CANN/AscendC MmadMx矩阵计算API

# MmadMx

【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言，原生支持C和C++标准规范，主要由类库和语言扩展层构成，提供多层级API，满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit

产品支持情况

不传入bias的原型

• Ascend 950PR/Ascend 950DT：支持

• Atlas A3 训练系列产品/Atlas A3 推理系列产品：不支持

• Atlas A2 训练系列产品/Atlas A2 推理系列产品：不支持

• Atlas 200I/500 A2 推理产品：不支持

• Atlas 推理系列产品AI Core：不支持

• Atlas 推理系列产品Vector Core：不支持

• Atlas 训练系列产品：不支持

• Kirin X90：不支持

• Kirin 9030：不支持

传入bias的原型

• Ascend 950PR/Ascend 950DT：支持

• Atlas A3 训练系列产品/Atlas A3 推理系列产品：不支持

• Atlas A2 训练系列产品/Atlas A2 推理系列产品：不支持

• Atlas 200I/500 A2 推理产品：不支持

• Atlas 推理系列产品AI Core：不支持

• Atlas 推理系列产品Vector Core：不支持

• Atlas 训练系列产品：不支持

• Kirin X90：不支持

• Kirin 9030：不支持

功能说明

头文件路径为：basic_api/kernel_operator_mm_intf.h。

MmadMx（全称Microscaling Mmad）为带有量化系数的矩阵乘法，即左矩阵和右矩阵均有对应的量化系数矩阵，左量化系数矩阵scaleA和右量化系数矩阵scaleB。MmadMx场景中，左量化系数矩阵与左矩阵乘积，右量化系数矩阵与右矩阵乘积，对两个乘积的结果做矩阵乘法。

MmadMx的计算公式为：C=(scaleA⊗A)*(scaleB⊗B)+Bias，“⊗”表示广播乘法，左/右矩阵与左/右量化系数矩阵做乘积时，K方向上每32个元素共享一个量化因子，如图1所示（其中以AB矩阵均为fp4x2_e2m1_t数据类型为例）。

• A、scaleA、B、scaleB为源操作数。A为左矩阵，形状为[M,K]；scaleA为左量化系数矩阵，形状为[M,K/32]；B为右矩阵，形状为[K,N]；scaleB为右量化系数矩阵，形状为[K/32,N]。
• C为目的操作数，存放矩阵乘结果的矩阵，形状为[M,N]。
• Bias为矩阵乘偏置，形状为[1,N]。对(scaleA⊗A)*(scaleB⊗B)结果矩阵的每一行都采用该Bias进行偏置。

图1MmadMx接口矩阵乘分形示意图 ![MmadMx接口矩阵乘分形示意图](https://raw.gitcode.com/cann/asc-devkit/raw/1cd1d1192e01ae4a8684cd07552c35e13e5c4bdf/docs/zh/api/figures/mxmmad_demo_a5.png "MmadMx接口矩阵乘分形示意图"?utm_source=gitcode_repo_files)

表1矩阵计算矩阵A、B、C解释说明

函数原型

• 不传入bias

  template <typename T, typename U, typename S> __aicore__ inline void MmadMx(const LocalTensor<T>& dst, const LocalTensor<U>& fm, const LocalTensor<S>& filter, const MmadParams& mmadParams)

• 传入bias

  template <typename T, typename U, typename S, typename V> __aicore__ inline void MmadMx(const LocalTensor<T>& dst, const LocalTensor<U>& fm, const LocalTensor<S>& filter, const LocalTensor<V>& bias, const MmadParams& mmadParams)

参数说明

表2参数说明

数据类型

表3MmadMx接口左矩阵、右矩阵、Scale矩阵、Bias矩阵、结果矩阵支持的精度类型组合（Ascend 950PR/Ascend 950DT）

返回值说明

无

约束说明

• 不同矩阵对于存储位置的约束：
  • 结果矩阵C只支持位于物理存储位置为L0C Buffer（TPosition:CO1），大小256KB。
  • 左矩阵A只支持位于物理存储位置为L0A Buffer（TPosition:A2），大小64KB。
  • 右矩阵B只支持位于物理存储位置为L0B Buffer（TPosition:B2），大小64KB。
  • Bias矩阵只支持位于物理存储位置为BT Buffer（TPosition:C2），大小4KB。
• 地址约束说明请参考表2。
• 当M、K、N中的任意一个值为0时，表示指令不会执行，该接口将被视为NOP（空操作）。
• K需要是64的倍数。
• 对于fp4场景A/B矩阵的起始地址需要按照512字节对齐，对于fp8场景A/B矩阵的起始地址需要按照1024字节对齐。
• 左矩阵A/B对应的scale矩阵起始地址为：A/B矩阵起始对应地址/16。
• 其他特殊场景约束可参考Mmad接口约束说明。

调用示例

完整使用样例请参考MmadMx最佳实践。

【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言，原生支持C和C++标准规范，主要由类库和语言扩展层构成，提供多层级API，满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit