@kernaut/kernaut-resources 0.1.17-beta.1 → 0.1.18

package/resources/kop-2026-10-23-0.1.17-beta.1/product_capabilities/kernel_optflow/skills/KernelWiki-private/wiki/ascend/api-definitions/ascendc/pages/atlasascendc_api_07_0042.md

@@ -1,86 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0042
-title: "AscendC Or"
-type: api-definition
-vendor: ascend
-func_name: "Or"
-namespace: ascendc
-header: kernel_operator.h
-signature: "see body"
-source:
-- path: "https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0042.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-confidence: source-reported
-evidence_level: spec
----
-# Or-逻辑计算-矢量计算-基础API-Ascend C算子开发接口-API-CANN社区版8.5.0开发文档-昇腾社区
-**页面ID:** atlasascendc_api_07_0042
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0042.html
----
-
-# Or
-
-#### 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 | √ |
-| Atlas 200I/500 A2 推理产品 | √ |
-| Atlas 推理系列产品AI Core | √ |
-| Atlas 推理系列产品Vector Core | x |
-| Atlas 训练系列产品 | √ |
-
-#### 功能说明
-
-每对elements按位或运算，计算公式如下：
-
-![](../images/atlasascendc_api_07_0042_img_001.png)
-
-#### 函数原型
-
-- 整个tensor参与计算1dst=src0|src1;
-- tensor前n个数据计算12template<typenameT>__aicore__inlinevoidOr(constLocalTensor<T>&dst,constLocalTensor<T>&src0,constLocalTensor<T>&src1,constint32_t&count)
-- tensor高维切分计算mask逐bit模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidOr(constLocalTensor<T>&dst,constLocalTensor<T>&src0,constLocalTensor<T>&src1,uint64_tmask[],constuint8_trepeatTime,constBinaryRepeatParams&repeatParams)mask连续模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidOr(constLocalTensor<T>&dst,constLocalTensor<T>&src0,constLocalTensor<T>&src1,uint64_tmask,constuint8_trepeatTime,constBinaryRepeatParams&repeatParams)
-
-#### 参数说明
-
-| 参数名 | 描述 |
-| --- | --- |
-| T | 操作数数据类型。Atlas 训练系列产品，支持的数据类型为：int16_t、uint16_t。Atlas 推理系列产品AI Core，支持的数据类型为：int16_t、uint16_t。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：int16_t、uint16_t。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：int16_t、uint16_t。Atlas 200I/500 A2 推理产品，支持的数据类型为：int16_t、uint16_t。 |
-| isSetMask | 是否在接口内部设置mask。true，表示在接口内部设置mask。false，表示在接口外部设置mask，开发者需要使用SetVectorMask接口设置mask值。这种模式下，本接口入参中的mask值必须设置为占位符MASK_PLACEHOLDER。 |
-
-| 参数名 | 输入/输出 | 描述 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。 |
-| src0、src1 | 输入 | 源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。两个源操作数的数据类型需要与目的操作数保持一致。 |
-| count | 输入 | 参与计算的元素个数。 |
-| mask[]/mask | 输入 | mask用于控制每次迭代内参与计算的元素。逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 264-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 264-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 232-1]。例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。 |
-| repeatTime | 输入 | 重复迭代次数。矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考高维切分API。 |
-| repeatParams | 输入 | 控制操作数地址步长的参数。BinaryRepeatParams类型，包含操作数相邻迭代间相同datablock的地址步长，操作数同一迭代内不同datablock的地址步长等参数。相邻迭代间的地址步长参数说明请参考repeatStride；同一迭代内DataBlock的地址步长参数说明请参考dataBlockStride。 |
-
-#### 返回值说明
-
-无
-
-#### 约束说明
-
-- 操作数地址对齐要求请参见通用地址对齐约束。
-- 操作数地址重叠约束请参考通用地址重叠约束。
-
-- 使用整个tensor参与计算符号重载时，运算量为目的LocalTensor的总长度。
-
-- 特别的，针对uint32_t/int32_t类型的Or操作，支持通过ReinterpretCast的方式来实现：使用Local Tensor的ReinterpretCast转换成uint16_t/int16_t后再调用Or进行计算。直接传入uint32_t/int32_t类型的数据，在不同版本型号上表现会有所差异，考虑到算子在各个版本中的兼容性，不建议使用这种直接传入的方式：整个tensor参与计算和tensor前n个数据计算接口支持传入uint32_t/int32_t类型，但是tensor前n个数据计算的count需要设置为期望计算个数的2倍才能精度符合预期；tensor高维切分计算接口直接编译报错提示不支持该数据类型。上述说明适用于以下型号：Atlas A2 训练系列产品/Atlas A2 推理系列产品Atlas A3 训练系列产品/Atlas A3 推理系列产品编译报错提示不支持该数据类型。上述说明适用于以下型号：Atlas 训练系列产品Atlas 推理系列产品AI CoreCPU报错提示不支持该数据类型。上述说明适用于以下型号：Atlas 200I/500 A2 推理产品
-
-#### 调用示例
-
-- tensor高维切分计算样例-mask连续模式12345uint64_tmask=128;// repeatTime = 4，一次迭代计算128个数，共计算512个数// dstBlkStride, src0BlkStride, src1BlkStride = 1，单次迭代内数据连续读取和写入// dstRepStride, src0RepStride, src1RepStride = 8，相邻迭代间数据连续读取和写入AscendC::Or(dstLocal,src0Local,src1Local,mask,4,{1,1,1,8,8,8});
-- tensor高维切分计算样例-mask逐bit模式12345uint64_tmask[2]={UINT64_MAX,UINT64_MAX};// repeatTime = 4，一次迭代计算128个数，共计算512个数// dstBlkStride, src0BlkStride, src1BlkStride = 1，单次迭代内数据连续读取和写入// dstRepStride, src0RepStride, src1RepStride = 8，相邻迭代间数据连续读取和写入AscendC::Or(dstLocal,src0Local,src1Local,mask,4,{1,1,1,8,8,8});
-- tensor前n个数据计算样例1AscendC::Or(dstLocal,src0Local,src1Local,512);

package/resources/kop-2026-10-23-0.1.17-beta.1/product_capabilities/kernel_optflow/skills/KernelWiki-private/wiki/ascend/api-definitions/ascendc/pages/atlasascendc_api_07_0053.md

@@ -1,104 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0053
-title: "AscendC Axpy"
-type: api-definition
-vendor: ascend
-func_name: "Axpy"
-namespace: ascendc
-header: kernel_operator.h
-signature: "see body"
-source:
-- path: "https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0053.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-confidence: source-reported
-evidence_level: spec
----
-# Axpy-复合计算-矢量计算-基础API-Ascend C算子开发接口-API-CANN社区版8.5.0开发文档-昇腾社区
-**页面ID:** atlasascendc_api_07_0053
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0053.html
----
-
-# Axpy
-
-#### 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 | √ |
-| Atlas 200I/500 A2 推理产品 | √ |
-| Atlas 推理系列产品AI Core | √ |
-| Atlas 推理系列产品Vector Core | x |
-| Atlas 训练系列产品 | √ |
-
-#### 功能说明
-
-源操作数src中每个元素与标量求积后和目的操作数dst中的对应元素相加，计算公式如下：
-
-![](../images/atlasascendc_api_07_0063_img_001.png)
-
-#### 函数原型
-
-- tensor前n个数据计算12template<typenameT,typenameU>__aicore__inlinevoidAxpy(constLocalTensor<T>&dst,constLocalTensor<U>&src,constU&scalarValue,constint32_t&count)
-- tensor高维切分计算mask逐bit模式12template<typenameT,typenameU,boolisSetMask=true>__aicore__inlinevoidAxpy(constLocalTensor<T>&dst,constLocalTensor<U>&src,constU&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,typenameU,boolisSetMask=true>__aicore__inlinevoidAxpy(constLocalTensor<T>&dst,constLocalTensor<U>&src,constU&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-#### 参数说明
-
-| 参数名 | 描述 |
-| --- | --- |
-| T | 目的操作数数据类型。目的操作数和源操作数的数据类型约束请参考表3。Atlas 训练系列产品，支持的数据类型为：half/floatAtlas 推理系列产品AI Core，支持的数据类型为：half/floatAtlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half/floatAtlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half/floatAtlas 200I/500 A2 推理产品，支持的数据类型为：half/float |
-| U | 源操作数数据类型。Atlas 训练系列产品，支持的数据类型为：half/floatAtlas 推理系列产品AI Core，支持的数据类型为：half/floatAtlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half/floatAtlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half/floatAtlas 200I/500 A2 推理产品，支持的数据类型为：half/float |
-| isSetMask | 是否在接口内部设置mask。true，表示在接口内部设置mask。false，表示在接口外部设置mask，开发者需要使用SetVectorMask接口设置mask值。这种模式下，本接口入参中的mask值必须设置为占位符MASK_PLACEHOLDER。 |
-
-| 参数名称 | 输入/输出 | 说明 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。 |
-| src | 输入 | 源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。 |
-| scalarValue | 输入 | 源操作数，scalar标量。scalarValue的数据类型需要和src保持一致。 |
-| count | 输入 | 参与计算的元素个数。 |
-| mask/mask[] | 输入 | mask用于控制每次迭代内参与计算的元素。逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 264-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 264-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 232-1]。例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。 |
-| repeatTime | 输入 | 重复迭代次数。矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考高维切分API。 |
-| repeatParams | 输入 | 控制操作数地址步长的参数。UnaryRepeatParams类型，包含操作数相邻迭代间相同DataBlock的地址步长，操作数同一迭代内不同DataBlock的地址步长等参数。相邻迭代间的地址步长参数说明请参考repeatStride；同一迭代内DataBlock的地址步长参数说明请参考dataBlockStride。 |
