Ascend C简介

• Ascend C系列AI处理器适用于计算力需求较低的场景，如智能监控、边缘计算等。
• 提供多种精简模式和高性能模式，满足不同应用场景下的性能要求。
• 支持全场景覆盖，既可以部署在云端也可以部署在端侧。

CANN架构

• 上层应用层。包括深度学习框架、AI框架适配、创新算子及领域加速库和人工智能应用，负责开发和运行AI模型及应用。
• 中间计算架构层。由AscendCL异构计算语言、GE图引擎、Ascend C算子开发语言、AOL算子加速库、HCCL集合通信库和Runtime运行时组成，负责计算任务的分解、优化和执行。
• 底层硬件层。包括Driver驱动和Ascend AI处理器，负责硬件通信和高性能计算任务的实际执行。

昇腾AI加速卡

• 华为AI加速卡（NPU）通过PCIe接口连接到服务器上。服务器作为主机（Host），与AI加速卡（Device）进行数据传输和控制。
• AI加速卡内部包含多个AICORE计算核心，这些核心负责执行AI计算任务。每个AICORE相当于多核CPU中的一个核心，并共享全局内存（DDR内存）用于数据存储和处理。

AI Core内部计算架构抽象

• AI Core可以抽象成三个流，分别是：
  • 异步指令流：不同计算单元（Scalar、Vector、Cube、DMA）并行接收并执行指令。
  • 同步信号流：确保指令间依赖关系，按逻辑顺序执行，Scalar单元发同步信号。
  • 计算数据流：DMA搬运数据至Local Memory，各计算单元处理后再搬运回Global Memory。

AI Core内核计算

• AI core 支持标量、向量和矩阵运算
  • 标量计算是简单的逐个操作，如int z = x + y 。
  • 向量计算能同时处理多个数据，例如NPU一个核可以在一个周期内处理128 个FP16 加法。
  • 矩阵计算如C = A * B，NPU一个核能在一个周期内完成16x16x16的矩阵乘法。

SPMD

• Ascend C算子编程采用SPMD模式，将数据拆分并行处理。
• 多个AI Core共享相同指令代码，通过不同的block_idx 区分。
• 使用GetBlockIdx() 函数获取block_idx ，标识进程唯一性。

核函数

• 核函数（Kernel Function）是直接在设备侧执行的代码，负责实现算子的所有功能。Ascend C和CUDA的核函数定义类似，使用__global__关键字，并通过参数列表和函数名进行调用。
  
• 使用变量类型限定符__gm__ uint8_t*来统一指针参数类型，方便管理设备侧的内存访问。规则建议包括核函数必须有void 返回类型，仅支持指针类型或内置数据类型作为参数。

编程API

• 3级API：支持运算符重载，实现简单计算表达，如dst = src1 + src2。
• 2级API：用于一维连续计算，指定操作数和计数，如Add(dst, src1, src2, count)。
• 1级API：处理多维数据的切片计算，选择特定部分进行运算。
• 0级API：功能丰富，充分利用硬件优势，支持复杂操作参数，如Add(dst, src1, src2, repeatTimes, repeatParams)。

编程范式

• 流水任务指单核处理程序中并行调度的任务，提升数据处理性能。
• 流水任务分为Stage1、Stage2、Stage3，每个任务专注于完成特定功能。
• 数据被切分成片，使用Progress1~n表示，每个任务依次处理数据片。
• Stage间有依赖关系，例如Stage1处理完Progress1后，Stage2才开始处理。

矩阵编程

矩阵乘法

• 矩阵A（M×K）与矩阵B（K×N）相乘，得到一个中间结果矩阵（M×N）。然后，将一个偏置向量（bias，1×N）加到中间结果矩阵的每一行上，形成最终的输出矩阵C（M×N）

数据分块

• 多核数据按照以下方式进行切分：
  • 对于A矩阵，沿着M轴进行切分，切分成多份的singleCoreM，单核上处理K大小的数据。
  • 对于B矩阵，沿着N轴进行切分，切分成多份的singleCoreN，单核上处理M大小的数据。
  • 于C矩阵，由A的部分和B的部分相乘得到，单核上输出C矩阵大小为singleCoreM * singleCoreN。
    
• 核内切分按照下面方式进行：
  • 对于A矩阵，沿M轴进行切分，切分成多份的baseM；沿K轴进行切分，切分成多份的baseK。
  • 对于B矩阵，沿N轴进行切分，切分成多份的baseN；沿K轴进行切分，切分成多份的baseK。
  • 对于C矩阵，由A和B的分块相乘并累加，得到C矩阵中对应位置的baseM * baseN大小的分块