当前位置： 首页 > news >正文

CANN/ops-transformer FlashAttention变长分数计算V5

news 2026/5/10 3:07:29

aclnnFlashAttentionVarLenScoreV5

【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，使用FlashAttention算法实现self-attention（自注意力）的计算。对标竞品适配gptoss模型支持sink功能。跟aclnnFlashAttentionVarLenScoreV3接口的区别是：增加sinkInOptional可选输入,保留了aclnnFlashAttentionVarLenScoreV4的softmaxOutLayout可选输入。

    • Ascend 950PR/Ascend 950DT ：暂不支持sinkInOptional与softmaxOutLayout参数。

  • 计算公式： 注意力的正向计算公式如下：

    $$ Attention=Dropout(Softmax(Mask(scale*(querykey^T + queryRopekeyRope^T) + pse),atten_mask),keep_prob)*value $$

    其中增加sink之后计算逻辑见下，主要修改相关softmax_max和softmax_sum逻辑计算部分

    $$ S = Q * K^{T} $$

    $$ m = max(sink, max(S)) $$

    $$ Attention = \frac{e^{S - m} * V}{\sum e^{S-m} + e^{sink - m}} $$

函数原型

每个算子分为两段式接口，必须先调用“aclnnFlashAttentionVarLenScoreV5GetWorkspaceSize”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“aclnnFlashAttentionVarLenScoreV5”接口执行计算。

aclnnStatus aclnnFlashAttentionVarLenScoreV5GetWorkspaceSize( const aclTensor *query, const aclTensor *queryRope, const aclTensor *key, const aclTensor *keyRope, const aclTensor *value, const aclTensor *realShiftOptional, const aclTensor *dropMaskOptional, const aclTensor *paddingMaskOptional, const aclTensor *attenMaskOptional, const aclTensor *sinkOptional, const aclIntArray *prefixOptional, const aclIntArray *actualSeqQLenOptional, const aclIntArray *actualSeqKvLenOptional, const aclIntArray *qStartIdxOptional, const aclIntArray *kvStartIdxOptional, double scaleValue, double keepProb, int64_t preTokens, int64_t nextTokens, int64_t headNum, char *inputLayout, int64_t innerPrecise, int64_t sparseMode, int64_t pseType, char *softmaxOutLayout, const aclTensor *softmaxMaxOut, const aclTensor *softmaxSumOut, const aclTensor *softmaxOutOut, const aclTensor *attentionOutOut, uint64_t *workspaceSize, aclOpExecutor **executor);
aclnnStatus aclnnFlashAttentionVarLenScoreV5( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)