-
-| src数据类型 | scalar数据类型 | dst数据类型 | PAR | 支持的型号 |
-| --- | --- | --- | --- | --- |
-| half | half | half | 128 | Atlas 训练系列产品Atlas A2 训练系列产品/Atlas A2 推理系列产品Atlas A3 训练系列产品/Atlas A3 推理系列产品Atlas 推理系列产品AI CoreAtlas 200I/500 A2 推理产品 |
-| float | float | float | 64 | Atlas 训练系列产品Atlas A2 训练系列产品/Atlas A2 推理系列产品Atlas A3 训练系列产品/Atlas A3 推理系列产品Atlas 推理系列产品AI CoreAtlas 200I/500 A2 推理产品 |
-| half | half | float | 64 | Atlas 训练系列产品Atlas A2 训练系列产品/Atlas A2 推理系列产品Atlas A3 训练系列产品/Atlas A3 推理系列产品Atlas 推理系列产品AI CoreAtlas 200I/500 A2 推理产品 |
-
-#### 返回值说明
-
-无
-
-#### 约束说明
-
-- 操作数地址对齐要求请参见通用地址对齐约束。
-- 操作数地址重叠约束请参考通用地址重叠约束。
-
-- 使用tensor高维切分计算接口时，src和scalar的数据类型为half、dst的数据类型为float的情况下，一个迭代处理的源操作数元素个数需要和目的操作数保持一致，所以每次迭代选取前4个datablock参与计算。设置Repeat Stride参数和mask参数以及地址重叠时，需要考虑该限制。
-
-#### 调用示例
-
-本样例中只展示Compute流程中的部分代码。如果您需要运行样例代码，请将该代码段拷贝并替换更多样例完整样例模板中Compute函数的部分代码即可。
-
-- tensor高维切分计算样例-mask连续模式1234567891011// repeatTime = 4, mask = 128, 128 elements one repeat, 512 elements total// srcLocal数据类型为half，scalar数据类型为half，dstLocal数据类型为half// dstBlkStride, srcBlkStride = 1, no gap between blocks in one repeat// dstRepStride, srcRepStride = 8, no gap between repeatsAscendC::Axpy(dstLocal,srcLocal,(half)2.0,128,4,{1,1,8,8});// srcLocal数据类型为half，scalar数据类型为half，dstLocal数据类型为float// repeatTime = 8, mask = 64, 64 elements one repeat, 512 elements total// dstBlkStride, srcBlkStride = 1, no gap between blocks in one repeat// dstRepStride = 8, srcRepStride = 4, no gap between repeatsAscendC::Axpy(dstLocal,srcLocal,(half)2.0,64,8,{1,1,8,4});// 每次迭代选取源操作数前4个datablock参与计算
-- tensor高维切分计算样例-mask逐bit模式12345uint64_tmask[2]={0xFFFFFFFFFFFFFFFF,0xFFFFFFFFFFFFFFFF};// repeatTime = 4, 128 elements one repeat, 512 elements total, half精度组合// dstBlkStride, srcBlkStride = 1, no gap between blocks in one repeat// dstRepStride, srcRepStride = 8, no gap between repeatsAscendC::Axpy(dstLocal,srcLocal,(half)2.0,mask,4,{1,1,8,8});
-- tensor前n个数据计算样例1AscendC::Axpy(dstLocal,src0Local,(half)2.0,512);// half精度组合
-
-#### 更多样例
-
-- 完整样例一：srcLocal、scalar、dstLocal的数据类型均为half。1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253#include"kernel_operator.h"classKernelAxpy{public:__aicore__inlineKernelAxpy(){}__aicore__inlinevoidInit(__gm__uint8_t*srcGm,__gm__uint8_t*dstGm){srcGlobal.SetGlobalBuffer((__gm__half*)srcGm);dstGlobal.SetGlobalBuffer((__gm__half*)dstGm);pipe.InitBuffer(inQueueSrc,1,512*sizeof(half));pipe.InitBuffer(outQueueDst,1,512*sizeof(half));}__aicore__inlinevoidProcess(){CopyIn();Compute();CopyOut();}private:__aicore__inlinevoidCopyIn(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.AllocTensor<half>();AscendC::DataCopy(srcLocal,srcGlobal,512);inQueueSrc.EnQue(srcLocal);}__aicore__inlinevoidCompute(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.DeQue<half>();AscendC::LocalTensor<half>dstLocal=outQueueDst.AllocTensor<half>();AscendC::Duplicate(dstLocal,(half)0.0,512);AscendC::Axpy(dstLocal,srcLocal,(half)2.0,512);outQueueDst.EnQue<half>(dstLocal);inQueueSrc.FreeTensor(srcLocal);}__aicore__inlinevoidCopyOut(){AscendC::LocalTensor<half>dstLocal=outQueueDst.DeQue<half>();AscendC::DataCopy(dstGlobal,dstLocal,512);outQueueDst.FreeTensor(dstLocal);}private:AscendC::TPipepipe;AscendC::TQue<AscendC::TPosition::VECIN,1>inQueueSrc;AscendC::TQue<AscendC::TPosition::VECOUT,1>outQueueDst;AscendC::GlobalTensor<half>srcGlobal,dstGlobal;};extern"C"__global____aicore__voidkernel_vec_ternary_scalar_Axpy_half_2_half(__gm__uint8_t*srcGm,__gm__uint8_t*dstGm){KernelAxpyop;op.Init(srcGm,dstGm);op.Process();}结果示例如下：输入数据(srcGm):
-[1. 1. 1. 1. 1. 1. ... 1.]
-输出数据(dstGm):
-[2. 2. 2. 2. 2. 2. ... 2.]
