CANN SiP 单精度三角矩阵乘法算子 asdBlasStrmm 完整使用指南【免费下载链接】sip本项目是CANN提供的一款高效、可靠的高性能信号处理算子加速库基于华为Ascend AI处理器专门为信号处理领域而设计。项目地址: https://gitcode.com/cann/sip导读本文面向在华为 Ascend AI 处理器上使用 CANN SiP 高性能信号处理算子加速库的开发者系统讲解 BLAS 模块中单精度三角矩阵乘法算子asdBlasStrmm的功能语义、产品支持范围、函数原型、参数约束与完整调用流程。读完本文你将能够正确初始化 Strmm 算子句柄plan、构造合法的输入aclTensor、配置side/uplo/trans/diag等控制参数并在自己项目中复现可运行的最小化示例代码同时理解该算子在仓库源码core/blas/strmm.cpp中的参数校验与底层执行链。产品支持情况asdBlasStrmm及其配套的asdBlasMakeStrmmPlan接口在以下产品系列上的支持情况由官方文档明确如下产品系列支持情况Atlas A3 训练系列产品 / Atlas A3 推理系列产品支持Atlas A2 训练系列产品 / Atlas A2 推理系列产品支持Ascend 950PR / Ascend 950DT不支持Atlas 200I/500 A2 推理产品不支持Atlas 推理系列产品不支持Atlas 训练系列产品不支持从上表可以看出当前该算子主要面向 A2 / A3 系列训练与推理产品开发者在其他产品型号上调用该接口前应先确认硬件环境避免运行时出现不支持的错误。功能说明与计算公式该接口包含两个配套函数asdBlasMakeStrmmPlan初始化 handle 对应的 Strmm 算子配置即创建并绑定 plan。asdBlasStrmm单精度三角矩阵乘法算子其功能是将一个三角矩阵 A 与一个一般矩阵 B 相乘得到新的矩阵 C。算子遵循如下计算公式op(A)表示对 A 施加trans指定的转置变换$$ c \begin{cases} alphaop(A)B \text{if } side ASDBLAS_SIDE_LEFT \ alphaBop(A) \text{if } side ASDBLAS_SIDE_RIGHT \end{cases} $$即当side ASDBLAS_SIDE_LEFT时三角矩阵 A 位于乘法左侧当side ASDBLAS_SIDE_RIGHT时 A 位于乘法右侧。计算示例文档给出的 2 阶示例用于直观验证计算结果输入A为uploL取矩阵下三角部分[ [ 1, 0 ], [ 3, 4 ] ]输入B为[ [ 1, 2 ], [ 3, 4 ] ]配置参数side L左乘、uplo L下三角、trans N不转置、diag N对角线不假定为 1、n 2、lda 2、ldb 2、ldc 2、alpha 2.345。调用asdBlasStrmm后输出C为[ [ 2.3450, 4.6900 ], [ 35.1750, 51.5900 ] ]可以自行验算由于uploL且diagN参与乘法的是完整下三角矩阵 AC alpha * A * B其中alpha 2.345第一行结果为[1, 0] × B × 2.345 [2.345, 4.690]第二行结果为[3, 4] × B × 2.345 [35.175, 51.590]与示例输出一致。函数原型两个接口的声明位于 include/blas_api.hasdBlasStrmm与asdBlasMakeStrmmPlan分别在第 73 行与第 178-180 行声明AspbStatus asdBlasMakeStrmmPlan( asdBlasHandle handle)AspbStatus asdBlasStrmm( asdBlasHandle handle, asdBlasSideMode_t side, asdBlasFillMode_t uplo, asdBlasOperation_t trans, asdBlasDiagType_t diag, const int64_t m, const int64_t n, const float alpha, aclTensor * A, const int64_t lda, aclTensor * B, const int64_t ldb, aclTensor * C, const int64_t ldc)其中asdBlasHandle在 include/blas_api.h 中定义为void *类型的句柄四个枚举类型也定义在同一头文件中asdBlasSideMode_tASDBLAS_SIDE_LEFT 0、ASDBLAS_SIDE_RIGHTasdBlasOperation_tASDBLAS_OP_N 0、ASDBLAS_OP_T、ASDBLAS_OP_CasdBlasFillMode_tASDBLAS_FILL_MODE_LOWER 0、ASDBLAS_FILL_MODE_UPPER、ASDBLAS_FILL_MODE_FULLasdBlasDiagType_tASDBLAS_DIAG_NON_UNIT 0、ASDBLAS_DIAG_UNIT。asdBlasMakeStrmmPlan参数说明参数名输入/输出描述handleasdBlasHandle输入算子的句柄返回值返回状态码具体参见 SiP返回码。源码视角plan 的创建与绑定从源码实现看core/blas/strmm.cpp 中asdBlasMakeStrmmPlan做了三件关键事情校验handle非空且尚未绑定过 plan——注释明确指出handle 只能初始化一次若对已绑定的 handle 重复初始化会返回ACL_ERROR_INVALID_PARAM防止静默失败导致悬垂引用问题通过new AsdSip::BlasStrmmPlan()创建 plan 实例并注册到BlasPlanCache中异常时兜底释放资源并抛出std::runtime_error成功则调用plan-MarkInitialized()标记初始化完成。BlasStrmmPlan本身是BlasPlan的子类定义与析构位于 core/blas/blasplan/BlasStrmmPlan.cpp析构时调用BlasPlan::DestroyPlanData()释放资源。asdBlasStrmm参数说明参数名输入/输出描述handleasdBlasHandle输入算子的句柄sideasdBlasSideMode_t输入指定矩阵 A 是乘法左侧还是右侧。