aclnnFusedFloydAttentionGrad
【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 | √ |
| 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：训练场景下，计算Floyd注意力的反向输出，FloydAttn相较于传统FA主要是计算qk/pv注意力时会额外将seq作为batch轴从而转换为batchMatmul。
计算公式：
已知注意力的正向计算公式为：
$$ S=Mask(scale*(QK_1^T + QK_2^T), atten_mask) \ P=Softmax(S) \ Y=(PV_1+PV_2) $$
则注意力的反向计算公式为：
$$ dV_1=P^TdY $$
$$ dV_2=P^TdY $$
$$ dQ=\frac{((dS)*K_1)}{\sqrt{d}}+\frac{((dS)*K_2)}{\sqrt{d}} $$
$$ dK_1=\frac{((dS)^T*Q)}{\sqrt{d}} $$
$$ dK_2=\frac{((dS)^T*Q)}{\sqrt{d}} $$
函数原型
每个算子分为两段式接口，必须先调用“aclnnFusedFloydAttentionGradGetWorkspaceSize”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“aclnnFusedFloydAttentionGrad”接口执行计算。
aclnnStatus aclnnFusedFloydAttentionGradGetWorkspaceSize( const aclTensor *query, const aclTensor *key1, const aclTensor *value1, const aclTensor *key2, const aclTensor *value2, const aclTensor *dy, const aclTensor *attenMaskOptional, const aclTensor *softmaxMax, const aclTensor *softmaxSum, const aclTensor *attentionIn, double scaleValue, const aclTensor *dqOut, const aclTensor *dk1Out, const aclTensor *dv1Out, const aclTensor *dk2Out, const aclTensor *dv2Out, uint64_t *workspaceSize, aclOpExecutor **executor)aclnnStatus aclnnFusedFloydAttentionGrad( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)aclnnFusedFloydAttentionGradGetWorkspaceSize
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（aclTensor） 输入 公式中的Q。 数据类型与key1/value1/key2/value2的数据类型一致。 FLOAT16、BFLOAT16 ND [B,H,N,M,D] √ key1（aclTensor） 输入 公式中的K1。 数据类型与query/value1/key2/value2的数据类型一致。 FLOAT16、BFLOAT16 ND [B,H,N,K,D] √ value1（aclTensor） 输入 公式中的V1。 数据类型与query/key1/key2/value2的数据类型一致。 FLOAT16、BFLOAT16 ND [B,H,N,K,D] √ key2（aclTensor） 输入 公式中的K2。 数据类型与query/key1/value1/value2的数据类型一致。 FLOAT16、BFLOAT16 ND [B,H,K,M,D] √ value2（aclTensor） 输入 公式中的V2。 数据类型与query/key1/value1/key2的数据类型一致。 FLOAT16、BFLOAT16 ND [B,H,K,M,D] √ dy（aclTensor） 输入 公式中的输入dY。 - FLOAT16、BFLOAT16 ND [B,H,N,M,D] √ attenMaskOptional（aclTensor） 输入 公式中的atten_mask。 取值为1代表该位不参与计算，为0代表该位参与计算。 BOOL、UINT8 ND [B,1,N,1,K] √ softmaxMax（aclTensor） 输入 注意力正向计算的中间输出。 输出的shape类型为[B,H,N,M,8]。 FLOAT ND [B,H,N,M,8] √ softmaxSum（aclTensor） 输入 注意力正向计算的中间输出。 输出的shape类型为[B,H,N,M,8]。 FLOAT ND [B,H,N,M,8] √ attentionIn（aclTensor） 输入 注意力正向计算的最终输出。 数据类型和shape类型与query保持一致。 FLOAT16、BFLOAT16 ND [B,H,N,M,D] √ dqOut（aclTensor） 输出 公式中的dQ，表示query的梯度。 - FLOAT16、BFLOAT16 ND [B,H,N,M,D] √ dk1Out（aclTensor） 输出 公式中的dK1，表示key1的梯度。 - FLOAT16、BFLOAT16 ND [B,H,N,K,D] √ dv1Out（aclTensor） 输出 公式中的dV1，表示value1的梯度。 - FLOAT16、BFLOAT16 ND [B,H,N,K,D] √ dk2Out（aclTensor） 输出 公式中的dK2，表示key2的梯度。 - FLOAT16、BFLOAT16 ND [B,H,K,M,D] √ dv2Out（aclTensor） 输出 公式中的dV2，表示value2的梯度。 - FLOAT16、BFLOAT16 ND [B,H,K,M,D] √ scaleValue（double） 输入 公式中的scale，代表缩放系数。 - DOUBLE - - - 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。 - - - - - 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、key1、value1、key2、value2、dy、attenMaskOptional、softmaxMax、softmaxSum、attentionIn、dqOut、dk1Out、dv1Out、dk2Out、dv2Out的数据类型或数据格式不在支持的范围内。 ACLNN_ERR_INNER_TILING_ERROR 561002 tiling发生异常，query、key1、value1、key2、value2、dy、attenMaskOptional、softmaxMax、softmaxSum、attentionIn不符合约束说明。
