make_tiled_store

创建store tile策略，用于后续矩阵写回操作。

涉及store_atom原子矩阵写回方法和atom_shape原子方法扩展shape输入，其中store_atom写回矩阵大小与atom_shape相应m/n相乘所得乘积结果表示实际tiled_store方法写回矩阵大小。

当前atom_shape中m/n不支持任意扩展，只能设置为1。

接口定义

template<typename StoreAtom, typename Shape>

TiledStore<StoreAtom, Shape> make_tiled_store( StoreAtom store_atom, Shape atom_shape);

模板参数

表1 模板参数定义
参数名	类型	描述
StoreAtom	typename	store原子策略类型
Shape	typename	形状类型

参数

表2 参数定义
参数名	类型	描述	输入/输出
store_atom	StoreAtom，Ops<枚举store_atom_t>	store原子策略，当前store_atom_t可设置为 STORE_32x16_F64，表示写回尺寸为3216，其中写回矩阵为行主序、计算步长为Stride<16, 1>，写回精度为float64的store原子行为 STORE_16x64_F32，表示写回尺寸为1664，其中写回矩阵为行主序、计算步长为Stride<64, 1>，写回精度为float32的store原子行为	输入
atom_shape	Shape	原子策略在各维度执行次数，包含m和n两个数值	输入

返回值

返回TiledStore<StoreAtom, Shape>对象

示例

#include "stdlib.h"
#include "kupl.h"
using namespace kupl::tensor;

int main()
{
    constexpr int MATRIX_M  = 32;
    constexpr int MATRIX_N  = 16;
    constexpr int MATRIX_K = 512;
    double *data_a = (double *)malloc(sizeof(double) * MATRIX_M * MATRIX_K);
    double *data_b = (double *)malloc(sizeof(double) * MATRIX_K * MATRIX_N);
    double *data_c = (double *)malloc(sizeof(double) * MATRIX_M * MATRIX_N);

    auto shape_a = make_shape(Int<32>{}, Int<512>{});
    auto shape_b = make_shape(Int<512>{}, Int<16>{});
    auto shape_c = make_shape(Int<32>{}, Int<16>{});

    auto stride_a = make_stride(Int<1>{}, Int<32>{});
    auto stride_b = make_stride(Int<16>{}, Int<1>{});
    auto stride_c = make_stride(Int<16>{}, Int<1>{});

    auto layout_a = make_layout(shape_a, stride_a);
    auto layout_b = make_layout(shape_b, stride_b);
    auto layout_c = make_layout(shape_c, stride_c);

    auto mma_atom_shape = make_shape(Int<1>{}, Int<1>{}, Int<1>{});
    auto tiled_mma = make_tiled_mma(Ops<MMA_32x16x512_F64F64F64>{}, mma_atom_shape);
    auto store_atom_shape = make_shape(Int<1>{}, Int<1>{});
    auto tile_store = make_tiled_store(Ops<STORE_32x16_F64>{}, store_atom_shape);

    auto tensor_a = make_tensor(data_a, layout_a);
    auto tensor_b = make_tensor(data_b, layout_b);
    auto tensor_c = make_tensor(data_c, layout_c);

    tensor_tiled_mma(tiled_mma, tensor_c, tensor_a, tensor_b, tensor_c);
    tensor_tiled_store(tile_store, tensor_c);

    free(data_a);
    free(data_b);
    free(data_c);
    return 0;
}

上述示例演示了基于32*16*512_F64F64F64矩阵形状的mma流程，其中通过make_tiled_store创建store tile策略。

父主题： 矩阵编程接口函数