修正：补充官方约束出处，澄清高阶API约束与底层unitFlag=2/3机制的两层区别，纠正K分段累加论断
This commit is contained in:
@@ -125,16 +125,22 @@ UnitFlag 把单个 base 块按 512B 切成若干 micro-tile，MMAD 每算完一
|
||||
|
||||
所以**在 UnitFlag 合法域内，DB 相对它没有独立价值，可以被取代**。你的直觉在这一层是对的。
|
||||
|
||||
### 3.2 从合法域看：UnitFlag 有硬约束，DB 是兜底
|
||||
### 3.2 从合法域看：UnitFlag 有约束，DB 是兜底
|
||||
|
||||
UnitFlag 的官方约束（缺一不可）：
|
||||
> **重要前提：UnitFlag 有两层官方文档，约束范围不同，必须分开看**
|
||||
> - **高阶 API 层**（`AscendC::Matmul` 对象 + `MatmulConfig.enUnitFlag`）：约束见《Matmul 高阶 API 开启 UnitFlag》；
|
||||
> - **基础 API 层**（`Mmad`/`Copy` 指令 + 指令参数 `unitFlag`）：机制与取值见《UnitFlag —— Mmad 计算关键特性说明》。
|
||||
>
|
||||
> mat_mul_v3 走**高阶 API**（`mm_.Iterate()` / `mm_.GetTensorC()`），所以高阶 API 层的约束对它直接生效；基础 API 层是底层硬件机制，用来理解约束的来由。两层的"能不能做 K 分段累加"答案**不一样**（详见 §3.4.1、§3.5）。
|
||||
|
||||
1. **模板限制**：仅 Norm / IBShare / MDL 三模板；
|
||||
2. **流水互斥**：使能后**不允许同时存在 CO1(L0C)→GM 与 A1(L1)→GM 两种搬出流水**；
|
||||
3. **累加限制**：使能 + L0C 累加时，**不支持多次 Iterate、一次 GetTensorC 输出**；
|
||||
4. **收益前提**：仅当 MMAD 与 Fixpipe 串行且未被 MTE2 等其他流水掩盖时才有收益。
|
||||
**高阶 API 层官方约束**（出处：昇腾官网 → CANN → 算子实践参考 → 优秀实践 → Matmul 性能调优案例 → 《Matmul 高阶 API 开启 UnitFlag》社区版 / 《Matmul 高阶 API 使能 UnitFlag》商用版，"约束条件"一节，逐字摘录）：
|
||||
|
||||
凡是落在这些约束之外的场景（最典型就是 §2.2 的**多分片 K 在 L0C 累加**），UnitFlag 直接不可用，**只能退回到 L0C DB** 做块间掩盖。
|
||||
1. **模板限制**：UnitFlag 功能仅支持 **Norm、IBShare、MDL** 三个模板。
|
||||
2. **流水互斥**：开启 UnitFlag 功能时，不支持算子内**同时存在 L0C Buffer（CO1）搬出到 Global Memory 和 L1 Buffer（A1）搬出到 Global Memory 的两种流水**。
|
||||
3. **累加限制**：开启 UnitFlag 功能时，若同时开启 **L0C 累加** 功能，不支持**多次 Iterate 计算、一次 GetTensorC 输出**。
|
||||
4. **收益前提**：仅当 MMAD 流水与 FIXPIPE 流水**串行执行且未被其他流水掩盖**（比如 MTE2 Bound）时，开启 UnitFlag 才有收益；否则收益很小。
|
||||
|
||||
这四条是官方文档明确写出的原文（第 2、3 条在 §3.4 逐条考据）。落在高阶 API 约束之外的场景，UnitFlag 不可用，**只能退回 L0C DB** 做块间掩盖。
|
||||
|
||||
### 3.3 从 mat_mul_v3 实际看：默认已开 UnitFlag，DB 是「补位」而非「主选」
|
||||
|
||||
@@ -149,47 +155,65 @@ UnitFlag 的官方约束（缺一不可）：
|
||||
|
||||
针对三条容易被误读的官方约束，逐一给出原文出处、准确含义、以及在 mat_mul_v3 / 950PR 上的实际适用性。