ASDBLAS_SIDE_LEFT左侧ASDBLAS_SIDE_RIGHT右侧uploasdBlasFillMode_t输入指定矩阵 A 的存储格式。ASDBLAS_FILL_MODE_LOWER下三角ASDBLAS_FILL_MODE_UPPER上三角diagasdBlasDiagType_t输入指定是否假定矩阵 A 的对角线元素为 1。ASDBLAS_DIAG_NON_UNIT不假定为 1ASDBLAS_DIAG_UNIT假定为 1transasdBlasOperation_t输入指定是否对矩阵 A 进行转置。ASDBLAS_OP_N不转置ASDBLAS_OP_T转置mint64_t输入矩阵 B 和 C 的行数。nint64_t输入矩阵 B 和 C 的列数。alphafloat 输入公式中的 alpha用于计算矩阵乘法的系数。AaclTensor *输入对应公式中的 A。数据类型支持 FLOAT32。数据格式支持 ND。当 A 为乘法左矩阵时shape 为 [mm]当 A 为乘法右矩阵时shape 为 [nn]ldaint64_t输入表示张量 A 中元素的间隔当前约束为 m/n当 sideASDBLAS_SIDE_LEFT 时为 msideASDBLAS_SIDE_RIGHT 时为 n。BaclTensor *输入对应公式中的 B。数据类型支持 FLOAT32。数据格式支持 ND。shape 为 [mn]ldbint64_t输入表示张量 B 中元素的间隔当前约束为 m。CaclTensor *输出对应公式中的 C。数据类型支持 FLOAT32。数据格式支持 ND。shape 为 [mn]ldcint64_t输入表示张量 C 中元素的间隔当前约束为 m。返回值返回状态码具体参见 SiP返回码。源码视角参数校验与执行链core/blas/strmm.cpp 中asdBlasStrmm的执行流程分为以下阶段理解这些校验有助于排查调用错误plan 存在性校验通过BlasPlanCache::doesPlanExist(handle)确认句柄已绑定 plan未绑定会返回ACL_ERROR_INTERNAL_ERROR。这提醒开发者必须先调用asdBlasMakeStrmmPlan再执行计算。数据类型校验StrmmDtypeCheck使用SIP_OP_CHECK_DTYPE_NOT_MATCH逐一检查 A、B、C 的数据类型必须为aclDataType::ACL_FLOATFLOAT32否则返回ACL_ERROR_UNSUPPORTED_DATA_TYPE。shape 校验StrmmShapeCheck首先约束m、n均为大于 0 且不超过 2^32 的值然后按 side 方向校验 A 的元素个数左侧为m*m右侧为n*n、B 的元素个数为m*n、C 的元素个数为m*n不匹配返回ACL_ERROR_OP_INPUT_NOT_MATCH。diag 校验当前实现要求diag ASDBLAS_DIAG_NON_UNIT传入ASDBLAS_DIAG_UNIT会返回ACL_ERROR_INVALID_PARAM即当前版本不支持对角线假定为 1的快捷路径。ld 参数当lda、ldb、ldc不大于 0 时仅打印 INFO 日志不做硬性报错。参数归一化与算子上送将枚举转换为整数标志sideInt/uploInt其中ASDBLAS_OP_C会被归一化为ASDBLAS_OP_T实矩阵共轭转置等价于转置随后按side×uplo的四种组合推导realM/realN/realK、transLeft/transRight与lessFlagcase 1/2/3构造OpDescopName 为StrmmOperation最终调用RunAsdOpsV2在绑定 stream 上执行。算子的具体分发由 ops/blas/strmm/strmm_operation.cpp 中的StrmmOperation完成GetBestKernel返回名为StrmmF32Kernel的 kernel输入张量数量为 2、输出张量数量为 1。kernel 注册与 dtype 支持定义在 ops/blas/strmm/strmm/strmm_kernel.cppStrmmF32Kernel::CanSupport明确要求两个输入张量的 dtype 均为TENSOR_DTYPE_FLOATtiling 阶段由 ops/blas/strmm/strmm/tiling/strmm_tiling.cpp 完成会获取 Cube Core 数量并据此设置 blockDim缺省为 1同时申请 1 KB scratch 空间实际执行体为 ops/blas/strmm/strmm/kernel/strmm.cce包含load_matrix_zN/load_matrix_zZ等针对 ND→NZ 格式的搬运函数与混合 AIC 计算逻辑。参数结构体定义可参见 ops/include/params/strmm.hOpParam::Strmm与 ops/blas/strmm/strmm/tiling/strmm_tiling_data.hStrmmTilingData。约束说明使用该算子时需注意以下约束输入的元素个数 m、n 当前覆盖支持范围 [1, 8193]。当side ASDBLAS_SIDE_LEFT时算子输入 shape 为 [m, m]、[m, n]输出 shape 为 [m, n]。当side ASDBLAS_SIDE_RIGHT时算子输入 shape 为 [n, n]、[m, n]输出 shape 为 [m, n]。算子实际计算时不支持 ND 高维度运算不支持维度 ≥ 3 的运算。结合上文源码可知m、n 的范围同时受StrmmShapeCheck中m 0 m UINT32_MAX与 tiling 阶段 uint32 参数承载能力的约束实际支持上界以文档声明的 8193 为准此外当前实现要求diag ASDBLAS_DIAG_NON_UNIT。调用示例下面给出完整可编译的最小化示例。该样例旨在提供快速上手、开发和调试算子的最小化实现其核心目标是使用最精简的代码展示算子的核心功能而非提供生产级的安全保障。不推荐直接将示例代码作为业务代码若将示例代码应用在真实业务场景中且发生安全问题需自行承担。该示例与仓库中的 example/A2/BLAS/strmm/example_strmm.cpp 保持一致并额外增加了asdBlasGetWorkspaceSize的查询与结果回拷打印#include iostream #include vector #include asdsip.h #include acl/acl.h #include acl_meta.h using namespace AsdSip; #define ASD_STATUS_CHECK(err) \ do { \ AsdSip::AspbStatus err_ (err); \ if (err_ ! AsdSip::ErrorType::ACL_SUCCESS) { \ std::cout Execute failed. std::endl; \ exit(-1); \ } \ } while (0) #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::vectorint64_t shape) { int64_t shapeSize 1; for (auto i : shape) { shapeSize * i; } return shapeSize; } int Init(int32_t deviceId, aclrtStream *stream) { // 固定写法acl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::vectorT hostData, const std::vectorint64_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侧数据复制到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::vectorint64_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(int argc, char **argv) { int 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); asdBlasSideMode_t side asdBlasSideMode_t::ASDBLAS_SIDE_LEFT; asdBlasFillMode_t uplo asdBlasFillMode_t::ASDBLAS_FILL_MODE_LOWER; asdBlasOperation_t trans asdBlasOperation_t::ASDBLAS_OP_N; asdBlasDiagType_t diag asdBlasDiagType_t::ASDBLAS_DIAG_NON_UNIT; const int64_t m 5; const int64_t n 5; float alpha 1.0; int64_t lda m; int64_t ldb m; int64_t ldc m; const int64_t tensorASize m * m; std::vectorfloat tensorInAData(tensorASize, 0.0); for (int64_t i 0; i m; i) { for (int64_t j 0; j m; j) { tensorInAData[m * i j] i; } } const int64_t tensorBSize m * n; std::vectorfloat tensorInBData(tensorBSize, 0.0); for (int64_t i 0; i m; i) { for (int64_t j 0; j n; j) { tensorInBData[n * i j] i; } } const int64_t tensorCSize m * n; std::vectorfloat tensorCData(tensorCSize, 0.0); std::cout side static_castint32_t(side) std::endl; std::cout uplo static_castint32_t(uplo) std::endl; std::cout trans static_castint32_t(trans) std::endl; std::cout diag static_castint32_t(diag) std::endl; std::cout ------- input A ------- std::endl; for (int64_t i 0; i m; i) { for (int64_t j 0; j m; j) std::cout tensorInAData[i * m j] ; std::cout std::endl; } std::cout ------- input B ------- std::endl; for (int64_t i 0; i m; i) { for (int64_t j 0; j n; j) std::cout tensorInBData[i * n j] ; std::cout std::endl; } std::vectorint64_t aShape {tensorASize}; std::vectorint64_t bShape {tensorBSize}; std::vectorint64_t cShape {tensorCSize}; aclTensor *inputA nullptr; aclTensor *inputB nullptr; aclTensor *outputC nullptr; void *inputADeviceAddr nullptr; void *inputBDeviceAddr nullptr; void *outputCDeviceAddr nullptr; ret CreateAclTensor(tensorInAData, aShape, inputADeviceAddr, aclDataType::ACL_FLOAT, inputA); CHECK_RET(ret ::ACL_SUCCESS, return ret); ret CreateAclTensor(tensorInBData, bShape, inputBDeviceAddr, aclDataType::ACL_FLOAT, inputB); CHECK_RET(ret ::ACL_SUCCESS, return ret); ret