| query(aclTensor) |
输入 |
attention结构的Query输入。 |
不支持空tensor。 |
FLOAT16、BFLOAT16 |
ND |
- layout_query为BSND时,shape为(B,S1,N1,D)。
- layout_query为TND时,shape为(T1,N1,D)。
|
x |
| key(aclTensor) |
输入 |
attention结构的Key输入 |
- 不支持空tensor。
- block_num为PageAttention时block总数。
|
FLOAT16、BFLOAT16 |
ND |
- layout_kv为PA_BSND时,shape为(block_num, block_size, KV_N, D)。
- layout_kv为BSND时,shape为(B, S2, KV_N, D)。
- layout_kv为TND时,shape为(T2, KV_N, D)。
|
x |
| value(aclTensor) |
输入 |
attention结构的Value输入。 |
不支持空tensor。 |
FLOAT16、BFLOAT16 |
ND |
shape与key的shape一致。 |
x |
| sparseIndices(aclTensor) |
输入 |
离散取kvCache的索引。 |
- 不支持空tensor。
- sparse_size为一次离散选取的block数,需要保证每行有效值均在前半部分,无效值均在后半部分,且需要满足sparse_size大于0。
|
INT32 |
ND |
- layout_query为BSND时,shape为(B, Q_S, KV_N, sparse_size)。
- layout_query为TND时,shape为(Q_T, KV_N, sparse_size)。
|
x |
| blockTable(aclTensor) |
输入 |
表示PageAttention中kvCache存储使用的block映射表。 |
- 不支持空tensor。
- 第二维长度不小于所有batch中最大的S2对应的block数量,即S2_max / block_size向上取整。
|
INT32 |
ND |
shape支持(B,S2/block_size)。 |
x |
| actualSeqLengthsQuery(aclTensor) |
输入 |
表示不同Batch中query的有效token数。 |
- 不支持空tensor。
- 如果不指定seqlen可传入None,表示和query的shape的S长度相同。
- 该入参中每个Batch的有效token数不超过query中的维度S大小且不小于0。支持长度为B的一维tensor。
- layout_query为TND时,该入参必须传入,且以该入参元素的数量作为B值,该参数中每个元素的值表示当前batch与之前所有batch的token数总和。
|
INT32 |
ND |
(B,) |
x |
| actualSeqLengthsKv(aclTensor) |
输入 |
表示不同Batch中key和value的有效token数。 |
- 不支持空tensor。
- 如果不指定seqlen可传入None,表示和key的shape的S长度相同。
- 该参数中每个Batch的有效token数不超过key/value中的维度S大小且不小于0。支持长度为B的一维tensor。
- 当layout_kv为TND或PA_BSND时,该入参必须传入。
- layout_kv为TND,该参数中每个元素的值表示当前batch与之前所有batch的token数总和,即前缀和,因此后一个元素的值必须大于等于前一个元素的值。
|
INT32 |
ND |
(B,) |
x |
| queryRope(aclTensor) |
输入 |
表示MLA结构中的query的rope信息。 |
不支持空tensor。 |
FLOAT16、BFLOAT16 |
ND |
- layout_query为TND时,shape为(B,S1,N1,Dr)。
- layout_query为BSND时,shape为(T1,N1,Dr)。
|
x |
| keyRope(aclTensor) |
输入 |
表示MLA结构中的key的rope信息。 |
不支持空tensor。 |
FLOAT16、BFLOAT16 |
ND |
- layout_kv为TND时,shape为(B,S1,N1,Dr)。
- layout_kv为BSND时,shape为(T1,N1,Dr)。
- layout_kv为PA_BSND时,shape为(block_num,block_size,N2,Dr)。
|
x |
| scaleValue(double) |
输入 |
代表缩放系数。 |
- |
FLOAT16 |
- |
- |
- |
| sparseBlockSize(int64_t) |
输入 |
代表sparse阶段的block大小。 |
- sparse_block_size为1时,为Token-wise稀疏化场景,将每个token视为独立单元,在计算重要性分数时,评估每个查询token与每个键值token之间的独立关联程度。
- sparse_block_size为大于1小于等于128时,为Block-wise稀疏化场景,将token序列划分为固定大小的连续块,以块为单位进行重要性评估,块内token共享相同的稀疏化决策。
|
INT64 |
- |
- |
- |
| layoutQuery(char) |
输入 |
标识输入query的数据排布格式。 |
- 用户不特意指定时可传入默认值"BSND"。
- 支持传入BSND和TND。
|
STRING |
- |
- |
- |
| layoutKv(char) |
输入 |
标识输入key的数据排布格式。 |
- 用户不特意指定时可传入默认值"BSND"。
- 支持传入TND、BSND和PA_BSND,其中PA_BSND在使能PageAttention时使用。
|
STRING |
- |
- |
- |
| sparseMode(int64_t) |
输入 |
表示sparse的模式。 |
- sparse_mode为0时,代表全部计算。
- sparse_mode为3时,代表rightDownCausal模式的mask,对应以右下顶点往左上为划分线的下三角场景。
|
INT64 |
- |
- |
- |
| preTokens(int64_t) |
输入 |
用于稀疏计算,表示attention需要和前几个Token计算关联。 |
仅支持默认值2^63-1。 |
INT64 |
- |
- |
- |
| nextTokens(int64_t) |
输入 |
用于稀疏计算,表示attention需要和后几个Token计算关联。 |
仅支持默认值2^63-1。 |
INT64 |
- |
- |
- |
| attentionMode(int64_t) |
输入 |
- |
仅支持传入2,表示MLA-absorb模式。 |
INT64 |
- |
- |
- |
| returnSoftmaxLse(bool) |
输入 |
用于表示是否返回softmax_max和softmax_sum。 |
- True表示返回,False表示不返回;默认值为False。
- 该参数仅在训练且layout_kv不为PA_BSND场景支持。
|
BOOL |
- |
- |
- |
| attentionOut(aclTensor) |
输出 |
公式中的输出。 |
不支持空tensor。 |
FLOAT16、BFLOAT16 |
ND |
- layout_query为BSND时,shape为(B,S1,N1,D)。
- layout_query为TND时shape为(T1,N1,D)。
|
x |
| softmaxMaxOut(aclTensor) |
输出 |
Attention算法对query乘key的结果,取max得到softmax_max。 |
不支持空tensor。 |
FLOAT |
ND |
- layout_query为BSND时,shape为(B,N2,S1,N1/N2)。
- layout_query为TND时shape为(N2,T1,N1/N2)。
|
x |
| softmaxSumOut(aclTensor) |
输出 |
Attention算法query乘key的结果减去softmax_max, 再取exp,接着求sum,得到softmax_sum。 |
不支持空tensor。 |
FLOAT |
ND |
- layout_query为BSND时,shape为(B,N2,S1,N1/N2)。
- layout_query为TND时shape为(N2,T1,N1/N2)。
|
x |
| workspaceSize(uint64_t*) |
输出 |
返回需要在Device侧申请的workspace大小。 |
- |
- |
- |
- |
- |
| executor(aclOpExecutor) |
输出 |
返回op执行器,包含了算子计算流程。 |
- |
- |
- |
- |
- |