIdxOptional 可选输入 代表外切场景，当前分块Q的sequence在全局中的起始索引。 - INT64 ND 0、1 √ kvStartIdxOptional 可选输入 代表外切场景，当前分块KV的sequence在全局中的起始索引。 - INT64 ND 0、1 √ attenMaskOptional 可选输入 公式中的atten_mask。 - 取值1表示该位不参与计算，0表示参与计算。
- 支持[B,N,S,S]、[B,1,S,S]、[1,1,S,S]、[S,S]。
BOOL、UINT8 ND 0、2、4 √ softmaxMaxOptional 可选输入 注意力正向计算的中间输出。 shape=[B,N,Sq,8],[N,T,8],[T,N,8]。 FLOAT ND 0、4 √ softmaxSumOptional 可选输入 注意力正向计算的中间输出。 shape=[B,N,Sq,8],[N,T,8],[T,N,8]。 FLOAT ND 0、4 √ softmaxInOptional 可选输入 注意力正向计算的中间输出。预留参数暂未使用。 shape=[B,N,Sq,8]。 FLOAT ND 0、4 √ attentionInOptional 可选输入 注意力正向的最终输出。 数据类型和shape与query一致。 FLOAT16、BFLOAT16、FLOAT32 ND 0、3、4 √ sinkInOptional 可选输入 公式中的sink。 长度是headNum。 FLOAT32 ND [headNum] √ dScaleQOptional 可选输入 是query输入的反量化参数。 支持[B,N2,G,Sq/128,1] FLOAT32 ND 0、1 √ dScaleKOptional 可选输入 是key输入的反量化参数。 支持[B,N2,1,Skv/128,1] FLOAT32 ND 0、1 √ dScaleVOptional 可选输入 是value输入的反量化参数。 支持[B,N2,1,Skv/128,1] FLOAT32 ND 0、1 √ dScaleDyOptional 可选输入 是dy输入的反量化参数。 支持[B,N2,G,Sq/128,1] FLOAT32 ND 0、1 √ dScaleOOptional 可选输入 是attentionOptional输入的反量化参数。 支持[B,N2,G,Sq/128,1] FLOAT32 ND 0、1 √ prefixOptional 可选输入 prefix稀疏场景每个Batch的N。 - INT64 ND 0、1 - actualSeqQLenOptional 输入 表示每个Batch的query序列长度。 - INT64 ND 0、1 - actualSeqKvLenOptional 输入 表示每个Batch的kv序列长度。 - INT64 ND 0、1 - scaleValue 输入 公式中的scale缩放系数。 - DOUBLE - - - keepProb 输入 dropMask中1的比例。 - DOUBLE - - - preTokens 输入 稀疏计算窗口左边界。 - INT64 - - - nextTokens 输入 稀疏计算窗口右边界。 - INT64 - - - headNum 输入 单卡head个数，对应query的N轴。 - INT64 - - - inputLayout 输入 query/key/value的数据排布格式。 支持BSH、SBH、BSND、BNSD、TND。 String - - - softmaxInLayout 输入 控制softmaxMax、softmaxSum的实际数据排布。 shape为TND，实际数据排布需要NTD时传"same_as_input"，TND时传"" String - - - innerPrecise 输入 预留参数暂未使用。 - - - - - sparseMode 输入 稀疏模式。 支持配置值0~8。 INT64 - - - pseType 输入 Host侧的整型。 支持配置值0~3。 INT64 - - - seed 输入 keepProbOptional小于1.0时，根据seedOptional和offsetOptional生成DropoutMask。 - INT64 - - - offset 输入 Host侧的整型。 - INT64 - - - outDtype 输入 值为0表示dqOut等输出是FLOAT16，为1表示是BFLOAT16。 - INT64 - - - dqOut 输出 公式中的dQ，query的梯度。 - FLOAT16、BFLOAT16、FLOAT32 ND 0、3、4 √ dqRopeOut 输出 表示queryRope的梯度。 - FLOAT16、BFLOAT16 ND 0、3、4 √ dkOut 输出 公式中的dK，keyIn的梯度。 - FLOAT16、BFLOAT16、FLOAT32 ND 0、3、4 √ dkRopeOut 输出 公式中的dkRope，表示keyInRope的梯度。 - FLOAT16、BFLOAT16 ND 0、3、4 √ dvOut 输出 公式中的dV，value的梯度。 - FLOAT16、BFLOAT16、FLOAT32 ND 0、3、4 √ dpseOut 输出 d(pse)梯度。 暂未使用，传入的shape必须和pse_shape保持一致。 FLOAT16、BFLOAT16、FLOAT32 ND 0、4 √ dsinkOut 输出 公式中dSink，d(sinkInOptional)梯度。 - FLOAT32 ND 1 √ workspaceSize 输出 返回Device侧需要申请的workspace大小。 - - - - - executor 输出 返回算子执行器，包含计算流程。 - - - - - 返回值：
返回aclnnStatus状态码，具体参见aclnn返回码。
第一段接口完成入参校验，出现以下场景时报错：
返回值 错误码 描述 ACLNN_ERR_PARAM_NULLPTR 161001 传入参数是必选输入，输出或者必选属性，且是空指针。 ACLNN_ERR_PARAM_INVALID 161002 query、keyIn、value、dy、pseShiftOptional、dropMaskOptional、paddingMaskOptional、attenMaskOptional、softmaxMaxOptional、softmaxSumOptional、softmaxInOptional、attentionInOptional、dqOut、dkOut、dvOut、softmaxInLayout的数据类型不在支持的范围内。
