npm - @kernaut/kernaut-resources - Versions diffs - 0.1.17-beta.1 → 0.1.18 - Mend

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

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.

Files changed (1678) hide show

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_0079.md DELETED Viewed

@@ -1,216 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0079
-title: "AscendC WholeReduceMax"
-type: api-definition
-vendor: ascend
-func_name: "WholeReduceMax"
-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_0079.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-- reduction
-confidence: source-reported
-evidence_level: spec
----
-# WholeReduceMax-归约计算-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_0079
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0079.html
----
-# WholeReduceMax
-#### 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
-每个repeat内所有数据求最大值以及其索引index，返回的索引值为每个repeat内部索引。
-#### 函数原型
-- mask逐bit模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidWholeReduceMax(constLocalTensor<T>&dst,constLocalTensor<T>&src,constuint64_tmask[],constint32_trepeatTime,constint32_tdstRepStride,constint32_tsrcBlkStride,constint32_tsrcRepStride,ReduceOrderorder=ReduceOrder::ORDER_VALUE_INDEX)
-- mask连续模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidWholeReduceMax(constLocalTensor<T>&dst,constLocalTensor<T>&src,constint32_tmask,constint32_trepeatTime,constint32_tdstRepStride,constint32_tsrcBlkStride,constint32_tsrcRepStride,ReduceOrderorder=ReduceOrder::ORDER_VALUE_INDEX)
-#### 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/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 200I/500 A2 推理产品，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 训练系列产品，支持的数据类型为：half |
-| 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 | 含义 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要保证4字节对齐（针对half数据类型），8字节对齐（针对float数据类型）。 |
-| 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。源操作数的数据类型需要与目的操作数保持一致。 |
-| 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 | 迭代次数。取值范围为[0, 255]。关于该参数的具体描述请参考高维切分API。 |
-| dstRepStride | 输入 | 目的操作数相邻迭代间的地址步长。以一个repeat归约后的长度为单位。返回索引和最值时，单位为dst数据类型所占字节长度的两倍。比如当dst为half时，单位为4Bytes；仅返回最值时，单位为dst数据类型所占字节长度；仅返回索引时，单位为uint32_t类型所占字节长度。注意，此参数值Atlas 训练系列产品不支持配置0。 |
-| srcBlkStride | 输入 | 单次迭代内datablock的地址步长。详细说明请参考dataBlockStride。 |
-| srcRepStride | 输入 | 源操作数相邻迭代间的地址步长，即源操作数每次迭代跳过的datablock数目。 |
-| order | 输入 | 使用order参数指定dst中index与value的相对位置以及返回结果行为，ReduceOrder类型，默认值为ORDER_VALUE_INDEX。取值范围如下：ORDER_VALUE_INDEX：表示value位于低半部，返回结果存储顺序为[value, index]。ORDER_INDEX_VALUE：表示index位于低半部，返回结果存储顺序为[index, value]。ORDER_ONLY_VALUE：表示只返回最值，返回结果存储顺序为[value]。ORDER_ONLY_INDEX：表示只返回最值索引，返回结果存储顺序为[index]。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持ORDER_VALUE_INDEX、ORDER_INDEX_VALUE、ORDER_ONLY_VALUE、ORDER_ONLY_INDEX。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持ORDER_VALUE_INDEX、ORDER_INDEX_VALUE、ORDER_ONLY_VALUE、ORDER_ONLY_INDEX。Atlas 200I/500 A2 推理产品，支持ORDER_VALUE_INDEX、ORDER_ONLY_VALUE。Atlas 推理系列产品AI Core，支持ORDER_VALUE_INDEX、ORDER_INDEX_VALUE。Atlas 训练系列产品，支持ORDER_VALUE_INDEX。 |
-#### 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。
-- dst结果存储顺序由order决定，默认为最值、最值索引。返回结果中索引index数据按照dst的数据类型进行存储，比如dst使用half类型时，index按照half类型进行存储，读取时需要使用reinterpret_cast方法转换到整数类型。若输入数据类型是half，需要使用reinterpret_cast<uint16_t*>，若输入是float，需要使用reinterpret_cast<uint32_t*>。比如完整样例中，前两个计算结果为[9.980e-01 5.364e-06]，5.364e-06需要使用reinterpret_cast方法转换得到索引值90。特别地，针对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，ORDER_ONLY_INDEX（仅返回最值索引）情况下，读取index时都需要使用reinterpret_cast<uint32_t*>。
-- 针对不同场景合理使用归约指令可以带来性能提升，相关介绍请参考选择低延迟指令，优化归约操作性能，具体样例请参考ReduceCustom。
-#### 调用示例
-- tensor高维切分计算样例-mask连续模式123456// dstLocal,srcLocal均为half类型，srcLocal的计算数据量为512，连续排布，计算结果也需要连续排布，使用tensor高维切分计算接口，设定mask为最多的128个全部元素参与计算// 根据以上信息，推断出repeatTime为4，dstRepStride为1，srcBlkStride为1，srcRepStride为8// 若求最大值及索引，并且需要存储顺序为[value, index]的结果，可以使用默认order，接口示例为：AscendC::WholeReduceMax<half>(dstLocal,srcLocal,128,4,1,1,8);// 若求最大值及索引，并且需要存储顺序为[index, value]的结果，接口示例为：AscendC::WholeReduceMax<half>(dstLocal,srcLocal,128,4,1,1,8,AscendC::ReduceOrder::ORDER_INDEX_VALUE);
-- tensor高维切分计算样例-mask逐bit模式12345// dstLocal,srcLocal均为half类型，srcLocal的计算数据量为512，连续排布，计算结果也需要连续排布，使用tensor高维切分计算接口，设定mask为最多的128个全部元素参与计算// 根据以上信息，推断出repeatTime为4，dstRepStride为1，srcBlkStride为1，srcRepStride为8// 若求最大值及索引，并且需要存储顺序为[value, index]的结果，使用默认order，接口示例为：uint64_tmask[2]={0xFFFFFFFFFFFFFFFF,0xFFFFFFFFFFFFFFFF};AscendC::WholeReduceMax<half>(dstLocal,srcLocal,mask,4,1,1,8);
-- 完整样例：12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455#include"kernel_operator.h"classKernelReduce{public:__aicore__inlineKernelReduce(){}__aicore__inlinevoidInit(__gm__uint8_t*src,__gm__uint8_t*dstGm){srcGlobal.SetGlobalBuffer((__gm__half*)src);dstGlobal.SetGlobalBuffer((__gm__half*)dstGm);repeat=srcDataSize/mask;pipe.InitBuffer(inQueueSrc,1,srcDataSize*sizeof(half));pipe.InitBuffer(outQueueDst,1,dstDataSize*sizeof(half));}__aicore__inlinevoidProcess(){CopyIn();Compute();CopyOut();}private:__aicore__inlinevoidCopyIn(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.AllocTensor<half>();AscendC::DataCopy(srcLocal,srcGlobal,srcDataSize);inQueueSrc.EnQue(srcLocal);}__aicore__inlinevoidCompute(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.DeQue<half>();AscendC::LocalTensor<half>dstLocal=outQueueDst.AllocTensor<half>();AscendC::WholeReduceMax<half>(dstLocal,srcLocal,mask,repeat,1,1,8);// 使用默认order, ReduceOrder::ORDER_VALUE_INDEXoutQueueDst.EnQue<half>(dstLocal);inQueueSrc.FreeTensor(srcLocal);}__aicore__inlinevoidCopyOut(){AscendC::LocalTensor<half>dstLocal=outQueueDst.DeQue<half>();AscendC::DataCopy(dstGlobal,dstLocal,dstDataSize);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;intsrcDataSize=1024;intdstDataSize=16;intmask=128;intrepeat=0;};extern"C"__global____aicore__voidreduce_kernel(__gm__uint8_t*src,__gm__uint8_t*dstGm){KernelReduceop;op.Init(src,dstGm);op.Process();}示例结果如下：输入数据src_gm：
-[0.00787  0.8516   0.01558  0.152    0.887    0.2532   0.2272   0.1295
- 0.7207   0.628    0.5522   0.991    0.3164   0.961    0.526    0.5513
- 0.03973  0.3293   0.809    0.562    0.915    0.56     0.3464   0.3438
- 0.6094   0.1201   0.8384   0.848    0.004436 0.4263   0.01917  0.753
- 0.9126   0.2307   0.1066   0.644    0.8657   0.7085   0.7915   0.1707
- 0.3806   0.957    0.0483   0.858    0.10675  0.21     0.03345  0.55
- 0.3757   0.3281   0.927    0.09406  0.6445   0.985    0.405    0.09393
- 0.773    0.7227   0.03714  0.595    0.889    0.0948   0.4202   0.2747
- 0.5894   0.3022   0.894    0.675    0.6016   0.938    0.585    0.5244
- 0.8643   0.888    0.794    0.636    0.976    0.148    0.7427   0.1742
- 0.32     0.0649   0.2954   0.2018   0.833    0.0976   0.4048   0.2861
- 0.8765   0.7220.9980.03041  0.005512 0.9087   0.9873   0.1436
- 0.4812   0.1901   0.78     0.6934   0.2317   0.3782   0.8613   0.808
- 0.06885  0.3584   0.5684   0.541    0.5415   0.3096   0.5957   0.9043
- 0.7964   0.501    0.4324   0.7544   0.687    0.8447   0.526    0.548
- 0.926    0.9106   0.1616   0.183    0.6704   0.642    0.4783   0.1797