CreateAclTensor(tensorCData, cShape, outputCDeviceAddr, aclDataType::ACL_FLOAT, outputC); CHECK_RET(ret ::ACL_SUCCESS, return ret); asdBlasHandle handle; asdBlasCreate(handle); size_t lwork 0; void *buffer nullptr; asdBlasMakeStrmmPlan(handle); asdBlasGetWorkspaceSize(handle, lwork); std::cout lwork lwork std::endl; if (lwork 0) { ret aclrtMalloc(buffer, static_castint64_t(lwork), ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ::ACL_SUCCESS, LOG_PRINT(allocate workspace failed. ERROR: %d\n, ret); return ret); } asdBlasSetWorkspace(handle, buffer); asdBlasSetStream(handle, stream); ASD_STATUS_CHECK( asdBlasStrmm(handle, side, uplo, trans, diag, m, n, alpha, inputA, lda, inputB, ldb, outputC, ldc)); asdBlasSynchronize(handle); asdBlasDestroy(handle); ret aclrtMemcpy(tensorCData.data(), tensorCSize * sizeof(float), outputCDeviceAddr, tensorCSize * sizeof(float), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret ::ACL_SUCCESS, LOG_PRINT(copy result from device to host failed. ERROR: %d\n, ret); return ret); std::cout ------- output C ------- std::endl; for (int64_t i 0; i m; i) { for (int64_t j 0; j n; j) { std::cout tensorCData[i * n j] ; } std::cout std::endl; } std::cout Execute successfully. std::endl; aclDestroyTensor(inputA); aclDestroyTensor(inputB); aclDestroyTensor(outputC); aclrtFree(inputADeviceAddr); aclrtFree(inputBDeviceAddr); aclrtFree(outputCDeviceAddr); aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }示例关键流程拆解示例代码完整覆盖了 SiP BLAS 算子的标准调用范式该范式同样适用于库内其他 BLAS 算子详见 BLAS公共接口ACL 环境初始化aclInit→aclrtSetDevice→aclrtCreateStream建立设备上下文与计算流数据准备与张量创建aclrtMalloc申请 device 内存、aclrtMemcpy搬入数据aclCreateTensor以ACL_FORMAT_ND格式创建 A、B、C 三个aclTensor注意示例中按一维 shape 创建m、n 的实际矩阵语义由调用参数与 lda/ldb/ldc 决定句柄生命周期管理asdBlasCreate创建句柄 →asdBlasMakeStrmmPlan绑定 Strmm plan →asdBlasGetWorkspaceSize查询 workspace 大小 → 若lwork 0则aclrtMalloc分配后asdBlasSetWorkspace注入 →asdBlasSetStream绑定计算流执行与同步调用asdBlasStrmm完成计算asdBlasSynchronize保证执行完成后再回拷结果资源释放asdBlasDestroy销毁 plan 与句柄随后按逆序释放aclTensor、device 内存、stream 并aclrtResetDevice、aclFinalize。示例中 m、n 均为 5、alpha 1.0、side LEFT、uplo LOWER、trans N、diag NON_UNIT、lda ldb ldc m均在 [1, 8193] 约束范围内且满足当前实现要求的diag ASDBLAS_DIAG_NON_UNIT限制可直接编译运行验证输出。小结asdBlasStrmm是 CANN SiP BLAS 模块中面向 A2/A3 系列产品的单精度三角矩阵乘法算子通过side/uplo/trans/diag四个控制参数即可覆盖三角矩阵左右乘、上下三角、转置与对角假设等 BLAS 标准语义。使用时需要遵循创建句柄 → MakePlan 绑定 → 查询并设置 workspace → 绑定 stream → 执行 → 销毁的完整调用链并注意 dtypeFLOAT32、shape按 side 方向为方阵 A、m/n 范围 [1, 8193]、diag NON_UNIT以及不支持高维 ND 输入等约束。结合 core/blas/strmm.cpp、ops/blas/strmm/strmm_operation.cpp 与 ops/blas/strmm/strmm/kernel/strmm.cce 的源码可以清晰看到从 API 层参数校验、plan 缓存、算子上送到 Cube 核 tiling 执行的完整链路。【免费下载链接】sip本项目是CANN提供的一款高效、可靠的高性能信号处理算子加速库基于华为Ascend AI处理器专门为信号处理领域而设计。项目地址: https://gitcode.com/cann/sip创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