aclnnFlashAttentionVarLenScoreV5GetWorkspaceSize

  • 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输入公式中的query。数据类型与key/value的数据类型一致。FLOAT16、BFLOAT16、FLOAT32ND[TND]√
    queryRope可选输入公式中的queryRope。数据类型与key/value的数据类型一致。BFLOAT16ND[TND]√
    key输入公式中的key。数据类型与query/value的数据类型一致。FLOAT16、BFLOAT16、FLOAT32ND[TND]√
    keyRope可选输入公式中的keyRope。数据类型与query/value的数据类型一致。BFLOAT16ND[TND]√
    value输入公式中的value。数据类型与query/key的数据类型一致。FLOAT16、BFLOAT16、FLOAT32ND[TND]√
    realShiftOptional可选输入公式中的pse。与queryRope、keyRope不兼容。不用rope时，数据类型和query一致，需要与pseType配套使用。FLOAT16、BFLOAT16、FLOAT32ND[B,N,1024,Skv]、[1,N,1024,Skv]、[pseTotalLen]、[B,N]、[N]√
    dropMaskOptional可选输入公式中的Dropout。与queryRope、keyRope不兼容。UINT8ND0、1√
    paddingMaskOptional可选输入预留参数，暂未使用。-----
    attenMaskOptional可选输入公式中的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、UINT8ND[B,N,Sq,Skv]、[B,1,Sq,Skv]、[1,1,Sq,Skv]、[Sq,Skv]√
    sinkOptional可选输入公式中的sink。提供sink功能。FLOAT32ND[headNum]√
    prefixOptional可选输入代表prefix稀疏计算场景每个Batch的N值。-INT64ND0、1-
    actualSeqQLenOptional可选输入描述了每个Batch对应的query的sequence length。-INT64ND1-
    actualSeqKvLenOptional可选输入描述了每个Batch对应的key/value的sequence length。-INT64ND1-
    qStartIdxOptional可选输入代表外切场景，当前分块的query的sequence在全局中的起始索引。-INT64ND0、1-
    kvStartIdxOptional可选输入代表外切场景，当前分块的key和value的sequence在全局中的起始索引。-INT64ND0、1-
    scaleValue可选输入公式中的scale，代表缩放系数。-DOUBLE---
    keepProb可选输入代表dropMaskOptional中1的比例。取值范围为(0, 1]。DOUBLE---
    preTokens可选输入用于稀疏计算 ，表示sliding window的左边界。-INT64---
    nextTokens可选输入用于稀疏计算，表示sliding window的右边界。-INT64---
    headNum输入代表单卡的head个数，即输入query的N轴长度。-INT64---
    inputLayout输入代表输入query、key、value的数据排布格式。支持TND。String---
    innerPrecise可选输入用于提升精度。默认配置为0即可。INT64---
    sparseMode可选输入表示sparse的模式。支持配置值为支持配置0~8，不支持5。传入rope时，不支持6。INT64---
    pseType可选输入控制mul与add计算顺序。无rope时配置为0-3，有rope仅支持配置值为1。INT64---
    softmaxOutLayout可选输入用于控制TND场景下softmax输出。传入"same_as_input"时，softmax输出排布与输入保持一致，为TND排布；传入空字符串时，与原逻辑保持一致，softmax输出排布为NTD。String---
    softmaxMaxOut输出Softmax计算的Max中间结果，用于反向计算。输出shape由softmaxOutLayout决定。FLOATND[N,T,8]或[T,N,8]√
    softmaxSumOut输出Softmax计算的Sum中间结果，用于反向计算。输出shape由softmaxOutLayout决定。FLOATND[N,T,8]或[T,N,8]√
    softmaxOutOut输出预留参数，暂未使用。-----
    attentionOutOut输出计算公式的最终输出。数据类型和shape类型与query保持一致。BFLOAT16ND[T,N,D]√
    workspaceSize输出返回需要在Device侧申请的workspace大小。-----
    executor输出返回op执行器，包含了算子计算流程。-----

  • 返回值

    aclnnStatus：返回状态码，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_NULLPTR161001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_INVALID161002query、key、value、realShiftOptional、dropMaskOptional、paddingMaskOptional、attenMaskOptional、sinkOptional、softmaxMaxOut、softmaxSumOut、softmaxOutOut、attentionOutOut的数据类型不在支持的范围内。
    query、key、value、realShiftOptional、dropMaskOptional、paddingMaskOptional、attenMaskOptional、sinkOptional、softmaxMaxOut、softmaxSumOut、softmaxOutOut、attentionOutOut的数据格式不在支持的范围内。
    ACLNN_ERR_INNER_NULLPTR561103API内部校验错误，通常由于输入的shape或属性的规格不在支持的范围之内导致。

aclnnFlashAttentionVarLenScoreV5

  • 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aclnnFlashAttentionVarLenScoreV5GetWorkspaceSize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