- 0.2078   0.59     0.4866   0.4683   0.649    0.7266   0.4976   0.8364
- 0.6245   0.07385  0.0786   0.586    0.7827   0.3298   0.9497   0.1617
- 0.4375   0.3572   0.2896   0.6465   0.1156   0.4905   0.2617   0.8267
- 0.2054   0.1415   0.2993   0.8374   0.754    0.942    0.6416   0.1222
- 0.1465   0.3335   0.3577   0.6484   0.614    0.5825   0.6807   0.9297
- 0.694    0.759    0.908    0.9126   0.47310.9630.3271   0.724
- 0.4077   0.335    0.672    0.4219   0.1818   0.843    0.2708   0.0816
- 0.457    0.3481   0.67     0.6895   0.6924   0.191    0.2013   0.2484
- 0.8833   0.9146   0.4102   0.1063   0.6685   0.804    0.6606   0.2491
- 0.34     0.3281   0.823    0.603    0.521    0.6797   0.401    0.5
- 0.03683  0.04758  0.507    0.667    0.9014   0.263    0.2477   0.0179
- 0.8735   0.007023 0.545    0.758    0.3508   0.6333   0.9375   0.5903
- 0.2732   0.0847   0.489    0.196    0.5557   0.403    0.9204   0.3655
- 0.5083   0.7515   0.3347   0.6914   0.2185   0.2458   0.5537   0.3457
- 0.4878   0.869    0.908    0.0877   0.295    0.9      0.9307   0.05545
- 0.4639   0.4001   0.8433   0.4883   0.916    0.7026   0.5063   0.05164
- 0.936    0.844    0.2086   0.625    0.0197   0.4312   0.3677   0.983
- 0.625    0.004665 0.2479   0.3093   0.9214   0.003672 0.7915   0.921
- 0.331    0.01127  0.703    0.6416   0.4053   0.53     0.9688   0.10297
- 0.5547   0.07367  0.2305   0.02821  0.8115   0.4202   0.0561   0.0917
- 0.04828  0.536    0.0905   0.328    0.8413   0.3696   0.982    0.3733
- 0.436    0.753    0.1937   0.8706   0.991    0.273    0.763    0.418
- 0.4446   0.513    0.6724   0.1179   0.921    0.756    0.7144   0.6196
- 0.9634   0.562    0.3088   0.864    0.709    0.6797   0.2114   0.534
- 0.5225   0.1852   0.038    0.5454   0.8823   0.849    0.608    0.7734
- 0.7446   0.7236   0.1903   0.1031   0.497    0.57     0.172    0.1907
- 0.6333   0.641    0.681    0.2323   0.1007   0.4094   0.3655   0.4248
- 0.08044  0.1483   0.08716  0.354    0.128    0.3933   0.775    0.215
- 0.728    0.909    0.4204   0.618    0.2517   0.9106   0.3647   0.5977
- 0.3445   0.315    0.488    0.99     0.9443   0.6196   0.9287   0.0880.99460.796    0.7515   0.1912   0.4312   0.7974   0.735    0.01536
- 0.7456   0.643    0.484    0.218    0.9272   0.1703   0.1885   0.1982
- 0.754    0.902    0.848    0.05832  0.4138   0.6885   0.3853   0.3499
- 0.639    0.5786   0.6353   0.5664   0.02621  0.56     0.532    0.08246
- 0.733    0.1334   0.0728   0.7817   0.5273   0.126    0.179    0.7334
- 0.1565   0.457    0.4807   0.6987   0.5845   0.6206   0.902    0.9277
- 0.501    0.6763   0.3418   0.7925   0.07556  0.0929   0.9014   0.3145
- 0.04907  0.7188   0.958    0.7275   0.1963   0.1742   0.785    0.518
- 0.61     0.1112   0.481    0.10583  0.198    0.181    0.3271   0.2773
- 0.2391   0.5625   0.621    0.173    0.05936  0.5654   0.838    0.865
- 0.01523  0.6724   0.546    0.737    0.778    0.8613   0.7085   0.8213
- 0.08826  0.818    0.4866   0.159    0.4143   0.1007   0.7773   0.487
- 0.5225   0.8984   0.4907   0.525    0.4075   0.2632   0.2292   0.134
- 0.4622   0.65     0.294    0.607    0.2725   0.2603   0.9326   0.787
- 0.9478   0.941    0.3066   0.2944   0.3928   0.73     0.1797   0.2157
- 0.609    0.4216   0.8984   0.8477   0.863    0.2478   0.993    0.6274
- 0.724    0.03668  0.0991   0.5825   0.662    0.6904   0.7017   0.2379
- 0.514    0.1646   0.3245   0.03072  0.3232   0.9070.99660.6396
- 0.2969   0.02539  0.66     0.764    0.7803   0.515    0.04074  0.2258
- 0.08887  0.1782   0.875    0.1517   0.2351   0.3848   0.5933   0.6875