CANN SiP 单精度三角矩阵乘法算子 asdBlasStrmm 完整使用指南
CANN SiP 单精度三角矩阵乘法算子 asdBlasStrmm 完整使用指南【免费下载链接】sip本项目是CANN提供的一款高效、可靠的高性能信号处理算子加速库基于华为Ascend AI处理器专门为信号处理领域而设计。项目地址: https://gitcode.com/cann/sip导读本文面向在华为 Ascend AI 处理器上使用 CANN SiP 高性能信号处理算子加速库的开发者系统讲解 BLAS 模块中单精度三角矩阵乘法算子asdBlasStrmm的功能语义、产品支持范围、函数原型、参数约束与完整调用流程。读完本文你将能够正确初始化 Strmm 算子句柄plan、构造合法的输入aclTensor、配置side/uplo/trans/diag等控制参数并在自己项目中复现可运行的最小化示例代码同时理解该算子在仓库源码core/blas/strmm.cpp中的参数校验与底层执行链。产品支持情况asdBlasStrmm及其配套的asdBlasMakeStrmmPlan接口在以下产品系列上的支持情况由官方文档明确如下产品系列支持情况Atlas A3 训练系列产品 / Atlas A3 推理系列产品支持Atlas A2 训练系列产品 / Atlas A2 推理系列产品支持Ascend 950PR / Ascend 950DT不支持Atlas 200I/500 A2 推理产品不支持Atlas 推理系列产品不支持Atlas 训练系列产品不支持从上表可以看出当前该算子主要面向 A2 / A3 系列训练与推理产品开发者在其他产品型号上调用该接口前应先确认硬件环境避免运行时出现不支持的错误。功能说明与计算公式该接口包含两个配套函数asdBlasMakeStrmmPlan初始化 handle 对应的 Strmm 算子配置即创建并绑定 plan。asdBlasStrmm单精度三角矩阵乘法算子其功能是将一个三角矩阵 A 与一个一般矩阵 B 相乘得到新的矩阵 C。算子遵循如下计算公式op(A)表示对 A 施加trans指定的转置变换$$ c \begin{cases} alphaop(A)B \text{if } side ASDBLAS_SIDE_LEFT \ alphaBop(A) \text{if } side ASDBLAS_SIDE_RIGHT \end{cases} $$即当side ASDBLAS_SIDE_LEFT时三角矩阵 A 位于乘法左侧当side ASDBLAS_SIDE_RIGHT时 A 位于乘法右侧。计算示例文档给出的 2 阶示例用于直观验证计算结果输入A为uploL取矩阵下三角部分[ [ 1, 0 ], [ 3, 4 ] ]输入B为[ [ 1, 2 ], [ 3, 4 ] ]配置参数side L左乘、uplo L下三角、trans N不转置、diag N对角线不假定为 1、n 2、lda 2、ldb 2、ldc 2、alpha 2.345。调用asdBlasStrmm后输出C为[ [ 2.3450, 4.6900 ], [ 35.1750, 51.5900 ] ]可以自行验算由于uploL且diagN参与乘法的是完整下三角矩阵 AC alpha * A * B其中alpha 2.345第一行结果为[1, 0] × B × 2.345 [2.345, 4.690]第二行结果为[3, 4] × B × 2.345 [35.175, 51.590]与示例输出一致。函数原型两个接口的声明位于 include/blas_api.hasdBlasStrmm与asdBlasMakeStrmmPlan分别在第 73 行与第 178-180 行声明AspbStatus asdBlasMakeStrmmPlan( asdBlasHandle handle)AspbStatus asdBlasStrmm( asdBlasHandle handle, asdBlasSideMode_t side, asdBlasFillMode_t uplo, asdBlasOperation_t trans, asdBlasDiagType_t diag, const int64_t m, const int64_t n, const float alpha, aclTensor * A, const int64_t lda, aclTensor * B, const int64_t ldb, aclTensor * C, const int64_t ldc)其中asdBlasHandle在 include/blas_api.h 中定义为void *类型的句柄四个枚举类型也定义在同一头文件中asdBlasSideMode_tASDBLAS_SIDE_LEFT 0、ASDBLAS_SIDE_RIGHTasdBlasOperation_tASDBLAS_OP_N 0、ASDBLAS_OP_T、ASDBLAS_OP_CasdBlasFillMode_tASDBLAS_FILL_MODE_LOWER 0、ASDBLAS_FILL_MODE_UPPER、ASDBLAS_FILL_MODE_FULLasdBlasDiagType_tASDBLAS_DIAG_NON_UNIT 0、ASDBLAS_DIAG_UNIT。asdBlasMakeStrmmPlan参数说明参数名输入/输出描述handleasdBlasHandle输入算子的句柄返回值返回状态码具体参见 SiP返回码。源码视角plan 的创建与绑定从源码实现看core/blas/strmm.cpp 中asdBlasMakeStrmmPlan做了三件关键事情校验handle非空且尚未绑定过 plan——注释明确指出handle 只能初始化一次若对已绑定的 handle 重复初始化会返回ACL_ERROR_INVALID_PARAM防止静默失败导致悬垂引用问题通过new AsdSip::BlasStrmmPlan()创建 plan 实例并注册到BlasPlanCache中异常时兜底释放资源并抛出std::runtime_error成功则调用plan-MarkInitialized()标记初始化完成。BlasStrmmPlan本身是BlasPlan的子类定义与析构位于 core/blas/blasplan/BlasStrmmPlan.cpp析构时调用BlasPlan::DestroyPlanData()释放资源。