القائمة
Triton CUDA API 完整参考手册，包括 tl.load/store、tl.reduce、tl.dot、tl.atomic 等核心函数的签名、参数和使用示例。适用于需要查阅具体 API 用法、了解函数参数含义的任意 Triton CUDA 内核代码生成场景
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/mindspore-ai/akg --skill triton-cuda-apiيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
استنادا إلى تصنيف SOC المهني
| name | triton-cuda-api |
| description | Triton CUDA API 完整参考手册，包括 tl.load/store、tl.reduce、tl.dot、tl.atomic 等核心函数的签名、参数和使用示例。适用于需要查阅具体 API 用法、了解函数参数含义的任意 Triton CUDA 内核代码生成场景 |
| category | fundamental |
| version | 1.0.0 |
| metadata | {"backend":"cuda","dsl":"triton_cuda"} |
本文档提供 Triton 核心 API 的详细参考，包括函数签名、参数说明和使用示例。
@triton.jit
def kernel_function(...):
pass
return、break、continue 语句pid = tl.program_id(axis) # axis: 0, 1, or 2
axis - 维度轴 (0, 1, 2)num_pids = tl.num_programs(axis) # axis: 0, 1, or 2
axis - 维度轴 (0, 1, 2)grid_size = triton.cdiv(total_elements, block_size)
a, b - 被除数和除数data = tl.load(ptr + offsets, mask=mask, other=0.0)
pointer: 内存指针mask: 布尔掩码，True 表示有效位置other: 掩码为 False 时的默认值boundary_check: 边界检查维度 (0, 1) 或 Nonetl.store(ptr + offsets, result, mask=mask)
pointer: 内存指针value: 要存储的值mask: 布尔掩码，True 表示有效位置boundary_check: 边界检查维度 (0, 1) 或 Noneblock_ptr = tl.make_block_ptr(
base=ptr, # 基础指针
shape=(M, N), # 完整矩阵形状
strides=(stride_m, stride_n), # 步长
offsets=(start_m, start_n), # 当前块偏移
block_shape=(BLOCK_M, BLOCK_N), # 块形状
order=(1, 0) # 内存布局顺序
)
base: 基础内存指针shape: 完整张量的形状strides: 每个维度的步长offsets: 当前块的起始偏移block_shape: 当前块的大小order: 内存布局顺序 (1, 0) 表示行主序block_ptr = tl.advance(block_ptr, (BLOCK_M, 0))
ptr: 块指针offsets: 各维度的偏移量offsets = tl.arange(0, BLOCK_SIZE)
start, end - 起始和结束值accumulator = tl.zeros((BLOCK_M, BLOCK_N), dtype=tl.float32)
shape: 张量形状dtype: 数据类型ones = tl.full((M, N), 1.0, dtype=tl.float32)
shape: 张量形状value: 填充值dtype: 数据类型float_data = tl.cast(int_data, tl.float32)
input: 输入张量dtype: 目标数据类型result = tl.dot(a, b, acc=accumulator)
a, b: 输入矩阵acc: 累加器 (可选)allow_tf32: 是否允许 TF32 精度（CUDA 特有，Ampere+ GPU）block_sum = tl.sum(data, axis=0)
x: 输入张量axis: 归约轴max_val = tl.max(data, axis=0)
x: 输入张量axis: 归约轴min_val = tl.min(data, axis=0)
x: 输入张量axis: 归约轴result = tl.where(mask, data, 0.0)
condition: 条件张量x, y: 选择值exp_val = tl.exp(x)
log_val = tl.log(x)
sqrt_val = tl.sqrt(x)
sigmoid_val = tl.sigmoid(x)
tanh_val = tl.extra.cuda.libdevice.tanh(x)
tl.tanh 或 tl.math.tanh，须使用 tl.extra.cuda.libdevice.tanhexp2_val = tl.math.exp2(x)
log2_val = tl.math.log2(x)
cumulative_sum = tl.cumsum(data, axis=0)
reverse_cumsum = tl.cumsum(data, axis=1, reverse=True)
input: 输入张量axis: 累积求和的轴 (默认为 0)reverse: 是否反向累积 (默认为 False)dtype: 输出数据类型 (可选，默认与输入相同)cumulative_prod = tl.cumprod(data, axis=0)
input: 输入张量axis: 累积乘积的轴 (默认为 0)reverse: 是否反向累积 (默认为 False)tl.atomic_add(output_ptr, block_sum)
pointer: 目标内存指针value: 要添加的值tl.atomic_max(max_ptr, local_max)
pointer: 目标内存指针value: 要比较的值tl.atomic_min(min_ptr, local_min)
pointer: 目标内存指针value: 要比较的值old = tl.atomic_cas(ptr, expected, desired)
pointer: 目标内存指针cmp: 期望值val: 新值BLOCK_SIZE: tl.constexpr = 1024
task_i, task_j = tl.swizzle2d(block_i, block_j, NUM_BLOCKS_I, NUM_BLOCKS_J, GROUP_SIZE)
i, j: 原始块索引size_i, size_j: 总块数group_size: 分组大小(通常为 2/4/8)tl.make_block_ptr 处理 2D 数据mask 或 boundary_check 防止越界tl.cast 显式转换tl.constexpr 标记常量参数allow_tf32=True 利用 Tensor Core