CATLASS FlashAttention推理示例

FlashAttentionInfer Example Readme

【免费下载链接】catlass本项目是CANN的算子模板库，提供NPU上高性能矩阵乘及其相关融合类算子模板样例。项目地址: https://gitcode.com/cann/catlass

代码组织

├── 23_flash_attention_infer │ ├── CMakeLists.txt # CMake构建配置文件 │ ├── gen_data.py │ ├── kernel_common.hpp │ ├── main.cpp │ ├── fai_kernel.cpp │ ├── fai_tiling.cpp │ └── README.md

使用示例

• 获取代码之后编译相应的算子可执行文件，可参考quickstart

• 接下来，先执行gen_data.py，生成测试样例，测试用例需要从命令行输入, 执行该命令后会在当前路径下生成data目录，包含算子的输入数据和用于精度验证的golden数据。

• 然后执行算子，这里要注意的是执行算子的输入shape和上面第一步生成数据的shape一致。

以下是一个完整的shell脚本示例

batch=1 qSeqlen=177 kvSeqlen=512 numHeads=1 kvHeads=1 headSize=128 isVariedLen=0 maskType=1 dtype="bf16" cacheMode=1 layout_dtype=0 num_blocks=2048 inner_prec=0 lse_flag=0 device=0 function build() { rm -rf build rm -rf output bash scripts/build.sh 23_flash_attention_infer } function gen_data() { python3 examples/23_flash_attention_infer/gen_data.py $batch $qSeqlen $kvSeqlen $numHeads $kvHeads $headSize $isVariedLen $maskType "$dtype" $cacheMode $layout_dtype $num_blocks $inner_prec $lse_flag echo "Data gen finished" } function run_kernel() { echo 'Case: B=' $batch ' qS=' $qSeqlen ' kvS=' $kvSeqlen ' qN=' $numHeads ' kvN=' $kvHeads ' D=' $headSize ' mask=' $maskType cd output/bin/ ./23_flash_attention_infer $batch $qSeqlen $kvSeqlen $numHeads $kvHeads $headSize $isVariedLen $maskType --device $device --dtype $dtype } build gen_data run_kernel

执行结果如下，说明精度比对成功。

Compare success.

【免费下载链接】catlass本项目是CANN的算子模板库，提供NPU上高性能矩阵乘及其相关融合类算子模板样例。项目地址: https://gitcode.com/cann/catlass