- 0.1969   0.1283   0.06232  0.4348   0.168    0.6904   0.5464   0.12036
- 0.885    0.007717 0.5967   0.2856   0.628    0.62     0.854    0.4297
- 0.733    0.2274   0.9736   0.01622  0.456    0.4763   0.9707   0.874
- 0.8794   0.511    0.1628   0.03458  0.506    0.1464   0.3674   0.1532
- 0.786    0.3809   0.406    0.015434 0.901    0.951    0.3018   0.3584
- 0.5337   0.4983   0.85     0.833    0.7324   0.492    0.39     0.09845
- 0.8965   0.862    0.4033   0.181    0.2203   0.3738   0.2761   0.9653
- 0.3577   0.289    0.3167   0.91     0.2688   0.3972   0.585    0.2178
- 0.307    0.4966   0.513    0.5225   0.786    0.1888   0.9287   0.5093
- 0.1193   0.3987   0.7990.99950.611    0.9897   0.7515   0.4478
- 0.3232   0.2426   0.3323   0.7134   0.77     0.7275   0.02043  0.3132
- 0.3555   0.03122  0.8623   0.4705   0.6357   0.3157   0.5063   0.1711
- 0.885    0.7554   0.815    0.0213   0.4346   0.049    0.905    0.525
- 0.921    0.02411  0.771    0.7227   0.1786   0.278    0.03387  0.7744
- 0.05875  0.8955   0.8374   0.715    0.3765   0.02075  0.675    0.9883
- 0.63     0.7017   0.299    0.92     0.1644   0.3977   0.487    0.818
- 0.636    0.3452   0.6406   0.783    0.3728   0.1619   0.7725   0.4673
- 0.297    0.9375   0.083    0.0914   0.6704   0.08923  0.332    0.0973
- 0.507    0.201    0.1658   0.2358   0.8706   0.6846   0.6396   0.289
- 0.831    0.669    0.4683   0.2568   0.219    0.616    0.978    0.1564
- 0.925    0.4265   0.6055   0.7246   0.235    0.5376   0.03668  0.2441
- 0.7935   0.383    0.2996   0.3523   0.2544   0.6006   0.8896   0.757
- 0.7134   0.3196   0.3657   0.249    0.2429   0.921    0.877    0.728
- 0.8853   0.1635   0.546    0.9243   0.676    0.4749   0.3928   0.4187
- 0.612    0.3953   0.2372   0.4092   0.1523   0.1599   0.03108  0.1602
- 0.2474   0.3572   0.0643   0.9434   0.52     0.8574   0.959    0.7593
- 0.2318   0.5444   0.2222   0.3884   0.8066   0.4573   0.664    0.335
- 0.02025  0.1519   0.013860.9890.852    0.695    0.01289  0.3433
- 0.2148   0.9404   0.6753   0.704    0.11163  0.675    0.5264   0.1514
- 0.5273   0.9785   0.2769   0.4846   0.2747   0.558    0.742    0.681
- 0.835    0.9546   0.941    0.588    0.785    0.2095   0.07294  0.4343
- 0.086    0.5825   0.513    0.6313   0.04236  0.4072   0.558    0.681
- 0.4805   0.492    0.625    0.7744   0.002626 0.662    0.9043   0.4766
- 0.6597   0.6934   0.3394   0.05453  0.9146   0.2222   0.7925   0.605
- 0.812    0.671    0.4329   0.2118   0.363    0.1444   0.0955   0.692
- 0.675    0.3      0.6846   0.535    0.9834   0.929    0.3582   0.964
- 0.3835   0.1466   0.801    0.954    0.2554   0.01357  0.6636   0.8325
- 0.6494   0.817    0.2268   0.00904  0.0487   0.08716  0.6753   0.3833
- 0.663    0.396    0.6685   0.983    0.0728   0.694    0.02364  0.137
- 0.1727   0.231    0.7896   0.8057   0.478    0.883    0.1785   0.5938
- 0.11456  0.6997   0.1945   0.02365  0.7236   0.8623   0.2178   0.1295
- 0.3867   0.7188   0.11475  0.6      0.419    0.2673   0.4404   0.0107
- 0.4304   0.1364   0.3708   0.1158   0.1714   0.3123   0.3403   0.7163
- 0.079    0.6245   0.719    0.558    0.4526   0.09924  0.512    0.2452
- 0.5190.9990.7207   0.5605   0.7217   0.653    0.1164   0.789
- 0.4724   0.2727   0.10315  0.9644   0.7573   0.06464  0.858    0.7847
- 0.958    0.618    0.9536   0.46     0.9766   0.4263   0.4363   0.4434
- 0.95     0.3032   0.4338   0.809    0.1642   0.0561   0.2668   0.1853
- 0.356    0.934    0.968    0.327    0.913    0.434    0.6616   0.00502
- 0.05066  0.5327   0.276    0.5176   0.0674   0.6143   0.8345   0.2976
- 0.315    0.6646   0.527    0.791    0.0299   0.4558   0.8354   0.3115
- 0.3735   0.3582   0.742    0.2637   0.8877   0.7603   0.4568   0.2045
- 0.4746   0.392    0.65     0.391    0.972    0.6973   0.2297   0.568
- 0.49     0.1895   0.547    0.79     0.747    0.5205   0.313    0.3809
- 0.7817   0.32     0.1012   0.339    0.716    0.8955   0.8564   0.126
- 0.6597   0.228    0.1194   0.4775   0.173    0.0265   0.7456   0.859
- 0.4841   0.595    0.4553   0.1351   0.2246   0.3564   0.1832   0.8535
- 0.703    0.2423   0.04187  0.1450.9970.1919   0.571    0.8555
- 0.1578   0.2688   0.405    0.3909   0.1428   0.863    0.7295   0.3267
- 0.1294   0.5986   0.677    0.7065   0.8853   0.923    0.9385   0.935
- 0.1747   0.32     0.2292   0.2676   0.1161   0.4666   0.3826   0.2588
- 0.1863   0.7993   0.3984   0.2961   0.2952   0.3247   0.923    0.05746 ]
-输出数据dst_gm：
-[9.980e-01 5.364e-06 9.629e-01 2.682e-06 9.946e-01 6.676e-06 9.966e-01
- 7.510e-06 9.995e-01 5.424e-06 9.888e-01 6.378e-06 9.990e-01 6.735e-06
- 9.971e-01 5.484e-06]

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_0080.md DELETED Viewed

@@ -1,86 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0080
-title: "AscendC WholeReduceMin"
-type: api-definition
-vendor: ascend
-func_name: "WholeReduceMin"
-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_0080.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-- reduction
-confidence: source-reported
-evidence_level: spec
----
-# WholeReduceMin-归约计算-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_0080
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0080.html
----
-# WholeReduceMin
-#### 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
-每个repeat内所有数据求最小值以及其索引index，返回的索引值为每个repeat内部索引。归约指令的总体介绍请参考如何使用归约计算API。
-#### 函数原型
-- mask逐bit模式：12template<typenameT,boolisSetMask=true>__aicore__inlinevoidWholeReduceMin(constLocalTensor<T>&dst,constLocalTensor<T>&src,constuint64_tmask[],constint32_trepeatTime,constint32_tdstRepStride,constint32_tsrcBlkStride,constint32_tsrcRepStride,ReduceOrderorder=ReduceOrder::ORDER_VALUE_INDEX)
-- mask连续模式：12template<typenameT,boolisSetMask=true>__aicore__inlinevoidWholeReduceMin(constLocalTensor<T>&dst,constLocalTensor<T>&src,constint32_tmask,constint32_trepeatTime,constint32_tdstRepStride,constint32_tsrcBlkStride,constint32_tsrcRepStride,ReduceOrderorder=ReduceOrder::ORDER_VALUE_INDEX)
-#### 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/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 200I/500 A2 推理产品，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 训练系列产品，支持的数据类型为：half |
-| 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 | 含义 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要保证4字节对齐（针对half数据类型），8字节对齐（针对float数据类型）。 |
-| 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。源操作数的数据类型需要与目的操作数保持一致。 |
-| 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 | 迭代次数。取值范围为[0, 255]。关于该参数的具体描述请参考高维切分API。 |
-| dstRepStride | 输入 | 目的操作数相邻迭代间的地址步长。以一个repeat归约后的长度为单位。返回索引和最值时，单位为dst数据类型所占字节长度的两倍。比如当dst为half时，单位为4Bytes；仅返回最值时，单位为dst数据类型所占字节长度；仅返回索引时，单位为uint32_t类型所占字节长度。注意，此参数值Atlas 训练系列产品不支持配置0。 |
-| srcBlkStride | 输入 | 单次迭代内datablock的地址步长。详细说明请参考dataBlockStride。 |
-| srcRepStride | 输入 | 源操作数相邻迭代间的地址步长，即源操作数每次迭代跳过的datablock数目。详细说明请参考repeatStride。 |
-| order | 输入 | 使用order参数指定dst中index与value的相对位置以及返回结果行为，ReduceOrder类型，默认值为ORDER_VALUE_INDEX。取值范围如下：ORDER_VALUE_INDEX：表示value位于低半部，返回结果存储顺序为[value, index]。ORDER_INDEX_VALUE：表示index位于低半部，返回结果存储顺序为[index, value]。ORDER_ONLY_VALUE：表示只返回最值，返回结果存储顺序为[value]。ORDER_ONLY_INDEX：表示只返回最值索引，返回结果存储顺序为[index]。Atlas A3 训练系列产品/Atlas A3 推理系列产品，支持ORDER_VALUE_INDEX、ORDER_INDEX_VALUE、ORDER_ONLY_VALUE、ORDER_ONLY_INDEX。Atlas A2 训练系列产品/Atlas A2 推理系列产品，支持ORDER_VALUE_INDEX、ORDER_INDEX_VALUE、ORDER_ONLY_VALUE、ORDER_ONLY_INDEX。Atlas 200I/500 A2 推理产品，支持ORDER_VALUE_INDEX、ORDER_ONLY_VALUE。Atlas 推理系列产品AI Core，支持ORDER_VALUE_INDEX、ORDER_INDEX_VALUE。Atlas 训练系列产品，支持ORDER_VALUE_INDEX。 |
-#### 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。
-- dst结果存储顺序由order决定，默认为最值，最值索引。返回结果中索引index数据按照dst的数据类型进行存储，比如dst使用half类型时，index按照half类型进行存储，读取时需要使用reinterpret_cast方法转换到整数类型。若输入数据类型是half，需要使用reinterpret_cast<uint16_t*>，若输入是float，需要使用reinterpret_cast<uint32_t*>。比如调用示例中，前两个计算结果为[9.980e-01 5.364e-06]，5.364e-06需要使用reinterpret_cast方法转换得到索引值90。特别地，针对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，ORDER_ONLY_INDEX（仅返回最值索引）情况下，读取index时都需要使用reinterpret_cast<uint32_t*>。
-- 针对不同场景合理使用归约指令可以带来性能提升，相关介绍请参考选择低延迟指令，优化归约操作性能，具体样例请参考ReduceCustom。
-#### 调用示例
-| 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455 | #include"kernel_operator.h"classKernelReduce{public:__aicore__inlineKernelReduce(){}__aicore__inlinevoidInit(__gm__uint8_t*src,__gm__uint8_t*dstGm){srcGlobal.SetGlobalBuffer((__gm__half*)src);dstGlobal.SetGlobalBuffer((__gm__half*)dstGm);repeat=srcDataSize/mask;pipe.InitBuffer(inQueueSrc,1,srcDataSize*sizeof(half));pipe.InitBuffer(outQueueDst,1,dstDataSize*sizeof(half));}__aicore__inlinevoidProcess(){CopyIn();Compute();CopyOut();}private:__aicore__inlinevoidCopyIn(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.AllocTensor<half>();AscendC::DataCopy(srcLocal,srcGlobal,srcDataSize);inQueueSrc.EnQue(srcLocal);}__aicore__inlinevoidCompute(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.DeQue<half>();AscendC::LocalTensor<half>dstLocal=outQueueDst.AllocTensor<half>();AscendC::WholeReduceMin<half>(dstLocal,srcLocal,mask,repeat,1,1,8);// 使用默认order, ReduceOrder::ORDER_VALUE_INDEXoutQueueDst.EnQue<half>(dstLocal);inQueueSrc.FreeTensor(srcLocal);}__aicore__inlinevoidCopyOut(){AscendC::LocalTensor<half>dstLocal=outQueueDst.DeQue<half>();AscendC::DataCopy(dstGlobal,dstLocal,dstDataSize);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;intsrcDataSize=1024;intdstDataSize=16;intmask=128;intrepeat=0;};extern"C"__global____aicore__voidreduce_kernel(__gm__uint8_t*src,__gm__uint8_t*dstGm){KernelReduceop;op.Init(src,dstGm);op.Process();} |
-| --- | --- |
-示例结果如下：

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_0081.md DELETED Viewed

@@ -1,173 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0081
-title: "AscendC WholeReduceSum"
-type: api-definition
-vendor: ascend
-func_name: "WholeReduceSum"
-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_0081.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-- reduction
-confidence: source-reported
-evidence_level: spec
----
-# WholeReduceSum-归约计算-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_0081
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0081.html
----
-# WholeReduceSum
-#### 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
-每个迭代内所有数据求和。归约指令的总体介绍请参考如何使用归约计算API。
-#### 函数原型
-- mask逐bit模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidWholeReduceSum(constLocalTensor<T>&dst,constLocalTensor<T>&src,constuint64_tmask[],constint32_trepeatTime,constint32_tdstRepStride,constint32_tsrcBlkStride,constint32_tsrcRepStride)
-- mask连续模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidWholeReduceSum(constLocalTensor<T>&dst,constLocalTensor<T>&src,constint32_tmask,constint32_trepeatTime,constint32_tdstRepStride,constint32_tsrcBlkStride,constint32_tsrcRepStride)