-- 完整样例二：srcLocal、scalar的数据类型为half，dstLocal的数据类型为float。123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354#include"kernel_operator.h"classKernelAxpy{public:__aicore__inlineKernelAxpy(){}__aicore__inlinevoidInit(__gm__uint8_t*srcGm,__gm__uint8_t*dstGm){srcGlobal.SetGlobalBuffer((__gm__half*)srcGm);dstGlobal.SetGlobalBuffer((__gm__float*)dstGm);pipe.InitBuffer(outQueueDst,1,512*sizeof(float));pipe.InitBuffer(inQueueSrc,1,512*sizeof(half));}__aicore__inlinevoidProcess(){CopyIn();Compute();CopyOut();}private:__aicore__inlinevoidCopyIn(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.AllocTensor<half>();AscendC::DataCopy(srcLocal,srcGlobal,512);inQueueSrc.EnQue(srcLocal);}__aicore__inlinevoidCompute(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.DeQue<half>();AscendC::LocalTensor<float>dstLocal=outQueueDst.AllocTensor<float>();AscendC::Duplicate(dstLocal,0.0f,512);AscendC::Axpy(dstLocal,srcLocal,(half)2.0,64,8,{1,1,8,4});outQueueDst.EnQue<float>(dstLocal);inQueueSrc.FreeTensor(srcLocal);}__aicore__inlinevoidCopyOut(){AscendC::LocalTensor<float>dstLocal=outQueueDst.DeQue<float>();AscendC::DataCopy(dstGlobal,dstLocal,512);outQueueDst.FreeTensor(dstLocal);}private:AscendC::TPipepipe;AscendC::TQue<AscendC::TPosition::VECIN,1>inQueueSrc;AscendC::TQue<AscendC::TPosition::VECOUT,1>outQueueDst;AscendC::GlobalTensor<half>srcGlobal;AscendC::GlobalTensor<float>dstGlobal;};extern"C"__global____aicore__voidkernel_vec_ternary_scalar_Axpy_half_2_float(__gm__uint8_t*srcGm,__gm__uint8_t*dstGm){KernelAxpyop;op.Init(srcGm,dstGm);op.Process();}结果示例如下：输入数据(srcGm):
-[1. 1. 1. 1. 1. 1. ... 1.]
-输出数据(dstGm):
-[2. 2. 2. 2. 2. 2. ... 2.]

package/resources/kop-2026-10-23-0.1.17-beta.1/product_capabilities/kernel_optflow/skills/KernelWiki-private/wiki/ascend/api-definitions/ascendc/pages/atlasascendc_api_07_0054.md

@@ -1,89 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0054
-title: "AscendC Adds"
-type: api-definition
-vendor: ascend
-func_name: "Adds"
-namespace: ascendc
-header: kernel_operator.h
-signature: "see body"
-source:
-- path: "https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0054.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-confidence: source-reported
-evidence_level: spec
----
-# Adds-基础算术-矢量计算-基础API-Ascend C算子开发接口-API-CANN社区版8.5.0开发文档-昇腾社区
-**页面ID:** atlasascendc_api_07_0054
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0054.html
----
-
-# Adds
-
-#### 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 | √ |
-| Atlas 200I/500 A2 推理产品 | √ |
-| Atlas 推理系列产品AI Core | √ |
-| Atlas 推理系列产品Vector Core | x |
-| Atlas 训练系列产品 | √ |
-
-#### 功能说明
-
-矢量内每个元素与标量求和，计算公式如下：
-
-![](../images/atlasascendc_api_07_0054_img_001.png)
-
-#### 函数原型
-
-- tensor前n个数据计算12template<typenameT,boolisSetMask=true>__aicore__inlinevoidAdds(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,constint32_t&count)
-- tensor高维切分计算mask逐bit模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidAdds(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidAdds(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-- tensor前n个数据计算12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidAdds(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,constint32_t&count)
-- tensor高维切分计算mask逐bit模式12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidAdds(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidAdds(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-#### 参数说明
-
-| 参数名 | 描述 |
-| --- | --- |
-| T | 操作数数据类型。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas 200I/500 A2 推理产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas 推理系列产品AI Core，支持的数据类型为：half、int16_t、float、int32_t。Atlas 训练系列产品，支持的数据类型为：half、float。 |
-| U | scalarValue数据类型。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas 200I/500 A2 推理产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas 推理系列产品AI Core，支持的数据类型为：half、int16_t、float、int32_t。Atlas 训练系列产品，支持的数据类型为：half、float。 |
