triton-ascend-case-elemwise-broadcast-3d

name	triton-ascend-case-elemwise-broadcast-3d
description	跨轴3D广播优化（最后一维很小）：采用两阶段kernel策略（先broadcast展开+reshape为2D，再标准多核处理）提升向量化效率，适用于跨轴broadcast且最后一维特别小（<20）导致向量化效果差的场景
category	case
version	1.0.0
metadata	{"backend":"ascend","dsl":"triton_ascend","hardware":"Atlas A2, Atlas A3"}

跨轴 3D Broadcast 优化案例

任务特征

• 操作类型：跨轴broadcast，broadcast第一、三根轴
• 数据尺寸：(65536, 128, 16) / (1, 128, 1)
• 特点：第一维很大，第三维很小，属于跨轴broadcast

优化：两阶段 Kernel 策略

当跨轴broadcast中最后一维特别小时（如W=16），如果直接处理会导致向量化效果差。

阶段1：Broadcast Kernel（多核并行）

# 先将(1, H, 1) broadcast到(1, H, W)
input2_broadcast = torch.empty(1, H, W, dtype=input2.dtype, device=input2.device)

grid_broadcast = lambda meta: (meta['NUM_H_CORES'],)
broadcast_kernel_parallel[grid_broadcast](
    input2, input2_broadcast,
    input2.stride(1),
    input2_broadcast.stride(1), input2_broadcast.stride(2),
    H=H, W=W,
)

阶段2：Division Kernel（Reshape为2D）

# 将3D问题转换为2D处理
input1_flat = input1.reshape(B, HW).contiguous()  # (B, HxW)
input2_flat = input2_broadcast.reshape(1, HW).contiguous()  # (1, HxW)
output_flat = torch.empty(B, HW, dtype=input1.dtype, device=input1.device)

grid_div = lambda meta: (meta['NUM_CORES'],)
div_flatten_kernel[grid_div](
    input1_flat, input2_flat, output_flat,
    B, HW,
    input1_flat.stride(0), input1_flat.stride(1),
    input2_flat.stride(1),
    output_flat.stride(0), output_flat.stride(1),
)

优化内容

1. 第一阶段kernel：先将需要broadcast的维度展开，沿H维度映射到多核并行处理
2. 第二阶段kernel：将3D reshape为2D，把第一维(B)映射到多核，核内对HW维度切分（SUB_HW=512），向量化维度大大提升

这种方法通过预先broadcast+reshape，避免了最后一维过小导致的向量化效率问题。

通用优化方案

连续broadcast（相邻维度）

通过reshape将相邻维度合并为一维，转换为单轴broadcast。

跨轴broadcast（不相邻维度）

• 第一维映射到多核上实现并行
• 核内对其他维度按需进行切分

总结

当跨轴broadcast中最后一维特别小时，采用两阶段kernel：先broadcast展开+reshape为2D，再进行标准的多核并行处理，提升向量化效率。