aclnnFusedFloydAttentionGrad
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aclnnFusedFloydAttentionGradGetWorkspaceSize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
该接口不支持确定性。
该接口与PyTorch配合使用时，需要保证CANN相关包与PyTorch相关包的版本匹配
关于数据shape的约束，其中：
- B：取值范围为1~2K。
- H：取值范围为1~256。
- N：取值范围为16~1M且N%16==0。
- M：取值范围为128~1M且M%128==0。
- K：取值范围为128~1M且K%128==0。
- D：取值范围为32/64/128。
query与key1的第0/2/4轴需相同。
key1与value1 shape需相同。
key2与value2 shape需相同。
query与dy/attentionIn shape需相同。
softmaxMax与softmaxSum shape需相同。
D只支持32/64/128。
由于底层指令限制，当M*D>=65536或者K*D>=65536时，会出现明显性能下降，此时建议使用小算子拼接替换实现。
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 "acl/acl.h" #include "aclnnop/aclnn_fused_floyd_attention_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 N = 1; int64_t S1 = 256; int64_t S2 = 256; int64_t S3 = 256; int64_t D = 128; int64_t q_size = B * N * S1 * S2 * D; int64_t k1_v1_size = B * N * S1 * S3 * D; int64_t k2_v2_size = B * N * S3 * S2 * D; int64_t atten_mask_size = B * S1 * S3; int64_t softmax_size = B * N * S1 * S2 * 8; std::vector<int64_t> qShape = {B, N, S1, S2, D}; std::vector<int64_t> k1v1Shape = {B, N, S1, S3, D}; std::vector<int64_t> k2v2Shape = {B, N, S3, S2, D}; std::vector<int64_t> attenmaskShape = {B, 1, S1, 1, S3}; std::vector<int64_t> softmaxMaxShape = {B, N, S1, S2, 8}; std::vector<int64_t> softmaxSumShape = {B, N, S1, S2, 8}; std::vector<int64_t> attentionInShape = {B, N, S1, S2, D}; std::vector<int64_t> dqShape = {B, N, S1, S2, D}; std::vector<int64_t> dk1dv1Shape = {B, N, S1, S3, D}; std::vector<int64_t> dk2dv2Shape = {B, N, S3, S2, D}; void* qDeviceAddr = nullptr; void* k1DeviceAddr = nullptr; void* v1DeviceAddr = nullptr; void* k2DeviceAddr = nullptr; void* v2DeviceAddr = nullptr; void* dxDeviceAddr = nullptr; void* attenmaskDeviceAddr = nullptr; void* softmaxMaxDeviceAddr = nullptr; void* softmaxSumDeviceAddr = nullptr; void* attentionInDeviceAddr = nullptr; void* dqDeviceAddr = nullptr; void* dk1DeviceAddr = nullptr; void* dv1DeviceAddr = nullptr; void* dk2DeviceAddr = nullptr; void* dv2DeviceAddr = nullptr; aclTensor* q = nullptr; aclTensor* k1 = nullptr; aclTensor* v1 = nullptr; aclTensor* k2 = nullptr; aclTensor* v2 = nullptr; aclTensor* dx = nullptr; aclTensor* attenmask = nullptr; aclTensor* softmaxMax = nullptr; aclTensor* softmaxSum = nullptr; aclTensor* attentionIn = nullptr; aclTensor* dq = nullptr; aclTensor* dk1 = nullptr; aclTensor* dv1 = nullptr; aclTensor* dk2 = nullptr; aclTensor* dv2 = nullptr; std::vector<float> qHostData(q_size, 1.0); std::vector<float> k1HostData(k1_v1_size, 1.0); std::vector<float> v1HostData(k1_v1_size, 1.0); std::vector<float> k2HostData(k2_v2_size, 1.0); std::vector<float> v2HostData(k2_v2_size, 1.0); std::vector<float> dxHostData(q_size, 1.0); 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, 1.0); std::vector<float> dqHostData(q_size, 0); std::vector<float> dk1HostData(k1_v1_size, 0); std::vector<float> dv1HostData(k1_v1_size, 0); std::vector<float> dk2HostData(k2_v2_size, 0); std::vector<float> dv2HostData(k2_v2_size, 0); ret = CreateAclTensor(qHostData, qShape, &qDeviceAddr, aclDataType::ACL_FLOAT16, &q); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(k1HostData, k1v1Shape, &k1DeviceAddr, aclDataType::ACL_FLOAT16, &k1); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(v1HostData, k1v1Shape, &v1DeviceAddr, aclDataType::ACL_FLOAT16, &v1); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(k2HostData, k2v2Shape, &k2DeviceAddr, aclDataType::ACL_FLOAT16, &k2); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(v2HostData, k2v2Shape, &v2DeviceAddr, aclDataType::ACL_FLOAT16, &v2); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dxHostData, qShape, &dxDeviceAddr, aclDataType::ACL_FLOAT16, &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_FLOAT16, &attentionIn); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dqHostData, dqShape, &dqDeviceAddr, aclDataType::ACL_FLOAT16, &dq); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dk1HostData, dk1dv1Shape, &dk1DeviceAddr, aclDataType::ACL_FLOAT16, &dk1); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dv1HostData, dk1dv1Shape, &dv1DeviceAddr, aclDataType::ACL_FLOAT16, &dv1); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dk2HostData, dk2dv2Shape, &dk2DeviceAddr, aclDataType::ACL_FLOAT16, &dk2); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dv2HostData, dk2dv2Shape, &dv2DeviceAddr, aclDataType::ACL_FLOAT16, &dv2); CHECK_RET(ret == ACL_SUCCESS, return ret); double scaleValue = 1.0/sqrt(128); // 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aclnnFusedFloydAttentionGrad第一段接口 ret = aclnnFusedFloydAttentionGradGetWorkspaceSize(q, k1, v1, k2, v2, dx, attenmask, softmaxMax, softmaxSum, attentionIn, scaleValue, dq, dk1, dv1, dk2, dv2, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnFusedFloydAttentionGradGetWorkspaceSize 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aclnnFusedFloydAttentionGrad第二段接口 ret = aclnnFusedFloydAttentionGrad(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnFusedFloydAttentionGrad 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(k1); aclDestroyTensor(v1); aclDestroyTensor(k2); aclDestroyTensor(v2); aclDestroyTensor(dx); aclDestroyTensor(attenmask); aclDestroyTensor(softmaxMax); aclDestroyTensor(softmaxSum); aclDestroyTensor(attentionIn); aclDestroyTensor(dq); aclDestroyTensor(dk1); aclDestroyTensor(dv1); aclDestroyTensor(dk2); aclDestroyTensor(dv2); // 7. 释放device资源 aclrtFree(qDeviceAddr); aclrtFree(k1DeviceAddr); aclrtFree(v1DeviceAddr); aclrtFree(k2DeviceAddr); aclrtFree(v2DeviceAddr); aclrtFree(dxDeviceAddr); aclrtFree(attenmaskDeviceAddr); aclrtFree(softmaxMaxDeviceAddr); aclrtFree(softmaxSumDeviceAddr); aclrtFree(attentionInDeviceAddr); aclrtFree(dqDeviceAddr); aclrtFree(dk1DeviceAddr); aclrtFree(dv1DeviceAddr); aclrtFree(dk2DeviceAddr); aclrtFree(dv2DeviceAddr); 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