-| isSetMask | 是否在接口内部设置mask模式和mask值。true，表示在接口内部设置。tensor高维切分计算API/tensor前n个数据计算API内部使用了mask的Normal模式/Counter模式，一般情况下保持isSetMask默认值即可，表示在API内部进行根据开发者传入的mask/count参数进行mask模式和mask值的设置。false，表示在接口外部设置。针对tensor高维切分计算接口，对性能要求较高的部分场景下，开发者需要使用SetMaskNorm/SetMaskCount设置mask模式，并通过SetVectorMask接口设置mask值。本接口入参中的mask值必须设置为MASK_PLACEHOLDER。针对tensor前n个数据计算接口，对性能要求较高的部分场景下，开发者需要使用SetMaskCount设置mask模式为Counter模式，并通过SetVectorMask接口设置mask值。本接口入参中的count不生效，建议设置成1。针对以下型号，tensor前n个数据计算API中的isSetMask参数不生效，保持默认值即可。Atlas 200I/500 A2 推理产品 |
-
-| 参数名称 | 类型 | 说明 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。 |
-| src | 输入 | 源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。数据类型需要与目的操作数保持一致。 |
-| scalarValue | 输入 | 源操作数，数据类型需要与目的操作数中的元素类型保持一致。 |
-| count | 输入 | 参与计算的元素个数。 |
-| mask/mask[] | 输入 | mask用于控制每次迭代内参与计算的元素。逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 264-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 264-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 232-1]。例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。 |
-| repeatTime | 输入 | 重复迭代次数。 矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考高维切分API。 |
-| repeatParams | 输入 | 元素操作控制结构信息，具体请参考UnaryRepeatParams。 |
-
-#### 返回值说明
-
-无
-
-#### 约束说明
-
-- 操作数地址对齐要求请参见通用地址对齐约束。
-- 操作数地址重叠约束请参考通用地址重叠约束。
-
-#### 调用示例
-
-更多样例可参考LINK。
-
-- tensor高维切分计算样例-mask连续模式123456uint64_tmask=128;int16_tscalar=2;// repeatTime = 4, 单次迭代处理128个数，计算512个数需要迭代4次// dstBlkStride, srcBlkStride = 1, 每个迭代内src0参与计算的数据地址间隔为1个datablock，表示单次迭代内数据连续读取和写入// dstRepStride, srcRepStride = 8, 相邻迭代间的地址间隔为8个datablock，表示相邻迭代间数据连续读取和写入AscendC::Adds(dstLocal,srcLocal,scalar,mask,4,{1,1,8,8});
-
-- tensor高维切分计算样例-mask逐bit模式123456uint64_tmask[2]={UINT64_MAX,UINT64_MAX};int16_tscalar=2;// repeatTime = 4, 单次迭代处理128个数，计算512个数需要迭代4次// dstBlkStride, srcBlkStride = 1, 每个迭代内src0参与计算的数据地址间隔为1个datablock，表示单次迭代内数据连续读取和写入// dstRepStride, srcRepStride = 8, 相邻迭代间的地址间隔为8个datablock，表示相邻迭代间数据连续读取和写入AscendC::Adds(dstLocal,srcLocal,scalar,mask,4,{1,1,8,8});
-- tensor前n个数据计算样例12int16_tscalar=2;AscendC::Adds(dstLocal,srcLocal,scalar,512);

package/resources/kop-2026-10-23-0.1.17-beta.1/product_capabilities/kernel_optflow/skills/KernelWiki-private/wiki/ascend/api-definitions/ascendc/pages/atlasascendc_api_07_0055.md

@@ -1,91 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0055
-title: "AscendC Muls"
-type: api-definition
-vendor: ascend
-func_name: "Muls"
-namespace: ascendc
-header: kernel_operator.h
-signature: "see body"
-source:
-- path: "https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0055.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-confidence: source-reported
-evidence_level: spec
----
-# Muls-基础算术-矢量计算-基础API-Ascend C算子开发接口-API-CANN社区版8.5.0开发文档-昇腾社区
-**页面ID:** atlasascendc_api_07_0055
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0055.html
----
-
-# Muls
-
-#### 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 | √ |
-| Atlas 200I/500 A2 推理产品 | √ |
-| Atlas 推理系列产品AI Core | √ |
-| Atlas 推理系列产品Vector Core | x |
-| Atlas 训练系列产品 | √ |
-
-#### 功能说明
-
-矢量内每个元素与标量求积，计算公式如下：
-
-![](../images/atlasascendc_api_07_0055_img_001.png)
-
-#### 函数原型
-
-- Tensor前n个数据计算12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMuls(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,constint32_t&count)
-- Tensor高维切分计算mask逐bit模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMuls(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMuls(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-dst和src使用TensorTrait类型时，其数据类型TensorTrait和scalarValue的数据类型（对应TensorTrait中的LiteType类型）不一致。因此新增模板类型U表示scalarValue的数据类型，并通过std::enable_if检查T中萃取出的LiteType和U是否完全一致，一致则接口通过编译，否则编译失败。接口原型定义如下：
-
-- Tensor前n个数据计算12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMuls(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,constint32_t&count)
-- Tensor高维切分计算mask逐bit模式12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMuls(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMuls(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-#### 参数说明
-
-| 参数名 | 描述 |
-| --- | --- |