|
||||
|
||||
#### 3.4.1 「UnitFlag + L0C 累加时，不支持多次 Iterate 计算、一次 GetTensorC 输出」——具体是什么约束？
|
||||
#### 3.4.1 「UnitFlag + L0C 累加时，不支持多次 Iterate 计算、一次 GetTensorC 输出」——具体是什么约束？它与"K 分段累加"是什么关系？
|
||||
|
||||
**官方原文出处**（两处，措辞略异，商用版更完整）：
|
||||
**官方原文出处**（高阶 API 层，两处）：
|
||||
|
||||
- 昇腾社区官网 CANN 社区版 → 算子实践参考 → 优秀实践 → Matmul 性能调优案例 → **《Matmul 高阶 API 开启 UnitFlag》**，约束条件第 3 条：
|
||||
> 开启 UnitFlag 功能时，若同时开启 **L0C 累加** 功能，不支持**多次计算、一次输出**。
|
||||
> （注：该页面在线渲染时 "L0C 累加" 一词在部分版本缺失，仅显示"若同时开启功能"，以下方商用版为准。）
|
||||
- 昇腾社区官网 CANN 商用版 → 同名章节 **《Matmul 高阶 API 使能 UnitFlag》**，约束条件第 3 条（完整表述）：
|
||||
- 昇腾社区官网 CANN 商用版 → 同名章节 **《Matmul 高阶 API 使能 UnitFlag》**，约束条件第 3 条（表述更完整）：
|
||||
> 使能 UnitFlag 功能时，若同时使能 **L0C 累加功能**，不支持**多次 Iterate 计算、一次 GetTensorC 输出**。
|
||||
|
||||
**准确含义拆解**：这条约束针对的是 **「同一个 base 块，K 方向分多片，在 L0C 上驻留并多次累加，最后才一次性 GetTensorC 搬出」** 的编程形态。即：
|
||||
**这是"高阶 API（Iterate/GetTensorC）"层的约束，不是"基础 API（Mmad/Copy）"层的限制**——这是理解的关键，也是本节要澄清的核心误区。
|
||||
|
||||
```
|
||||
// 被禁止的形态：K 在 L0C 内分片累加，最后一次才搬出
|
||||
for (kSlice = 0; kSlice < kSliceNum; kSlice++) { // 多次 Iterate
|
||||
mm.Iterate(); // 每片 K 的部分结果累加进同一块 L0C（L0C 累加）
|
||||
**它约束的准确形态**：用**高阶 API** 编程时，同一个 base 块如果「`mm.Iterate()` 多次（K 分片在 L0C 驻留累加）、最后只 `mm.GetTensorC()` 一次（一次输出）」，且此时打开了 L0C 累加功能，那么高阶 API 内部的 UnitFlag 封装无法正确处理 → 不允许。即：
|
||||
|
||||
```cpp
|
||||
// 高阶 API 下被禁止的形态
|
||||
for (kSlice = 0; kSlice < kSliceNum; kSlice++) {
|
||||
mm.Iterate(); // 多次 Iterate，部分和在 L0C 驻留累加
|
||||
}
|
||||
mm.GetTensorC(c); // 只在最后一次性搬出（一次输出）
|
||||
mm.GetTensorC(c); // 只在最后一次搬出
|
||||
```
|
||||
|
||||
**为什么 UnitFlag 与这种形态冲突**：UnitFlag 的硬件机制是「MMAD 每产出 512B 成品，就立即触发 Fixpipe 把这段搬走」。但 L0C 累加形态下，前面若干次 Iterate 的结果是**部分和，还必须留在 L0C 里等后续 K 片继续累加**，不能被搬走。一旦开 UnitFlag，MMAD 算出 512B 就被 Fixpipe 立即搬出，L0C 里就保不住部分和、后续累加无从谈起——两者在"这 512B 到底是驻留还是立即搬走"上直接矛盾，故硬件/API 不允许叠加。
|
||||
**但是——底层基础 API（Mmad/Copy 指令）完全支持 K 分段累加，且能做出很好的流水掩盖。** 这是用户指出的关键点，官方《UnitFlag —— Mmad 计算关键特性说明》（基础 API/矩阵计算 Tensor API）有明确机制与实例，逐字核实如下：
|
||||
|
||||
**mat_mul_v3 是否踩这条约束？——不踩（常规路径）**。看 `mat_mul_asw_kernel.h:140-141`：
|
||||
**底层机制**：开启 UnitFlag 后，L0C Buffer 按 **512B 内存块**划分，每块配一个「单元标志位」（unit-flag），指示该块可读/可写。`Mmad`（写）与 `Copy`/`Fixpipe`（读）通过 `unitFlag` 参数控制：
|
||||
|
||||
| unitFlag 取值 | 语义（写=Mmad / 读=Fixpipe） |
|
||||
|---|---|
|
||||
| **2** | 指令执行后**不改变**标志位：写操作写完保持"占用"，让后续 Mmad 还能继续写这块（用于 K 累加的中间片）；读操作读完保持"可读"，让后续 Fixpipe 还能继续读 |
|
||||
| **3** | 指令执行后**翻转**标志位：Mmad 写完置"可读"（放给 Fixpipe 搬）；Fixpipe 读完置"可写"（放还给 Mmad） |
|
||||
|
||||
**官方 K 分段累加实例**（原文）：A=128×1024、B=1024×128，沿 K 轴迭代，每次迭代 K 长 128，共 8 次 Mmad 对应 1 次 Fixpipe：
|
||||
|
||||
- **前 7 次 Mmad 设 `unitFlag=2`**：写入后把标志位**始终保持 0**，保证后续 Mmad 能继续写入同一块 L0C Buffer（即在同一块 L0C 上做 K 累加）；
|
||||
- **最后 1 次 Mmad 设 `unitFlag=3`**：写入后把标志位置 1，保证 Fixpipe 可以读取 L0C Buffer；
|
||||
- **Fixpipe 设 `unitFlag=3`**：读取后把标志位置 0，保证后续 Mmad 接口可以顺利写入。
|
||||
|
||||
**结论修正**：所以"UnitFlag 支持 K 分段累加、最后一次搬出"在**基础 API 层是成立的、且是官方推荐用法**。用户描述的"以 16×K×16 为粒度，算完一段立即让 Fixpipe 搬出对应 16×16 到 GM、同时开始下一段 16×K×16 计算"的掩盖方式，正是 UnitFlag 在块内流水 + K 分段场景下的正确用法，**确实能有很好的掩盖**。
|
||||
|
||||
**它与高阶 API 约束的边界**：高阶 API 的 `mm.Iterate()` 一次调用内部会完成 `singleCoreK` 的全部 K 分片流水（L0C 原地累加是 MMAD 固有语义，这一步不受约束影响）；高阶约束禁的只是"**跨多次 `Iterate()`** 且最后才一次 `GetTensorC()`"这种由用户在**高阶层面**组织的驻留累加。换言之：
|
||||
- **底层 Mmad 级**：`unitFlag=2/3` 可自由编排 K 分段累加 → 支持；
|
||||
- **高阶 Iterate 级**：`Iterate` 内部 K 分片（一次 Iterate 完成）→ 支持；`Iterate` 多次 + 末次 `GetTensorC` → 不支持。
|
||||
|
||||
**mat_mul_v3 是否踩高阶约束？——不踩（常规路径）**。看 `mat_mul_asw_kernel.h:140-141`：
|
||||
|
||||
```cpp
|
||||
mm_.Iterate();
|
||||
mm_.GetTensorC(cGlobal_[...], enAtomic || kIndex != 0); // 每次 Iterate 紧跟一次 GetTensorC
|
||||
```
|
||||
|
||||
mat_mul_v3 的普通 ASWT 是 **「一次 Iterate → 一次 GetTensorC」一一配对**（即使在 splitKRound 循环里，也是 Iterate 与 GetTensorC 成对出现，用 `enAtomic || kIndex!=0` 在 GM 侧做原子加，而非在 L0C 里驻留累加）。它**不是**"多次 Iterate、一次 GetTensorC"，因此常规路径不触碰这条约束，UnitFlag 可用。
|
||||
|
||||
**真正会踩这条的场景**：把 split-K 的**核内**部分和放在 L0C 里驻留累加（L0C 累加），或 `intraBlockPartSum`（两 AIV 结果在 L0C 累加）这类显式 L0C 累加特性。StreamK 之所以要绕道 workspace 由 AIV 累加、而不是在 L0C 里累加，正是为了避开这条。
|
||||
mat_mul_v3 的普通 ASWT 是 **「一次 Iterate → 一次 GetTensorC」一一配对**（即便 splitKRound 循环里也是成对出现，用 `enAtomic || kIndex!=0` 在 GM 侧原子加，而非 L0C 驻留累加）。它不是"多次 Iterate、一次 GetTensorC"，因此常规路径不触碰高阶约束，UnitFlag 可用。真正会触碰的是 `intraBlockPartSum`（两 AIV 结果在 L0C 累加）这类显式 L0C 驻留累加特性——StreamK 绕道 workspace + AIV 累加正是为了避开它。
|
||||
|
||||
#### 3.4.2 一次 Iterate 最大支持的 K 是多少？
|
||||
|
||||
**先澄清概念**：官方约束里没有任何一条把 "一次 Iterate 的 K 上限" 与 UnitFlag 挂钩。**UnitFlag 约束的不是 K 的大小，而是"累加形态"**（见上一条）。一次 Iterate 能算多大的 K，由 **L0C 之外的资源（L1/L0A/L0B 容量、stepKa/stepKb 流水深度、baseK）** 决定，与 UnitFlag 无关：
|
||||
**先澄清概念**：官方约束里没有任何一条把 "一次 Iterate 的 K 上限" 与 UnitFlag 挂钩。**UnitFlag 约束的不是 K 的大小，而是"累加由谁、在哪个层级组织"**（见上一条）。一次 Iterate 能算多大的 K，由 **L0C 之外的资源（L1/L0A/L0B 容量、stepKa/stepKb 流水深度、baseK）** 决定，与 UnitFlag 无关：
|
||||
|
||||
- 单次 Iterate 的 K 由 `singleCoreK` 决定，而 `singleCoreK` 在 L1 内按 `stepKa·baseK`（A 侧）/ `stepKb·baseK`（B 侧）分多片流水喂给 Cube，**每片的中间结果在同一 L0C 上原地累加**（这是 MMAD 的固有累加语义，不是"多次 Iterate 一次输出"，也不违反 UnitFlag——因为整个 singleCoreK 是一次 Iterate 内部完成的）。
|
||||
- 换句话说：一次 Iterate 内部，Cube 会在 L0C 上做 `singleCoreK/baseK` 次累加，这在 UnitFlag 下是允许的；UnitFlag 禁止的是"**跨多次 Iterate** 的累加 + 只在最后一次输出"。
|
||||
- 单次高阶 `Iterate()` 的 K 由 `singleCoreK` 决定，`singleCoreK` 在 L1 内按 `stepKa·baseK`（A 侧）/ `stepKb·baseK`（B 侧）分多片流水喂给 Cube，**每片的中间结果在同一 L0C 上原地累加**（MMAD 固有累加语义，属"一次 Iterate 内部"，不违反高阶约束）。
|
||||
- 若单次 `Iterate()` 装不下整个 K（K 超过 L1/L0 一次能流水的范围），高阶层会拆成多次 `Iterate()`；此时只要不打开"L0C 驻留累加 + 末次才 GetTensorC"，就不违反约束（mat_mul_v3 用 GM 原子加规避）。
|
||||
|
||||
**结论**：**没有"一次 Iterate 最大 K 受 UnitFlag 限制"这回事**。一次 Iterate 的 K 上限由 L1/L0 容量与 stepK 流水决定（例如 950PR 上 `maxStepK ≤ 8`、`baseK ≈ 128B/dtype`），UnitFlag 只管"算出的 512B 何时搬出"，不管 K 多大。把这条约束理解成"K 不能超过某值"是误读——它限的是"累加跨几次 Iterate"，不是"K 的绝对大小"。
|
||||
**结论**：**没有"一次 Iterate 最大 K 受 UnitFlag 限制"这回事**。一次 Iterate 的 K 上限由 L1/L0 容量与 stepK 流水决定（例如 950PR 上 `maxStepK ≤ 8`、`baseK ≈ 128B/dtype`），UnitFlag 只管"算出的 512B 何时搬出"，不管 K 多大。把这条约束理解成"K 不能超过某值"是误读——它限的是"累加跨几次 Iterate 的组织方式"，不是"K 的绝对大小"。
|
||||
|
||||
#### 3.4.3 「不允许同时存在 CO1(L0C)→GM 与 A1(L1)→GM 两种搬出流水」——是什么意思？L1 能直接写回 GM 吗？
|
||||
|
||||
@@ -211,10 +235,37 @@ mat_mul_v3 的普通 ASWT 是 **「一次 Iterate → 一次 GetTensorC」一一
|
||||
|---|---|---|
|
||||
| 仅 Norm/IBShare/MDL 模板 | UnitFlag 只在三个高阶模板下有效 | mat_mul_v3 用 MDL（GetMDLConfig）→ **满足** |
|
||||
| 不能同时有 CO1→GM 与 A1→GM 两种搬出 | 搬出源必须唯一为 L0C | 351x 已删 L1→GM 通路 → **自动满足，无实质限制** |
|
||||
| L0C 累加时不支持多次 Iterate 一次输出 | 禁止跨 Iterate 的 L0C 驻留累加 + 末次才搬出 | mat_mul_v3 常规路径是 Iterate/GetTensorC 一一配对 → **不触碰，UnitFlag 可用**；仅显式 L0C 累加（核内 split-K 驻留 / intraBlockPartSum）才触碰 |
|
||||
| L0C 累加时不支持多次 Iterate 一次输出 | 高阶层禁止"跨多次 Iterate 的 L0C 驻留累加 + 末次才搬出"（底层 Mmad 级 unitFlag=2/3 仍支持 K 分段累加） | mat_mul_v3 常规路径是 Iterate/GetTensorC 一一配对 → **不触碰，UnitFlag 可用**；仅显式 L0C 驻留累加（如 intraBlockPartSum）才触碰 |
|
||||
| MTE2 Bound 已掩盖时收益小 | Fixpipe 已被搬运流水掩盖时无需再开 | 这是**收益**问题不是**正确性**问题，不影响可用性 |
|
||||
|
||||
**由此可得更精确的判断**：mat_mul_v3 在 950PR 上常规路径（含普通 ASWT、A/B 全载、以及把 K 分片放到 GM workspace 由 AIV 累加的 StreamK）**都满足 UnitFlag 的可用条件且默认已开启**；真正被 UnitFlag 排除的是"**在 L0C 里做跨 Iterate 驻留累加**"这一类形态——而这种形态在 mat_mul_v3 里被刻意用"GM 原子加 / workspace + AIV 累加"规避了。这进一步支撑了 §3.3 的结论：**在 950PR 上 UnitFlag 的合法域覆盖了 mat_mul_v3 的全部主路径，L0C DB 的补位空间被压缩得很小**。
|
||||
**由此可得更精确的判断**：mat_mul_v3 在 950PR 上常规路径（含普通 ASWT、A/B 全载、以及把 K 分片放到 GM workspace 由 AIV 累加的 StreamK）**都满足 UnitFlag 的可用条件且默认已开启**；高阶 API 真正排除的是"**多次 Iterate + 末次一次 GetTensorC**"的组织方式——而 mat_mul_v3 用"GM 原子加 / workspace + AIV 累加"规避了它。这支撑 §3.3 的结论：**在 950PR 上 UnitFlag 的合法域覆盖了 mat_mul_v3 的全部主路径，L0C DB 的补位空间被压缩得很小**。
|
||||
|
||||
---
|
||||
|
||||
### 3.5 两个层级的澄清：为什么"高阶约束说不能 K 分段一次输出"，而"底层文档却举例 K 分段累加"？
|
||||
|
||||
这是最容易混淆、也最关键的一点，单独澄清。
|
||||
|
||||
**两个层级的对象不同**：
|
||||
|
||||
| 层级 | 编程接口 | UnitFlag 的控制量 | 对 K 分段累加的支持 |
|
||||
|---|---|---|---|
|
||||
| 基础 API（指令级） | `Mmad` / `Copy`/`Fixpipe` 指令 | 指令参数 `unitFlag = 2/3`，逐 512B 块控标志位 | **支持**：前 n−1 次 Mmad 设 2（保持占用、续写累加），末次 Mmad 设 3（释放给 Fixpipe），官方明确给出 K 分 8 次迭代的实例 |
|
||||
| 高阶 API（对象级） | `Matmul.Iterate()` / `GetTensorC()` | `MatmulConfig.enUnitFlag = true`，由库内部统一编排 | **受限**：`Iterate` 内部的 K 分片流水（一次 Iterate 完成）支持；但"**多次 Iterate + 末次一次 GetTensorC**"这种高阶层组织的驻留累加不支持 |
|
||||
|
||||
**为什么高阶层反而受限**：高阶 `Matmul` 对象把"K 分片、L0C 驻留、何时搬出"都封装在 `Iterate()/GetTensorC()` 内部，UnitFlag 的标志位编排也由库统一管理。当用户用高阶接口做"多次 Iterate 累加 + 一次 GetTensorC"时，库无法在一次 `GetTensorC` 里反推出前面若干次 Iterate 各自该用什么 unitFlag 时序，于是干脆禁止这种组合。而**基础 API 层把 unitFlag 的控制权直接交给用户**，用户可以自己排"前 n−1 次设 2、末次设 3"，所以能做更灵活的 K 分段累加流水。
|
||||
|
||||
**对用户设想的直接回答**：你描述的"以 16×K×16 为粒度，每段算完立即让 Fixpipe 搬出对应 16×16 到 GM、同时开始下一段计算"——**在基础 API 层完全成立，且就是官方推荐用法**（前段 unitFlag=2 保持占用、末段 unitFlag=3 释放）。这种"K 分段 + 边算边搬"能同时做到：① 块内 512B 流水掩盖；② K 分段累加。它比单纯 L0C DB 更省 L0C 容量、掩盖更细。
|
||||
|
||||
**但要强调一个前提**：这种灵活编排走的是**基础 API（Mmad/Copy + 手写 unitFlag=2/3）**，不是 mat_mul_v3 用的高阶 `Matmul` 对象。mat_mul_v3 用高阶 API 换来的是开发效率与正确性保证，代价就是受高阶约束（不能多次 Iterate 一次输出）。如果要做你说的这种极致 K 分段流水，需要下沉到基础 API 层手写 Mmad/Copy 序列——这正是 catlass（类 CUTLASS 模板库）一层在做的事。
|
||||
|
||||
**对"UnitFlag 能否完全取代 L0C DB"的最终修正**：
|
||||
|
||||
- 在 **mat_mul_v3（高阶 API）现状**下：主路径默认开 UnitFlag，K 一次 Iterate 完成，Fixpipe 已被块内 512B 流水掩盖，**L0C DB 价值很小**（且 256×256 时本就开不了 DB）。DB 仅在 base 块被迫做小（256×128 等）时偶发有用。
|
||||
- 在 **基础 API / catlass 层**：UnitFlag 用 unitFlag=2/3 可覆盖 K 分段累加场景，掩盖能力进一步逼近"完全取代 DB"。
|
||||
- **仍不能完全取代的根本原因**：不在"K 能不能分段"（底层能），而在于 **UnitFlag 依赖 L0C 块被"写满即搬"，它服务的是"计算结果要尽快流出 L0C"的场景**；而 L0C DB 的本质是"**用双倍 L0C 容量换时间上的重叠**"，它服务的是"想让 base 块更大、减少重复读"的场景。当 L0C 容量成为 tiling 瓶颈（想把 baseM·baseN 做大但放不下两份）时，UnitFlag（不占额内容量）反而比 DB 更优——这一层上 UnitFlag 甚至优于 DB。只有当场景落到 UnitFlag 高阶约束之外（如必须用多次 Iterate 驻留累加）时，DB 才成为唯一选择。
|
||||
|
||||
**一句话总结**：在 950PR + mat_mul_v3 的语境里，**UnitFlag 已经基本取代 L0C DB 作为 Fixpipe 掩盖的主手段**；DB 退化为"高阶 API 约束之外（多次 Iterate 驻留累加）"和"L0C 装得下两份、想换更大 base 块"这两类边角场景的兜底。
|