-#### 参数说明
-| 参数名 | 描述 |
-| --- | --- |
-| T | 操作数数据类型。 |
-| 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 | 含义 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要保证2字节对齐（针对half数据类型），4字节对齐（针对float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/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 200I/500 A2 推理产品，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 训练系列产品，支持的数据类型为：half/float |
-| 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。源操作数的数据类型需要与目的操作数保持一致。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/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 200I/500 A2 推理产品，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 训练系列产品，支持的数据类型为：支持的数据类型为half/float |
-| 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 | 迭代次数。取值范围为[0, 255]。关于该参数的具体描述请参考高维切分API。 |
-| dstRepStride | 输入 | 目的操作数相邻迭代间的地址步长。以一个repeat归约后的长度为单位。单位为dst数据类型所占字节长度。比如当dst为half时，单位为2Bytes。注意，此参数值Atlas 训练系列产品不支持配置0。 |
-| srcBlkStride | 输入 | 单次迭代内datablock的地址步长。详细说明请参考dataBlockStride。 |
-| srcRepStride | 输入 | 源操作数相邻迭代间的地址步长，即源操作数每次迭代跳过的DataBlock数目。详细说明请参考repeatStride。 |
-#### 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。
-- 对于WholeReduceSum，其内部的相加方式采用二叉树方式，两两相加：假设源操作数为128个half类型的数据[data0,data1,data2...data127]，一个repeat可以计算完，计算过程如下。data0和data1相加得到data00，data2和data3相加得到data01...data124和data125相加得到data62，data126和data127相加得到data63；data00和data01相加得到data000，data02和data03相加得到data001...data62和data63相加得到data031；以此类推，得到目的操作数为1个half类型的数据[data]。需要注意的是两两相加的计算过程中，计算结果大于65504时结果保存为65504。例如源操作数为[60000,60000,-30000,100]，首先60000+60000溢出，结果为65504，第二步计算-30000+100=-29900，第四步计算65504-29900=35604。
-#### 调用示例
-- tensor高维切分计算样例-mask连续模式123// dstLocal,srcLocal均为half类型,srcLocal的计算数据量为512，连续排布，计算结果也需要连续排布，使用tensor高维切分计算接口，设定mask为最多的128个全部元素参与计算// 根据以上信息，推断出repeatTime为4，dstRepStride为1，srcBlkStride为1，srcRepStride为8AscendC::WholeReduceSum<half>(dstLocal,srcLocal,128,4,1,1,8);
-- 针对不同场景合理使用归约指令可以带来性能提升，相关介绍请参考选择低延迟指令，优化归约操作性能，具体样例请参考ReduceCustom。
-- 完整样例12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455#include"kernel_operator.h"classKernelReduce{public:__aicore__inlineKernelReduce(){}__aicore__inlinevoidInit(__gm__uint8_t*src,__gm__uint8_t*dstGm){srcGlobal.SetGlobalBuffer((__gm__half*)src);dstGlobal.SetGlobalBuffer((__gm__half*)dstGm);repeat=srcDataSize/mask;pipe.InitBuffer(inQueueSrc,1,srcDataSize*sizeof(half));pipe.InitBuffer(outQueueDst,1,dstDataSize*sizeof(half));}__aicore__inlinevoidProcess(){CopyIn();Compute();CopyOut();}private:__aicore__inlinevoidCopyIn(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.AllocTensor<half>();AscendC::DataCopy(srcLocal,srcGlobal,srcDataSize);inQueueSrc.EnQue(srcLocal);}__aicore__inlinevoidCompute(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.DeQue<half>();AscendC::LocalTensor<half>dstLocal=outQueueDst.AllocTensor<half>();AscendC::WholeReduceSum<half>(dstLocal,srcLocal,mask,repeat,1,1,8);outQueueDst.EnQue<half>(dstLocal);inQueueSrc.FreeTensor(srcLocal);}__aicore__inlinevoidCopyOut(){AscendC::LocalTensor<half>dstLocal=outQueueDst.DeQue<half>();AscendC::DataCopy(dstGlobal,dstLocal,dstDataSize);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;intsrcDataSize=2048;intdstDataSize=16;intmask=128;intrepeat=0;};extern"C"__global____aicore__voidreduce_kernel(__gm__uint8_t*src,__gm__uint8_t*dstGm){KernelReduceop;op.Init(src,dstGm);op.Process();}示例结果如下：输入数据(src_gm):
-[1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
- 1. 1. 1. 1. 1. 1. 1. 1.]
-输出数据(dst_gm):
-[128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128. 128.
- 128. 128.]