  • 确定性计算：
    • aclnnFlashAttentionVarLenScoreV5默认确定性实现。
  • 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。
  • 输入query、key、value的B：batchsize必须相等。
  • 输入query、key、value的D：Head-Dim必须满足（qD == kD && kD >= vD）。
  • 输入query、key、value的input_layout必须一致。
  • 输入query、key、value、realShiftOptional的数据类型必须一致。
  • 支持输入query的N和key/value的N不相等，但必须成比例关系，即Nq/Nkv必须是非0整数，Nq取值范围1~256。当Nq/Nkv > 1时，即为GQA（grouped-query attention）；当Nkv=1时，即为MQA（multi-query attention）。本文如无特殊说明，N表示的是Nq。
  • 关于数据shape的约束，其中：
    • T(B*S)：取值范围为1~1M。
    • B：取值范围为1~20000。带prefixOptional的时候B最大支持1K。
    • N：取值范围为1~256。
    • S：取值范围为1~1M。
    • D：取值范围为1~768。
  • query、key、value数据排布格式仅支持TND，T是B和S合轴紧密排列的数据（每个batch的SeqLenQ和SeqLenKV），其中B（Batch）表示输入样本批量大小、S（Seq-Length）表示输入样本序列长度、H（Head-Size）表示隐藏层的大小、N（Head-Num）表示多头数、D（Head-Dim）表示隐藏层最小的单元尺寸，且满足D=H/N。
  • realShiftOptional：如果Sq大于1024且每个batch的Sq与Skv等长且是sparseMode为0、2、3的下三角掩码场景，可使能alibi位置编码压缩，此时只需要输入原始PSE最后1024行，实现内存优化，即alibi_compress = ori_pse[:, :, -1024:, :]，具体如下：
    • 参数每个batch不相同时，shape为BNHSkv(H=1024)。
    • 每个batch相同时，shape为1NHSkv(H=1024)。
    • TND场景下，每个batch段内部仍按[N, Sq_i, Skv_i]生成，但存储与传参时统一flatten。若第i个batch段的真实query长度为Sq_i、真实key/value长度为Skv_i，则该段PSE元素个数为N * Sq_i * Skv_i，整段PSE总长度pseTotalLen为sum_i(N * Sq_i * Skv_i)。
    • 如果pseType为2或3的时候，数据类型需为FLOAT32, 对应shape支持范围是[B,N]或[N]。
    • 如果不使能该参数，realShiftOptional需要传入nullptr，pseType需要传入1。
  • innerPrecise：当前0、1为保留配置值，2为使能无效行计算，其功能是避免在计算过程中存在整行mask进而导致精度有损失，但是该配置会导致性能下降。 如果算子可判断出存在无效行场景，会自动使能无效行计算，例如sparseMode为3，Sq > Skv场景。
  • sparseMode的约束如下:
    • 当所有的attenMaskOptional的shape小于2048且相同的时候，建议使用default模式，来减少内存使用量。
    • 配置为1、2、3、6时，用户配置的preTokens、nextTokens不会生效。
    • 配置为0、4、7时，须保证attenMaskOptional与preTokens、nextTokens的范围一致。
    • 用户不特意指定时建议传入0。
    • sparse不同模式的详细说明请参见sparse模式说明。
    • 为1、2、3、4、6、7、8时，应传入对应正确的attenMaskOptional，否则将导致计算结果错误。当attenMaskOptional输入为None时，sparseMode、preTokens、nextTokens参数不生效，固定为全计算。
    • 配置为3时，不支持无效行计算，需要满足每个batch的Sq<=Skv。
    • 配置为7时，不支持可选输入realShiftOptional。
    • 配置为8时，当每个sequence的q、kv等长时支持可选输入realShiftOptional，针对全局做pse生成。支持q方向进行外切，需要外切前每个sequence的q、kv等长，外切后传入的actualSeqQLenOptional[0] - actualSeqKvLenOptional[0] + qStartIdxOptional - kvStartIdxOptional == 0（本功能属实验性功能）。
  • 部分场景下，如果计算量过大可能会导致算子执行超时（aicore error类型报错，errorStr为：timeout or trap error），此时建议做轴切分处理，注：这里的计算量会受B、S、N、D等参数的影响，值越大计算量越大。
  • prefixOptional稀疏计算场景即sparseMode=6，当Sq > Skv时，prefix的N值取值范围[0, Skv]，当Sq <= Skv时，prefix的N值取值范围[Skv-Sq, Skv]。
  • band场景，preTokens和nextTokens之间必须要有交集。
  • attenMaskOptional输入不支持补pad，即attenMaskOptional中不能存在某一行全1的场景。
  • actualSeqQLenOptional输入支持某个Batch上的S长度为0，此时不支持可选输入realShiftOptional，假设真实的S长度为[2,2,0,2,2]，则传入的actualSeqQLenOptional为[2,4,4,6,8]。
  • softmaxOutLayout支持传入：空字符串、"same_as_input"。

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 "acl/acl.h" #include "aclnnop/aclnn_flash_attention_score.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，资源初始化 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acl API手册 // 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 std::vector<int64_t> qShape = {256, 1, 128}; std::vector<int64_t> qRopeShape = {256, 1, 64}; std::vector<int64_t> kShape = {256, 1, 128}; std::vector<int64_t> kRopeShape = {256, 1, 64}; std::vector<int64_t> vShape = {256, 1, 128}; std::vector<int64_t> attenmaskShape = {256, 256}; std::vector<int64_t> sinkShape = {1}; std::vector<int64_t> attentionOutShape = {256, 1, 128}; std::vector<int64_t> softmaxMaxShape = {256, 1, 8}; std::vector<int64_t> softmaxSumShape = {256, 1, 8}; void* qDeviceAddr = nullptr; void* qRopeDeviceAddr = nullptr; void* kDeviceAddr = nullptr; void* kRopeDeviceAddr = nullptr; void* vDeviceAddr = nullptr; void* attenmaskDeviceAddr = nullptr; void* sinkDeviceAddr = nullptr; void* attentionOutDeviceAddr = nullptr; void* softmaxMaxDeviceAddr = nullptr; void* softmaxSumDeviceAddr = nullptr; aclTensor* q = nullptr; aclTensor* qRope = nullptr; aclTensor* k = nullptr; aclTensor* kRope = nullptr; aclTensor* v = nullptr; aclTensor* pse = nullptr; aclTensor* dropMask = nullptr; aclTensor* padding = nullptr; aclTensor* attenmask = nullptr; aclTensor* sink = nullptr; aclTensor* attentionOut = nullptr; aclTensor* softmaxMax = nullptr; aclTensor* softmaxSum = nullptr; aclTensor* softmaxOut = nullptr; std::vector<float> qHostData(32768, 1); std::vector<float> qRopeHostData(16384, 1); std::vector<float> kHostData(32768, 1); std::vector<float> kRopeHostData(16384, 1); std::vector<float> vHostData(32768, 1); std::vector<uint8_t> attenmaskHostData(65536, 0); std::vector<float> sinkHostData(1, 3.0); std::vector<float> attentionOutHostData(32768, 0); std::vector<float> softmaxMaxHostData(2048, 3.0); std::vector<float> softmaxSumHostData(2048, 3.0); ret = CreateAclTensor(qHostData, qShape, &qDeviceAddr, aclDataType::ACL_BF16, &q); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(qRopeHostData, qRopeShape, &qRopeDeviceAddr, aclDataType::ACL_BF16, &qRope); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(kHostData, kShape, &kDeviceAddr, aclDataType::ACL_BF16, &k); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(kRopeHostData, kRopeShape, &kRopeDeviceAddr, aclDataType::ACL_BF16, &kRope); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(vHostData, vShape, &vDeviceAddr, aclDataType::ACL_BF16, &v); 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(sinkHostData, sinkShape, &sinkDeviceAddr, aclDataType::ACL_FLOAT, &sink); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(attentionOutHostData, attentionOutShape, &attentionOutDeviceAddr, aclDataType::ACL_BF16, &attentionOut); 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); std::vector<int64_t> prefixOp = {0}; aclIntArray *prefix = aclCreateIntArray(prefixOp.data(), 1); std::vector<int64_t> qStartIdxOp = {0}; std::vector<int64_t> kvStartIdxOp = {0}; aclIntArray *qStartIdx = aclCreateIntArray(qStartIdxOp.data(), 1); aclIntArray *kvStartIdx = aclCreateIntArray(kvStartIdxOp.data(), 1); std::vector<int64_t> acSeqQLenOp = {256}; std::vector<int64_t> acSeqKvLenOp = {256}; aclIntArray* acSeqQLen = aclCreateIntArray(acSeqQLenOp.data(), acSeqQLenOp.size()); aclIntArray* acSeqKvLen = aclCreateIntArray(acSeqKvLenOp.data(), acSeqKvLenOp.size()); double scaleValue = 0.088388; double keepProb = 1; int64_t preTokens = 65536; int64_t nextTokens = 65536; int64_t headNum = 1; int64_t innerPrecise = 0; int64_t sparseMode = 0; int64_t pseType = 1; char layOut[5] = {'T', 'N', 'D', 0}; char softmaxOutLayout[] = "same_as_input"; // 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aclnnFlashAttentionVarLenScoreV5第一段接口 ret = aclnnFlashAttentionVarLenScoreV5GetWorkspaceSize( q, qRope, k, kRope, v, pse, dropMask, padding, attenmask, sink, prefix, acSeqQLen, acSeqKvLen, qStartIdx, kvStartIdx, scaleValue, keepProb, preTokens, nextTokens, headNum, layOut, innerPrecise, sparseMode, pseType, softmaxOutLayout, softmaxMax, softmaxSum, softmaxOut, attentionOut, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnFlashAttentionVarLenScoreV5GetWorkspaceSize 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aclnnFlashAttentionVarLenScoreV5第二段接口 ret = aclnnFlashAttentionVarLenScoreV5(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnFlashAttentionVarLenScoreV5 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(attentionOutShape, &attentionOutDeviceAddr); PrintOutResult(softmaxMaxShape, &softmaxMaxDeviceAddr); PrintOutResult(softmaxSumShape, &softmaxSumDeviceAddr); // 6. 释放aclTensor和aclScalar，需要根据具体API的接口定义修改 aclDestroyTensor(q); aclDestroyTensor(qRope); aclDestroyTensor(k); aclDestroyTensor(kRope); aclDestroyTensor(v); aclDestroyTensor(attenmask); aclDestroyTensor(sink); aclDestroyTensor(attentionOut); aclDestroyTensor(softmaxMax); aclDestroyTensor(softmaxSum); // 7. 释放device资源 aclrtFree(qDeviceAddr); aclrtFree(qRopeDeviceAddr); aclrtFree(kDeviceAddr); aclrtFree(kRopeDeviceAddr); aclrtFree(vDeviceAddr); aclrtFree(attenmaskDeviceAddr); aclrtFree(sinkDeviceAddr); aclrtFree(attentionOutDeviceAddr); aclrtFree(softmaxMaxDeviceAddr); aclrtFree(softmaxSumDeviceAddr); 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

http://www.jsqmd.com/news/786858/

相关文章：

  • CANN/ops-math 广播算子
  • 《龙虾OpenClaw系列：从嵌入式裸机到芯片级系统深度实战60课》039、原子操作与内存屏障：多核同步的硬件原语
  • MCPal：基于MCP协议为AI助手构建原生桌面通知系统
  • CANN运行时TDT通道容量示例
  • 基于Agent-as-a-Service架构的多智能体编排平台设计与实现
  • ARM指令集开发与SVC/SWP指令实战指南
  • AI+MrP：大语言模型与偏差校正融合的民意调查新范式
  • Godot双网格瓦片地图系统：实现逻辑与渲染分离的2D地图架构
  • CANN逆排列算子文档
  • Rust内存布局深度解析：从栈到堆的高效管理
  • 一文讲透 .NET 中的 `GetHashCode`：从一段错误的去重代码说起
  • Helm Charts 实战：从用户视角构建生产就绪的Kubernetes应用部署模板
  • 2026年比较好的纯氮气保护铝钎焊炉公司哪家好 - 行业平台推荐
  • AI Agent安全审计实战：开源工具Have I Been Clawned深度解析
  • 提示工程实战指南：从核心心法到工程化落地
  • 为Claude Code编程助手配置稳定可靠的API后端服务
  • 基于Helm与Kubernetes的5G核心网云原生部署实践
  • ai应用开发中如何利用多模型能力提升系统鲁棒性
  • 为Cursor编辑器打造专属浅色主题：从色彩体系到实践应用
  • 2026年05月09日最热门的开源项目(Github)
  • ArkUI电商首页完整实战
  • CANN/ATVOSS块调度运行接口
  • 人与人的四种差别
  • 5分钟学会：无需越狱导出iOS微信聊天记录的终极方案
  • Hyprland高效截图工具链：集成hyprshot、swappy与pngquant的一键工作流
  • ARM GICv3虚拟化架构与ICH_LR寄存器解析
  • 从零搭建轻量级夜间构建系统：基于Docker与Cron的自动化实践
  • AI应用测试工程2026：如何系统化测试你的LLM应用
  • 基于Vue 3与Vite的快速后台管理框架：fast-soy-admin深度解析
  • 在Taotoken控制台中清晰追踪项目成本与各模型消耗明细