asdBlasStrmm参数说明参数名输入/输出描述handleasdBlasHandle输入算子的句柄sideasdBlasSideMode_t输入指定矩阵 A 是乘法左侧还是右侧。ASDBLAS_SIDE_LEFT左侧ASDBLAS_SIDE_RIGHT右侧uploasdBlasFillMode_t输入指定矩阵 A 的存储格式。ASDBLAS_FILL_MODE_LOWER下三角ASDBLAS_FILL_MODE_UPPER上三角diagasdBlasDiagType_t输入指定是否假定矩阵 A 的对角线元素为 1。ASDBLAS_DIAG_NON_UNIT不假定为 1ASDBLAS_DIAG_UNIT假定为 1transasdBlasOperation_t输入指定是否对矩阵 A 进行转置。ASDBLAS_OP_N不转置ASDBLAS_OP_T转置mint64_t输入矩阵 B 和 C 的行数。nint64_t输入矩阵 B 和 C 的列数。alphafloat 输入公式中的 alpha用于计算矩阵乘法的系数。AaclTensor *输入对应公式中的 A。数据类型支持 FLOAT32。数据格式支持 ND。当 A 为乘法左矩阵时shape 为 [mm]当 A 为乘法右矩阵时shape 为 [nn]ldaint64_t输入表示张量 A 中元素的间隔当前约束为 m/n当 sideASDBLAS_SIDE_LEFT 时为 msideASDBLAS_SIDE_RIGHT 时为 n。BaclTensor *输入对应公式中的 B。数据类型支持 FLOAT32。数据格式支持 ND。shape 为 [mn]ldbint64_t输入表示张量 B 中元素的间隔当前约束为 m。CaclTensor *输出对应公式中的 C。数据类型支持 FLOAT32。数据格式支持 ND。shape 为 [mn]ldcint64_t输入表示张量 C 中元素的间隔当前约束为 m。返回值返回状态码具体参见 SiP返回码。源码视角参数校验与执行链core/blas/strmm.cpp 中asdBlasStrmm的执行流程分为以下阶段理解这些校验有助于排查调用错误plan 存在性校验通过BlasPlanCache::doesPlanExist(handle)确认句柄已绑定 plan未绑定会返回ACL_ERROR_INTERNAL_ERROR。这提醒开发者必须先调用asdBlasMakeStrmmPlan再执行计算。数据类型校验StrmmDtypeCheck使用SIP_OP_CHECK_DTYPE_NOT_MATCH逐一检查 A、B、C 的数据类型必须为aclDataType::ACL_FLOATFLOAT32否则返回ACL_ERROR_UNSUPPORTED_DATA_TYPE。shape 校验StrmmShapeCheck首先约束m、n均为大于 0 且不超过 2^32 的值然后按 side 方向校验 A 的元素个数左侧为m*m右侧为n*n、B 的元素个数为m*n、C 的元素个数为m*n不匹配返回ACL_ERROR_OP_INPUT_NOT_MATCH。diag 校验当前实现要求diag ASDBLAS_DIAG_NON_UNIT传入ASDBLAS_DIAG_UNIT会返回ACL_ERROR_INVALID_PARAM即当前版本不支持对角线假定为 1的快捷路径。ld 参数当lda、ldb、ldc不大于 0 时仅打印 INFO 日志不做硬性报错。参数归一化与算子上送将枚举转换为整数标志sideInt/uploInt其中ASDBLAS_OP_C会被归一化为ASDBLAS_OP_T实矩阵共轭转置等价于转置随后按side×uplo的四种组合推导realM/realN/realK、transLeft/transRight与lessFlagcase 1/2/3构造OpDescopName 为StrmmOperation最终调用RunAsdOpsV2在绑定 stream 上执行。算子的具体分发由 ops/blas/strmm/strmm_operation.cpp 中的StrmmOperation完成GetBestKernel返回名为StrmmF32Kernel的 kernel输入张量数量为 2、输出张量数量为 1。kernel 注册与 dtype 支持定义在 ops/blas/strmm/strmm/strmm_kernel.cppStrmmF32Kernel::CanSupport明确要求两个输入张量的 dtype 均为TENSOR_DTYPE_FLOATtiling 阶段由 ops/blas/strmm/strmm/tiling/strmm_tiling.cpp 完成会获取 Cube Core 数量并据此设置 blockDim缺省为 1同时申请 1 KB scratch 空间实际执行体为 ops/blas/strmm/strmm/kernel/strmm.cce包含load_matrix_zN/load_matrix_zZ等针对 ND→NZ 格式的搬运函数与混合 AIC 计算逻辑。参数结构体定义可参见 ops/include/params/strmm.hOpParam::Strmm与 ops/blas/strmm/strmm/tiling/strmm_tiling_data.hStrmmTilingData。约束说明使用该算子时需注意以下约束输入的元素个数 m、n 当前覆盖支持范围 [1, 8193]。当side ASDBLAS_SIDE_LEFT时算子输入 shape 为 [m, m]、[m, n]输出 shape 为 [m, n]。当side ASDBLAS_SIDE_RIGHT时算子输入 shape 为 [n, n]、[m, n]输出 shape 为 [m, n]。算子实际计算时不支持 ND 高维度运算不支持维度 ≥ 3 的运算。结合上文源码可知m、n 的范围同时受StrmmShapeCheck中m 0 m UINT32_MAX与 tiling 阶段 uint32 参数承载能力的约束实际支持上界以文档声明的 8193 为准此外当前实现要求diag ASDBLAS_DIAG_NON_UNIT。调用示例下面给出完整可编译的最小化示例。该样例旨在提供快速上手、开发和调试算子的最小化实现其核心目标是使用最精简的代码展示算子的核心功能而非提供生产级的安全保障。不推荐直接将示例代码作为业务代码若将示例代码应用在真实业务场景中且发生安全问题需自行承担。该示例与仓库中的 example/A2/BLAS/strmm/example_strmm.cpp 保持一致并额外增加了asdBlasGetWorkspaceSize的查询与结果回拷打印#include iostream #include vector #include asdsip.h #include acl/acl.h #include acl_meta.h using namespace AsdSip; #define ASD_STATUS_CHECK(err) \ do { \ AsdSip::AspbStatus err_ (err); \ if (err_ ! AsdSip::ErrorType::ACL_SUCCESS) { \ std::cout Execute failed. std::endl; \ exit(-1); \ } \ } while (0) #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::vectorint64_t shape) { int64_t shapeSize 1; for (auto i : shape) { shapeSize * i; } return shapeSize; } int Init(int32_t deviceId, aclrtStream *stream) { // 固定写法acl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::vectorT hostData, const std::vectorint64_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侧数据复制到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::vectorint64_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(int argc, char **argv) { int 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); asdBlasSideMode_t side asdBlasSideMode_t::ASDBLAS_SIDE_LEFT; asdBlasFillMode_t uplo asdBlasFillMode_t::ASDBLAS_FILL_MODE_LOWER; asdBlasOperation_t trans asdBlasOperation_t::ASDBLAS_OP_N; asdBlasDiagType_t diag asdBlasDiagType_t::ASDBLAS_DIAG_NON_UNIT; const int64_t m 5; const int64_t n 5; float alpha 1.0; int64_t lda m; int64_t ldb m; int64_t ldc m; const int64_t tensorASize m * m; std::vectorfloat tensorInAData(tensorASize, 0.0); for (int64_t i 0; i m; i) { for (int64_t j 0; j m; j) { tensorInAData[m * i j] i; } } const int64_t tensorBSize m * n; std::vectorfloat tensorInBData(tensorBSize, 0.0); for (int64_t i 0; i m; i) { for (int64_t j 0; j n; j) { tensorInBData[n * i j] i; } } const int64_t tensorCSize m * n; std::vectorfloat tensorCData(tensorCSize, 0.0); std::cout side static_castint32_t(side) std::endl; std::cout uplo static_castint32_t(uplo) std::endl; std::cout trans static_castint32_t(trans) std::endl; std::cout diag static_castint32_t(diag) std::endl; std::cout ------- input A ------- std::endl; for (int64_t i 0; i m; i) { for (int64_t j 0; j m; j) std::cout tensorInAData[i * m j] ; std::cout std::endl; } std::cout ------- input B ------- std::endl; for (int64_t i 0; i m; i) { for (int64_t j 0; j n; j) std::cout tensorInBData[i * n j] ; std::cout std::endl; } std::vectorint64_t aShape {tensorASize}; std::vectorint64_t bShape {tensorBSize}; std::vectorint64_t cShape {tensorCSize}; aclTensor *inputA nullptr; aclTensor *inputB nullptr; aclTensor *outputC nullptr; void *inputADeviceAddr nullptr; void *inputBDeviceAddr nullptr; void *outputCDeviceAddr nullptr; ret CreateAclTensor(tensorInAData, aShape, inputADeviceAddr, aclDataType::ACL_FLOAT, inputA); CHECK_RET(ret ::ACL_SUCCESS, return ret); ret CreateAclTensor(tensorInBData, bShape, inputBDeviceAddr, aclDataType::ACL_FLOAT, inputB); CHECK_RET(ret ::ACL_SUCCESS, return ret); ret