-| T | 操作数数据类型。Atlas 训练系列产品，支持的数据类型为：half/floatAtlas 推理系列产品AI Core，支持的数据类型为：half/int16_t/float/int32_tAtlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half/int16_t/float/int32_tAtlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half/int16_t/float/int32_tAtlas 200I/500 A2 推理产品，支持的数据类型为：half/int16_t/float/int32_t |
-| U | scalarValue数据类型。Atlas 训练系列产品，支持的数据类型为：half/floatAtlas 推理系列产品AI Core，支持的数据类型为：half/int16_t/float/int32_tAtlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half/int16_t/float/int32_tAtlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half/int16_t/float/int32_tAtlas 200I/500 A2 推理产品，支持的数据类型为：half/int16_t/float/int32_t |
-| isSetMask | 是否在接口内部设置mask模式和mask值。true，表示在接口内部设置。tensor高维切分计算API/tensor前n个数据计算API内部使用了mask的Normal模式/Counter模式，一般情况下保持isSetMask默认值即可，表示在API内部进行根据开发者传入的mask/count参数进行mask模式和mask值的设置。false，表示在接口外部设置。针对tensor高维切分计算接口，对性能要求较高的部分场景下，开发者需要使用SetMaskNorm/SetMaskCount设置mask模式，并通过SetVectorMask接口设置mask值。本接口入参中的mask值必须设置为MASK_PLACEHOLDER。针对tensor前n个数据计算接口，对性能要求较高的部分场景下，开发者需要使用SetMaskCount设置mask模式为Counter模式，并通过SetVectorMask接口设置mask值。本接口入参中的count不生效，建议设置成1。针对以下型号，tensor前n个数据计算API中的isSetMask参数不生效，保持默认值即可。Atlas 200I/500 A2 推理产品 |
-
-| 参数名称 | 输入/输出 | 说明 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。 |
-| src | 输入 | 源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。数据类型需要与目的操作数保持一致。 |
-| scalarValue | 输入 | 源操作数，数据类型需要与目的操作数Tensor中的元素类型保持一致 |
-| count | 输入 | 参与计算的元素个数。 |
-| mask/mask[] | 输入 | mask用于控制每次迭代内参与计算的元素。逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 264-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 264-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 232-1]。例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。 |
-| repeatTime | 输入 | 重复迭代次数。 矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考高维切分API。 |
-| repeatParams | 输入 | 元素操作控制结构信息，具体请参考UnaryRepeatParams。 |
-
-#### 返回值说明
-
-无
-
-#### 约束说明
-
-- 操作数地址对齐要求请参见通用地址对齐约束。
-- 操作数地址重叠约束请参考通用地址重叠约束。
-
-#### 调用示例
-
-更多样例可参考LINK。
-
-- Tensor高维切分计算样例-mask连续模式123456uint64_tmask=128;int16_tscalar=2;// repeatTime = 4, 单次迭代处理128个数，计算512个数需要迭代4次// dstBlkStride, srcBlkStride = 1, 每个迭代内src0参与计算的数据地址间隔为1个datablock，表示单次迭代内数据连续读取和写入// dstRepStride, srcRepStride = 8, 相邻迭代间的地址间隔为8个datablock，表示相邻迭代间数据连续读取和写入AscendC::Muls(dstLocal,srcLocal,scalar,mask,4,{1,1,8,8});
-
-- Tensor高维切分计算样例-mask逐bit模式123456uint64_tmask[2]={UINT64_MAX,UINT64_MAX};int16_tscalar=2;// repeatTime = 4, 单次迭代处理128个数，计算512个数需要迭代4次// dstBlkStride, srcBlkStride = 1, 每个迭代内src0参与计算的数据地址间隔为1个datablock，表示单次迭代内数据连续读取和写入// dstRepStride, srcRepStride = 8, 相邻迭代间的地址间隔为8个datablock，表示相邻迭代间数据连续读取和写入AscendC::Muls(dstLocal,srcLocal,scalar,mask,4,{1,1,8,8});
-- Tensor前n个数据计算样例12int16_tscalar=2;AscendC::Muls(dstLocal,srcLocal,scalar,512);

package/resources/kop-2026-10-23-0.1.17-beta.1/product_capabilities/kernel_optflow/skills/KernelWiki-private/wiki/ascend/api-definitions/ascendc/pages/atlasascendc_api_07_0056.md

@@ -1,93 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0056
-title: "AscendC Maxs"
-type: api-definition
-vendor: ascend
-func_name: "Maxs"
-namespace: ascendc
-header: kernel_operator.h
-signature: "see body"
-source:
-- path: "https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0056.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-confidence: source-reported
-evidence_level: spec
----
-# Maxs-基础算术-矢量计算-基础API-Ascend C算子开发接口-API-CANN社区版8.5.0开发文档-昇腾社区
-**页面ID:** atlasascendc_api_07_0056
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0056.html
----
-
-# Maxs
-
-#### 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 | √ |
-| Atlas 200I/500 A2 推理产品 | √ |
-| Atlas 推理系列产品AI Core | √ |
-| Atlas 推理系列产品Vector Core | x |
-| Atlas 训练系列产品 | x |
-
-#### 功能说明
-
-源操作数矢量内每个元素与标量相比，如果比标量大，则取源操作数值，比标量的值小，则取标量值。
-
-计算公式如下：
-
-![](../images/atlasascendc_api_07_0056_img_001.png)
-
-#### 函数原型
-
-- tensor前n个数据计算12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMaxs(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,constint32_t&count)
-- tensor高维切分计算mask逐bit模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMaxs(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMaxs(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-dst和src使用TensorTrait类型时，其数据类型TensorTrait和scalarValue的数据类型（对应TensorTrait中的LiteType类型）不一致。因此新增模板类型U表示scalarValue的数据类型，并通过std::enable_if检查T中萃取出的LiteType和U是否完全一致，一致则接口通过编译，否则编译失败。接口原型定义如下：