||||
|
||||
---
|
||||
|
||||
@@ -232,11 +283,12 @@ mat_mul_v3 的普通 ASWT 是 **「一次 Iterate → 一次 GetTensorC」一一
|
||||
|
||||
| 证据 | 位置 |
|
||||
|---|---|
|
||||
| UnitFlag 三条约束官方原文（在线） | 昇腾社区官网 → CANN → 算子实践参考 → 优秀实践 → Matmul 性能调优案例 → 《Matmul 高阶 API 开启 UnitFlag》（社区版）/ 《Matmul 高阶 API 使能 UnitFlag》（商用版）。社区版直达链接：见任务输入所给 UnitFlag.md 页面 |
|
||||
| UnitFlag 三条约束官方原文（本地） | `昇腾NPU知识库/CANN社区版9.2.0-beta.1/01_AscendC算子开发/292_..._开启UnitFlag.md`（第19/21行）、`昇腾NPU知识库/CANN商用版9.0.0/01_AscendC算子开发/203_..._使能UnitFlag.md`（第21/23行，表述最完整） |
|
||||
| 高阶 API UnitFlag 约束（在线） | 昇腾社区官网 → CANN → 算子实践参考 → 优秀实践 → Matmul 性能调优案例 → 《Matmul 高阶 API 开启 UnitFlag》（社区版）/《Matmul 高阶 API 使能 UnitFlag》（商用版）"约束条件"一节 |
|
||||
| 高阶 API UnitFlag 约束（本地） | `昇腾NPU知识库/CANN社区版9.2.0-beta.1/01_AscendC算子开发/292_..._开启UnitFlag.md`（第15-21行）、`昇腾NPU知识库/CANN商用版9.0.0/01_AscendC算子开发/203_..._使能UnitFlag.md`（第17/21/23行，表述最完整） |
|
||||
| **基础 API UnitFlag 机制（unitFlag=2/3、K 分段累加实例，在线）** | 昇腾社区官网 → CANN → API 参考 → Ascend C API → SIMD API → 基础 API → 矩阵计算（Tensor API）→ Mmad 计算关键特性说明 → **《UnitFlag》**（用户所给链接：hiascend.com/.../Mmad计算关键特性说明/UnitFlag.md） |
|
||||
| 基础 API UnitFlag 机制（本地缓存） | `昇腾NPU/.tmp/unitflag_raw2.txt`（已抓取的页面正文，含 128×1024 八次迭代实例原文） |
|
||||
| GetMDLConfig 签名（第7参=enUnitFlag） | `昇腾NPU知识库/CANN商用版9.0.0/02_API参考/AscendC_API/631_..._GetMDLConfig.md` |
|
||||
| enUnitFlag 默认值与约束 | `昇腾NPU知识库/CANN商用版9.0.0/02_API参考/AscendC_API/626_..._MatmulConfig.md` |
|
||||
| UnitFlag 512B 细粒度同步定义 | `昇腾NPU知识库/CANN社区版9.2.0-beta.1/01_AscendC算子开发/292_..._开启UnitFlag.md` |
|
||||
| 351x 删除 L1→GM / GM→L0 直达通路 | `昇腾NPU知识库/00_硬件/昇腾950_NPU架构白皮书.txt`（CV融合/数据通路章节）；同仓 `昇腾950PR/昇腾950PR架构解读.md` §5.1 |
|
||||
| MM_CFG_NO_PRELOAD 显式开 enUnitFlag | `ops-nn/matmul/mat_mul_v3/op_kernel/mat_mul_v3_common.h:72` |
|
||||
| 普通 ASWT Iterate/GetTensorC 一一配对 | `ops-nn/matmul/mat_mul_v3/op_kernel/arch35/mat_mul_asw_kernel.h:140-141` |
|
||||
|
||||
Reference in New Issue
Block a user