CreateAclTensor(tensorCData, cShape, outputCDeviceAddr, aclDataType::ACL_FLOAT, outputC); CHECK_RET(ret ::ACL_SUCCESS, return ret); asdBlasHandle handle; asdBlasCreate(handle); size_t lwork 0; void *buffer nullptr; asdBlasMakeStrmmPlan(handle); asdBlasGetWorkspaceSize(handle, lwork); std::cout lwork lwork std::endl; if (lwork 0) { ret aclrtMalloc(buffer, static_castint64_t(lwork), ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ::ACL_SUCCESS, LOG_PRINT(allocate workspace failed. ERROR: %d\n, ret); return ret); } asdBlasSetWorkspace(handle, buffer); asdBlasSetStream(handle, stream); ASD_STATUS_CHECK( asdBlasStrmm(handle, side, uplo, trans, diag, m, n, alpha, inputA, lda, inputB, ldb, outputC, ldc)); asdBlasSynchronize(handle); asdBlasDestroy(handle); ret aclrtMemcpy(tensorCData.data(), tensorCSize * sizeof(float), outputCDeviceAddr, tensorCSize * sizeof(float), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret ::ACL_SUCCESS, LOG_PRINT(copy result from device to host failed. ERROR: %d\n, ret); return ret); std::cout ------- output C ------- std::endl; for (int64_t i 0; i m; i) { for (int64_t j 0; j n; j) { std::cout tensorCData[i * n j] ; } std::cout std::endl; } std::cout Execute successfully. std::endl; aclDestroyTensor(inputA); aclDestroyTensor(inputB); aclDestroyTensor(outputC); aclrtFree(inputADeviceAddr); aclrtFree(inputBDeviceAddr); aclrtFree(outputCDeviceAddr); aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }示例关键流程拆解示例代码完整覆盖了 SiP BLAS 算子的标准调用范式该范式同样适用于库内其他 BLAS 算子详见 BLAS公共接口ACL 环境初始化aclInit→aclrtSetDevice→aclrtCreateStream建立设备上下文与计算流数据准备与张量创建aclrtMalloc申请 device 内存、aclrtMemcpy搬入数据aclCreateTensor以ACL_FORMAT_ND格式创建 A、B、C 三个aclTensor注意示例中按一维 shape 创建m、n 的实际矩阵语义由调用参数与 lda/ldb/ldc 决定句柄生命周期管理asdBlasCreate创建句柄 →asdBlasMakeStrmmPlan绑定 Strmm plan →asdBlasGetWorkspaceSize查询 workspace 大小 → 若lwork 0则aclrtMalloc分配后asdBlasSetWorkspace注入 →asdBlasSetStream绑定计算流执行与同步调用asdBlasStrmm完成计算asdBlasSynchronize保证执行完成后再回拷结果资源释放asdBlasDestroy销毁 plan 与句柄随后按逆序释放aclTensor、device 内存、stream 并aclrtResetDevice、aclFinalize。示例中 m、n 均为 5、alpha 1.0、side LEFT、uplo LOWER、trans N、diag NON_UNIT、lda ldb ldc m均在 [1, 8193] 约束范围内且满足当前实现要求的diag ASDBLAS_DIAG_NON_UNIT限制可直接编译运行验证输出。小结asdBlasStrmm是 CANN SiP BLAS 模块中面向 A2/A3 系列产品的单精度三角矩阵乘法算子通过side/uplo/trans/diag四个控制参数即可覆盖三角矩阵左右乘、上下三角、转置与对角假设等 BLAS 标准语义。使用时需要遵循创建句柄 → MakePlan 绑定 → 查询并设置 workspace → 绑定 stream → 执行 → 销毁的完整调用链并注意 dtypeFLOAT32、shape按 side 方向为方阵 A、m/n 范围 [1, 8193]、diag NON_UNIT以及不支持高维 ND 输入等约束。结合 core/blas/strmm.cpp、ops/blas/strmm/strmm_operation.cpp 与 ops/blas/strmm/strmm/kernel/strmm.cce 的源码可以清晰看到从 API 层参数校验、plan 缓存、算子上送到 Cube 核 tiling 执行的完整链路。【免费下载链接】sip本项目是CANN提供的一款高效、可靠的高性能信号处理算子加速库基于华为Ascend AI处理器专门为信号处理领域而设计。项目地址: https://gitcode.com/cann/sip创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考