-
-- tensor前n个数据计算12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMaxs(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,constint32_t&count)
-- tensor高维切分计算mask逐bit模式12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMaxs(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMaxs(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-#### 参数说明
-
-| 参数名 | 描述 |
-| --- | --- |
-| T | 操作数数据类型。Atlas 推理系列产品AI Core，支持的数据类型为：half、int16_t、float、int32_t。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas 200I/500 A2 推理产品，支持的数据类型为：half、int16_t、float、int32_t。 |
-| U | scalarValue数据类型。Atlas 推理系列产品AI Core，支持的数据类型为：half、int16_t、float、int32_t。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas 200I/500 A2 推理产品，支持的数据类型为：half、int16_t、float、int32_t。 |
-| isSetMask | 是否在接口内部设置mask模式和mask值。true，表示在接口内部设置。tensor高维切分计算API/tensor前n个数据计算API内部使用了mask的Normal模式/Counter模式，一般情况下保持isSetMask默认值即可，表示在API内部进行根据开发者传入的mask/count参数进行mask模式和mask值的设置。false，表示在接口外部设置。针对tensor高维切分计算接口，对性能要求较高的部分场景下，开发者需要使用SetMaskNorm/SetMaskCount设置mask模式，并通过SetVectorMask接口设置mask值。本接口入参中的mask值必须设置为MASK_PLACEHOLDER。针对tensor前n个数据计算接口，对性能要求较高的部分场景下，开发者需要使用SetMaskCount设置mask模式为Counter模式，并通过SetVectorMask接口设置mask值。本接口入参中的count不生效，建议设置成1。针对以下型号，tensor前n个数据计算API中的isSetMask参数不生效，保持默认值即可。Atlas 200I/500 A2 推理产品 |
-
-| 参数名称 | 类型 | 说明 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。 |
-| src | 输入 | 源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。数据类型需要与目的操作数保持一致。 |
-| scalarValue | 输入 | 源操作数，数据类型需要与目的操作数Tensor中元素的数据类型保持一致。 |
-| count | 输入 | 参与计算的元素个数。 |
-| mask/mask[] | 输入 | mask用于控制每次迭代内参与计算的元素。逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 264-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 264-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 232-1]。例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。 |
-| repeatTime | 输入 | 重复迭代次数。 矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考高维切分API。 |
-| repeatParams | 输入 | 元素操作控制结构信息，具体请参考UnaryRepeatParams。 |
-
-#### 返回值说明
-
-无
-
-#### 约束说明
-
-- 操作数地址对齐要求请参见通用地址对齐约束。
-- 操作数地址重叠约束请参考通用地址重叠约束。
-
-#### 调用示例
-
-更多样例可参考LINK。
-
-- tensor高维切分计算样例-mask连续模式123456uint64_tmask=128;int16_tscalar=2;// repeatTime = 4, 单次迭代处理128个数，计算512个数需要迭代4次// dstBlkStride, srcBlkStride = 1, 每个迭代内src0参与计算的数据地址间隔为1个datablock，表示单次迭代内数据连续读取和写入// dstRepStride, srcRepStride = 8, 相邻迭代间的地址间隔为8个datablock，表示相邻迭代间数据连续读取和写入AscendC::Maxs(dstLocal,srcLocal,scalar,mask,4,{1,1,8,8});
-
-- tensor高维切分计算样例-mask逐bit模式123456uint64_tmask[2]={UINT64_MAX,UINT64_MAX};int16_tscalar=2;// repeatTime = 4, 单次迭代处理128个数，计算512个数需要迭代4次// dstBlkStride, srcBlkStride = 1, 每个迭代内src0参与计算的数据地址间隔为1个datablock，表示单次迭代内数据连续读取和写入// dstRepStride, srcRepStride = 8, 相邻迭代间的地址间隔为8个datablock，表示相邻迭代间数据连续读取和写入AscendC::Maxs(dstLocal,srcLocal,scalar,mask,4,{1,1,8,8});
-- tensor前n个数据计算样例12int16_tscalar=2;AscendC::Maxs(dstLocal,srcLocal,scalar,512);

package/resources/kop-2026-10-23-0.1.17-beta.1/product_capabilities/kernel_optflow/skills/KernelWiki-private/wiki/ascend/api-definitions/ascendc/pages/atlasascendc_api_07_0057.md

@@ -1,93 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0057
-title: "AscendC Mins"
-type: api-definition
-vendor: ascend
-func_name: "Mins"
-namespace: ascendc
-header: kernel_operator.h
-signature: "see body"
-source:
-- path: "https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0057.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-confidence: source-reported
-evidence_level: spec
----
-# Mins-基础算术-矢量计算-基础API-Ascend C算子开发接口-API-CANN社区版8.5.0开发文档-昇腾社区
-**页面ID:** atlasascendc_api_07_0057
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0057.html
----
-
-# Mins
-
-#### 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 | √ |
-| Atlas 200I/500 A2 推理产品 | √ |
-| Atlas 推理系列产品AI Core | √ |
-| Atlas 推理系列产品Vector Core | x |
-| Atlas 训练系列产品 | x |
-
-#### 功能说明
-
-源操作数矢量内每个元素与标量相比，如果比标量大，则取标量值，比标量的值小，则取源操作数。
-
-计算公式如下：
-