aclnnFlashAttentionScoreGradV4
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aclnnFlashAttentionScoreGradV4GetWorkspaceSize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：
返回aclnnStatus状态码，具体参见aclnn返回码。
约束说明
确定性计算：
- aclnnFlashAttentionScoreGradV4默认非确定性实现，支持通过aclrtCtxSetSysParamOpt开启确定性。
输入query、key、value、dy的约束如下：
- B：batchsize必须相等。
- inputLayout必须一致。
- D：Head-Dim必须满足query和key的D相等，value和dy的D相等，并且query和key的D大于等于value和dy的D。
支持输入query/dy的N和key/value的N不相等，但必须成比例关系，即Nq/Nkv必须是非0整数，Nq取值范围1~256。
关于数据shape的约束，以inputLayout的TND为例，其中：
- B：取值范围为1~2K。带prefixOptional的时候B最大支持1K。
- N：取值范围为1~256。
- S：取值范围为1~1M。
- D：取值范围为1~768。
- KeepProb：取值范围为(0, 1]。
部分场景下，如果计算量过大可能会导致算子执行超时（aicore error类型报错，errorStr为：timeout or trap error），此时建议做轴切分处理，注：这里的计算量会受B、S、N、D等参数的影响，值越大计算量越大。
prefixOptional稀疏计算仅支持压缩场景，sparseModeOptional=6，当Sq > Skv时，prefix的N值取值范围[0, Skv]，当Sq <= Skv时，prefix的N值取值范围[Skv-Sq, Skv]。当sparseModeOptional=5、prefix的N > Skv或prefixOptional不传时执行全计算，sparseModeOptional=6要求prefixOptional必传。
sparseMode=7时，不支持可选输入pseShiftOptional。
sparseMode=8时，当每个sequence的q、kv等长时支持可选输入pseShiftOptional，针对全局做pse生成。支持q方向进行外切，需要外切前每个sequence的q、kv等长，外切后传入的actualSeqQLenOptional[0] - actualSeqKvLenOptional[0] + qStartIdxOptional - kvStartIdxOptional == 0（本功能属实验性功能）。
actualSeqQLenOptional输入支持某个Batch上的S长度为0，此时不支持可选输入pseShiftOptional。
关于softmaxMax与softmaxSum参数的约束：输入格式固定为[B, N, S, 8],TND的输入格式除外，此时为[N, T, 8]，注：T=B*S。
headNum的取值必须和传入的Query中的N值保持一致。
Ascend 950PR/Ascend 950DT ：
- seedOptional和offsetOptional只在keepProbOptional小于1.0时生效，否则不生效。
- keepProbOptional小于1.0时，若dropMaskOptional非nullptr，则使用输入的dropMask；否则使用seed和offset生成的dropMask。
TND格式下，支持尾部部分Batch不参与计算，此时actual_seq_q_len和actual_seq_kv_len尾部传入对应个数的0即可。假设真实S长度为[2, 3, 4, 5, 6]，若希望最后两个Batch不参与计算，则传入的actual_seq_q_len为[2, 3, 4, 0, 0]。此时若需要传入prefixOptional，其尾部也需要传入同等数量的0，例如[1, 1, 1, 0, 0]。
sinkInOptional维度为1，长度需要与query的headnum相同。
softmaxSum、softmaxMax数据排布为TND时，softmaxInLayout需要为"same_as_input"。
调用示例
调用示例代码如下，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 <vector> #include <cstdint> #include <cmath> #include <random> #include "acl/acl.h" #include "aclnnop/aclnn_flash_attention_score_grad.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; } void PrintOutResult(std::vector<int64_t> &shape, void** deviceAddr) { auto size = GetShapeSize(shape); std::vector<float> resultData(size, 0); auto ret = aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), *deviceAddr, 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, aclrtStream* stream) { // 固定写法，AscendCL初始化 auto ret = aclInit(nullptr); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret); ret = aclrtSetDevice(deviceId); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret); ret = aclrtCreateStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret); return 0; } template <typename T> int CreateAclTensor(const std::vector<T>& hostData, const std::vector<int64_t>& shape, void** deviceAddr, aclDataType dataType, aclTensor** tensor) { auto size = GetShapeSize(shape) * sizeof(T); // 调用aclrtMalloc申请device侧内存 auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret); // 调用aclrtMemcpy将host侧数据拷贝到device侧内存上 ret = aclrtMemcpy(*deviceAddr, 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 *tensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { // 1. （固定写法）device/stream初始化，参考AscendCL对外接口列表 // 根据自己的实际device填写deviceId int32_t deviceId = 0; aclrtStream stream; auto ret = Init(deviceId, &stream); 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 int64_t B = 1; int64_t N1 = 1; int64_t N2 = 1; int64_t S1 = 128; int64_t S2 = 128; int64_t D = 128; int64_t H1 = N1 * D; int64_t H2 = N2 * D; int64_t q_size = S1 * B * H1; int64_t kv_size = S2 * B * H2; int64_t atten_mask_size = S1 * S2; int64_t softmax_size = B * N1 * S1 * 8; std::vector<int64_t> qShape = {S1, B, H1}; std::vector<int64_t> kShape = {S2, B, H2}; std::vector<int64_t> vShape = {S2, B, H2}; std::vector<int64_t> dxShape = {S1, B, H1}; std::vector<int64_t> attenmaskShape = {S1, S2}; std::vector<int64_t> softmaxMaxShape = {B, N1, S1, 8}; std::vector<int64_t> softmaxSumShape = {B, N1, S1, 8}; std::vector<int64_t> attentionInShape = {S1, B, H1}; std::vector<int64_t> sinkInOptionalShape = {N1}; std::vector<int64_t> dqShape = {S1, B, H1}; std::vector<int64_t> dkShape = {S2, B, H2}; std::vector<int64_t> dvShape = {S2, B, H2}; std::vector<int64_t> dsinkShape = {N1}; void* qDeviceAddr = nullptr; void* kDeviceAddr = nullptr; void* vDeviceAddr = nullptr; void* dxDeviceAddr = nullptr; void* attenmaskDeviceAddr = nullptr; void* softmaxMaxDeviceAddr = nullptr; void* softmaxSumDeviceAddr = nullptr; void* attentionInDeviceAddr = nullptr; void* sinkInOptionalDeviceAddr = nullptr; void* dqDeviceAddr = nullptr; void* dkDeviceAddr = nullptr; void* dvDeviceAddr = nullptr; void* dsinkDeviceAddr = nullptr; aclTensor* q = nullptr; aclTensor* k = nullptr; aclTensor* v = nullptr; aclTensor* dx = nullptr; aclTensor* pse = nullptr; aclTensor* dropMask = nullptr; aclTensor* padding = nullptr; aclTensor* attenmask = nullptr; aclTensor* queryRope = nullptr; aclTensor* keyRope = nullptr; aclTensor* dScaleQ = nullptr; aclTensor* dScaleK = nullptr; aclTensor* dScaleV = nullptr; aclTensor* dScaleDy = nullptr; aclTensor* dScaleO = nullptr; aclTensor* softmaxMax = nullptr; aclTensor* softmaxSum = nullptr; aclTensor* softmaxIn = nullptr; aclTensor* attentionIn = nullptr; aclTensor* sinkInOptional = nullptr; aclTensor* dq = nullptr; aclTensor* dk = nullptr; aclTensor* dv = nullptr; aclTensor* dpse = nullptr; aclTensor* dqRope = nullptr; aclTensor* dkRope = nullptr; aclTensor* dsink = nullptr; std::random_device rd; std::mt19937 gen(rd()); std::normal_distribution<float> dist(0.0f, 1.0f); // 均值为0，标准差为1的正态分布 std::vector<float> qHostData(q_size); for (auto& val : qHostData) { val = dist(gen); } std::vector<float> kHostData(kv_size); for (auto& val : kHostData) { val = dist(gen); } std::vector<float> vHostData(kv_size); for (auto& val : vHostData) { val = dist(gen); } std::vector<float> dxHostData(q_size); for (auto& val : dxHostData) { val = dist(gen); } std::vector<uint8_t> attenmaskHostData(atten_mask_size, 0); std::vector<float> softmaxMaxHostData(softmax_size, 3.0); std::vector<float> softmaxSumHostData(softmax_size, 3.0); std::vector<float> attentionInHostData(q_size, 255.0); std::vector<float> sinkInOptionalHostData(N1, 0); std::vector<float> dqHostData(q_size, 2.0); std::vector<float> dkHostData(kv_size, 2.0); std::vector<float> dvHostData(kv_size, 3.0); std::vector<float> dsinkHostData(N1, 0); ret = CreateAclTensor(qHostData, qShape, &qDeviceAddr, aclDataType::ACL_FLOAT, &q); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(kHostData, kShape, &kDeviceAddr, aclDataType::ACL_FLOAT, &k); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(vHostData, vShape, &vDeviceAddr, aclDataType::ACL_FLOAT, &v); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dxHostData, dxShape, &dxDeviceAddr, aclDataType::ACL_FLOAT, &dx); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(attenmaskHostData, attenmaskShape, &attenmaskDeviceAddr, aclDataType::ACL_UINT8, &attenmask); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(softmaxMaxHostData, softmaxMaxShape, &softmaxMaxDeviceAddr, aclDataType::ACL_FLOAT, &softmaxMax); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(softmaxSumHostData, softmaxSumShape, &softmaxSumDeviceAddr, aclDataType::ACL_FLOAT, &softmaxSum); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(attentionInHostData, attentionInShape, &attentionInDeviceAddr, aclDataType::ACL_FLOAT, &attentionIn); ret = CreateAclTensor(sinkInOptionalHostData, sinkInOptionalShape, &sinkInOptionalDeviceAddr, aclDataType::ACL_FLOAT, &sinkInOptional); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dqHostData, dqShape, &dqDeviceAddr, aclDataType::ACL_FLOAT, &dq); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dkHostData, dkShape, &dkDeviceAddr, aclDataType::ACL_FLOAT, &dk); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dvHostData, dvShape, &dvDeviceAddr, aclDataType::ACL_FLOAT, &dv); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dsinkHostData, dsinkShape, &dsinkDeviceAddr, aclDataType::ACL_FLOAT, &dsink); CHECK_RET(ret == ACL_SUCCESS, return ret); double scaleValue = 1.0/sqrt(128); double keepProb = 1.0; int64_t preTokens = 65536; int64_t nextTokens = 65536; int64_t headNum = 1; int64_t innerPrecise = 0; int64_t sparseMode = 0; int64_t pseType = 1; int64_t outDtype = 1; int64_t seed = 0; int64_t offset = 0; char inputLayOut[5] = {'S', 'B', 'H', 0}; char softmaxInLayoutArr[] = ""; // 3. 调用CANN算子库API，需要修改为具体的Api名称 uint64_t workspaceSize = 0; aclOpExecutor* executor; // 调用aclnnFlashAttentionScoreGradV4第一段接口 ret = aclnnFlashAttentionScoreGradV4GetWorkspaceSize(q, k, v, dx, pse, dropMask, padding, attenmask, softmaxMax, softmaxSum, softmaxIn, attentionIn, nullptr, queryRope, keyRope, dScaleQ, dScaleK, dScaleV, dScaleDy, dScaleO, nullptr, nullptr, nullptr, nullptr, nullptr, scaleValue, keepProb, preTokens, nextTokens, headNum, inputLayOut, softmaxInLayoutArr, innerPrecise, sparseMode,outDtype, pseType, seed, offset, dq,dk,dv,dqRope,dkRope,dpse, nullptr, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnFlashAttentionScoreGradV4GetWorkspaceSize failed. ERROR: %d\n", ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 void* workspaceAddr = nullptr; if (workspaceSize > 0) { ret = aclrtMalloc(&workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret); } // 调用aclnnFlashAttentionScoreGradV4第二段接口 ret = aclnnFlashAttentionScoreGradV4(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnFlashAttentionScoreGradV4 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); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret); // 5. 获取输出的值，将device侧内存上的结果拷贝至host侧，需要根据具体API的接口定义修改 PrintOutResult(dqShape, &dqDeviceAddr); PrintOutResult(dkShape, &dkDeviceAddr); PrintOutResult(dvShape, &dvDeviceAddr); // 6. 释放aclTensor和aclScalar，需要根据具体API的接口定义修改 aclDestroyTensor(q); aclDestroyTensor(k); aclDestroyTensor(v); aclDestroyTensor(dx); aclDestroyTensor(attenmask); aclDestroyTensor(softmaxMax); aclDestroyTensor(softmaxSum); aclDestroyTensor(attentionIn); aclDestroyTensor(sinkInOptional); aclDestroyTensor(dq); aclDestroyTensor(dk); aclDestroyTensor(dv); aclDestroyTensor(dsink); // 7. 释放device资源 aclrtFree(qDeviceAddr); aclrtFree(kDeviceAddr); aclrtFree(vDeviceAddr); aclrtFree(dxDeviceAddr); aclrtFree(attenmaskDeviceAddr); aclrtFree(softmaxMaxDeviceAddr); aclrtFree(softmaxSumDeviceAddr); aclrtFree(attentionInDeviceAddr); aclrtFree(sinkInOptionalDeviceAddr); aclrtFree(dqDeviceAddr); aclrtFree(dkDeviceAddr); aclrtFree(dvDeviceAddr); aclrtFree(dsinkDeviceAddr); if (workspaceSize > 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }【免费下载链接】ops-transformer本项目是CANN提供的transformer类大模型算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-transformer
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