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_0082.md DELETED Viewed

@@ -1,90 +0,0 @@
----
-id: api-ascendc-atlasascendc_api_07_0082
-title: "AscendC BlockReduceMax"
-type: api-definition
-vendor: ascend
-func_name: "BlockReduceMax"
-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_0082.html"
-  anchor: API
-architectures:
-- ascend910b
-languages:
-- ascendc
-tags:
-- ascendc
-- vector-unit
-- reduction
-confidence: source-reported
-evidence_level: spec
----
-# BlockReduceMax-归约计算-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_0082
-**来源:** https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/850/API/ascendcopapi/atlasascendc_api_07_0082.html
----
-# BlockReduceMax
-#### 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
-对每个datablock内所有元素求最大值。归约指令的总体介绍请参考如何使用归约计算API。
-#### 函数原型
-- mask逐bit模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidBlockReduceMax(constLocalTensor<T>&dst,constLocalTensor<T>&src,constint32_trepeatTime,constuint64_tmask[],constint32_tdstRepStride,constint32_tsrcBlkStride,constint32_tsrcRepStride)
-- mask连续模式12template<typenameT,boolisSetMask=true>__aicore__inlinevoidBlockReduceMax(constLocalTensor<T>&dst,constLocalTensor<T>&src,constint32_trepeatTime,constint32_tmask,constint32_tdstRepStride,constint32_tsrcBlkStride,constint32_tsrcRepStride)
-#### 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/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 200I/500 A2 推理产品，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 训练系列产品，支持的数据类型为：half |
-| 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 | 含义 |
-| --- | --- | --- |
-| dst | 输出 | 目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要保证16字节对齐（针对half数据类型），32字节对齐（针对float数据类型）。 |
-| 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。 |
-| repeatTime | 输入 | 迭代次数。取值范围为[0, 255]。关于该参数的具体描述请参考高维切分API。 |
-| 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]。 |
-| dstRepStride | 输入 | 目的操作数相邻迭代间的地址步长。以一个repeatTime归约后的长度为单位。每个repeatTime(8个datablock)归约后，得到8个元素，所以输入类型为half类型时，RepStride单位为16Byte；输入类型为float类型时，RepStride单位为32Byte。注意，此参数值Atlas 训练系列产品不支持配置0。 |
-| srcBlkStride | 输入 | 单次迭代内datablock的地址步长。详细说明请参考dataBlockStride。 |
-| srcRepStride | 输入 | 源操作数相邻迭代间的地址步长，即源操作数每次迭代跳过的datablock数目。详细说明请参考repeatStride。 |
-#### 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。
-- 为了节省地址空间，您可以定义一个Tensor，供源操作数与目的操作数同时使用（即地址重叠），需要注意计算后的目的操作数数据不能覆盖未参与计算的源操作数，需要谨慎使用。
-- 对于Atlas 200I/500 A2 推理产品，若配置mask/mask[]参数后，存在某个datablock里的任何一个元素都不参与计算，则该datablock内所有元素的最大值会填充为-inf返回。比如float场景下，当mask配置为32，即只计算前4个datablock，则后四个datablock内的最大值会返回-inf。half场景下会返回-65504。
-- 针对不同场景合理使用归约指令可以带来性能提升，相关介绍请参考选择低延迟指令，优化归约操作性能，具体样例请参考ReduceCustom。
-#### 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样例模板中Compute函数的部分代码即可。
-- BlockReduceMax-tensor高维切分计算样例-mask连续模式123456int32_tmask=256/sizeof(half);intrepeat=1;// repeat = 1, 128 elements one repeat, 128 elements total// srcBlkStride = 1, no gap between blocks in one repeat// dstRepStride = 1, srcRepStride = 8, no gap between repeatsAscendC::BlockReduceMax<half>(dstLocal,srcLocal,repeat,mask,1,1,8);
-- BlockReduceMax-tensor高维切分计算样例-mask逐bit模式123456uint64_tmask[2]={UINT64_MAX,UINT64_MAX};intrepeat=1;// repeat = 1, 128 elements one repeat, 128 elements total// srcBlkStride = 1, no gap between blocks in one repeat// dstRepStride = 1, srcRepStride = 8, no gap between repeatsAscendC::BlockReduceMax<half>(dstLocal,srcLocal,repeat,mask,1,1,8);
-#### 样例模板
-| 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354 | #include"kernel_operator.h"classKernelReduce{public:__aicore__inlineKernelReduce(){}__aicore__inlinevoidInit(__gm__uint8_t*src,__gm__uint8_t*dstGm){srcGlobal.SetGlobalBuffer((__gm__half*)src);dstGlobal.SetGlobalBuffer((__gm__half*)dstGm);pipe.InitBuffer(inQueueSrc,1,srcDataSize*sizeof(half));pipe.InitBuffer(outQueueDst,1,dstDataSize*sizeof(half));}__aicore__inlinevoidProcess(){CopyIn();Compute();CopyOut();}private:__aicore__inlinevoidCopyIn(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.AllocTensor<half>();AscendC::DataCopy(srcLocal,srcGlobal,srcDataSize);inQueueSrc.EnQue(srcLocal);}__aicore__inlinevoidCompute(){AscendC::LocalTensor<half>srcLocal=inQueueSrc.DeQue<half>();AscendC::LocalTensor<half>dstLocal=outQueueDst.AllocTensor<half>();halfzero(0);AscendC::Duplicate(dstLocal,zero,dstDataSize);//指令执行部分（替换成上述代码）outQueueDst.EnQue<half>(dstLocal);inQueueSrc.FreeTensor(srcLocal);}__aicore__inlinevoidCopyOut(){AscendC::LocalTensor<half>dstLocal=outQueueDst.DeQue<half>();AscendC::DataCopy(dstGlobal,dstLocal,dstDataSize);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;intsrcDataSize=128;intdstDataSize=64;};extern"C"__global____aicore__voidreduce_simple_kernel(__gm__uint8_t*src,__gm__uint8_t*dstGm){KernelReduceop;op.Init(src,dstGm);op.Process();} |
-| --- | --- |