-![](../images/atlasascendc_api_07_0057_img_001.png)
-
-#### 函数原型
-
-- Tensor前n个数据计算12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMins(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,constint32_t&count)
-- Tensor高维切分计算mask逐bit模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMins(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidMins(constLocalTensor<T>&dst,constLocalTensor<T>&src,constT&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-dst和src使用TensorTrait类型时，其数据类型TensorTrait和scalarValue的数据类型（对应TensorTrait中的LiteType类型）不一致。因此新增模板类型U表示scalarValue的数据类型，并通过std::enable_if检查T中萃取出的LiteType和U是否完全一致，一致则接口通过编译，否则编译失败。接口原型定义如下：
-
-- Tensor前n个数据计算12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMins(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,constint32_t&count)
-- Tensor高维切分计算mask逐bit模式12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMins(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,uint64_tmask[],constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)mask连续模式12template<typenameT,typenameU,boolisSetMask=true,typenameStd::enable_if<Std::is_same<PrimT<T>,U>::value,bool>::type=true>__aicore__inlinevoidMins(constLocalTensor<T>&dst,constLocalTensor<T>&src,constU&scalarValue,uint64_tmask,constuint8_trepeatTime,constUnaryRepeatParams&repeatParams)
-
-#### 参数说明
-
-| 参数名 | 描述 |
-| --- | --- |
-| T | 操作数数据类型。Atlas 推理系列产品AI Core，支持的数据类型为：half、int16_t、float、int32_t。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas 200I/500 A2 推理产品，支持的数据类型为：half、int16_t、float、int32_t。 |
-| U | scalarValue数据类型。Atlas 推理系列产品AI Core，支持的数据类型为：half、int16_t、float、int32_t。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持的数据类型为：half、int16_t、float、int32_t。Atlas 200I/500 A2 推理产品，支持的数据类型为：half、int16_t、float、int32_t。 |
-| isSetMask | 是否在接口内部设置mask模式和mask值。true，表示在接口内部设置。tensor高维切分计算API/tensor前n个数据计算API内部使用了mask的Normal模式/Counter模式，一般情况下保持isSetMask默认值即可，表示在API内部进行根据开发者传入的mask/count参数进行mask模式和mask值的设置。false，表示在接口外部设置。针对tensor高维切分计算接口，对性能要求较高的部分场景下，开发者需要使用SetMaskNorm/SetMaskCount设置mask模式，并通过SetVectorMask接口设置mask值。本接口入参中的mask值必须设置为MASK_PLACEHOLDER。针对tensor前n个数据计算接口，对性能要求较高的部分场景下，开发者需要使用SetMaskCount设置mask模式为Counter模式，并通过SetVectorMask接口设置mask值。本接口入参中的count不生效，建议设置成1。针对以下型号，tensor前n个数据计算API中的isSetMask参数不生效，保持默认值即可。Atlas 200I/500 A2 推理产品 |
-
-| 参数名 | 输入/输出 | 说明 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。 |
-| src | 输入 | 源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。数据类型需要与目的操作数保持一致。 |
-| scalarValue | 输入 | 源操作数，数据类型需要与目的操作数Tensor中元素的数据类型保持一致。 |
-| count | 输入 | 参与计算的元素个数。 |
-| mask/mask[] | 输入 | mask用于控制每次迭代内参与计算的元素。逐bit模式：可以按位控制哪些元素参与计算，bit位的值为1表示参与计算，0表示不参与。mask为数组形式，数组长度和数组元素的取值范围和操作数的数据类型有关。当操作数为16位时，数组长度为2，mask[0]、mask[1]∈[0, 264-1]并且不同时为0；当操作数为32位时，数组长度为1，mask[0]∈(0, 264-1]；当操作数为64位时，数组长度为1，mask[0]∈(0, 232-1]。例如，mask=[8, 0]，8=0b1000，表示仅第4个元素参与计算。连续模式：表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关，数据类型不同，每次迭代内能够处理的元素个数最大值不同。当操作数为16位时，mask∈[1, 128]；当操作数为32位时，mask∈[1, 64]；当操作数为64位时，mask∈[1, 32]。 |
-| repeatTime | 输入 | 重复迭代次数。 矢量计算单元，每次读取连续的256Bytes数据进行计算，为完成对输入数据的处理，必须通过多次迭代（repeat）才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考高维切分API。 |
-| repeatParams | 输入 | 元素操作控制结构信息，具体请参考UnaryRepeatParams。 |
-
-#### 返回值说明
-
-无
-
-#### 约束说明
-
-- 操作数地址对齐要求请参见通用地址对齐约束。
-- 操作数地址重叠约束请参考通用地址重叠约束。
-
-#### 调用示例
-
-更多样例可参考LINK。
-
-- tensor高维切分计算样例-mask连续模式123456uint64_tmask=128;int16_tscalar=2;// repeatTime = 4, 单次迭代处理128个数，计算512个数需要迭代4次// dstBlkStride, srcBlkStride = 1, 每个迭代内src0参与计算的数据地址间隔为1个datablock，表示单次迭代内数据连续读取和写入// dstRepStride, srcRepStride = 8, 相邻迭代间的地址间隔为8个datablock，表示相邻迭代间数据连续读取和写入AscendC::Mins(dstLocal,srcLocal,scalar,mask,4,{1,1,8,8});
-
-- tensor高维切分计算样例-mask逐bit模式123456uint64_tmask[2]={UINT64_MAX,UINT64_MAX};int16_tscalar=2;// repeatTime = 4, 单次迭代处理128个数，计算512个数需要迭代4次// dstBlkStride, srcBlkStride = 1, 每个迭代内src0参与计算的数据地址间隔为1个datablock，表示单次迭代内数据连续读取和写入// dstRepStride, srcRepStride = 8, 相邻迭代间的地址间隔为8个datablock，表示相邻迭代间数据连续读取和写入AscendC::Mins(dstLocal,srcLocal,scalar,mask,4,{1,1,8,8});
-- tensor前n个数据计算样例12int16_tscalar=2;AscendC::Mins(dstLocal,srcLocal,scalar,512);