菜单
Atlas A5 上 Triton vector 一元/二元 `tl.*`：fp32/fp16/bf16 三种 dtype 下各算子端到端 time (ms)；并给出"语义等价、精度对齐"前提下应替换的 triton API 与推荐写法。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
AscendC direct-invoke 崩溃/挂起修复索引：Kernel timeout、hang、Segmentation Fault、aic error、buffer 死锁、plog/memcheck 调试。
AscendC direct-invoke 精度失败修复索引：输出全 0/随机值、DataCopy 对齐、EnQue/DeQue 同步、FP16/FP32 精度、Cast RoundMode、DumpTensor 分段定位。
AscendC direct-invoke 工程契约：WA 使用 kernel.py + ascendc_op/，ModelNew 调用 torch.ops.npu.*，adapter 负责复制工程、CMake 构建和 npu-arch patch。适用于 dsl=ascendc 的 autoresearch 任务。
把注册式 AscendC 算子迁移为 direct-invoke 工程的保真原则：kernel 算法和 tiling 公式不乱改，只替换注册框架胶水、入口 ABI、host launch 与 PyTorch extension。
CATLASS TileShape 与 on-chip 缓存容量约束：L1/L0A/L0B/L0C 预算公式、fp16/fp32 Pingpong 双缓冲、512B 对齐与排布对 Tile 选型的影响。调参前必读。
CATLASS Gemm 性能调优：DispatchPolicy、Tile 与分核负载均衡、Swizzle、何时用 padding/Split-K/Preload。面向 AR 修改 catlass_kernel.asc 中的类型别名。
| name | triton-ascend-case-vector-elemwise-bench-atlas-a5 |
| description | Atlas A5 上 Triton vector 一元/二元 `tl.*`：fp32/fp16/bf16 三种 dtype 下各算子端到端 time (ms)；并给出"语义等价、精度对齐"前提下应替换的 triton API 与推荐写法。 |
| category | improvement |
| version | 1.0.0 |
| metadata | {"case_type":"improvement","backend":"ascend","dsl":"triton_ascend","hardware":"Atlas A5"} |
精度告警：以下替换在单算子单元测试上是"语义等价、精度对齐"的，但在算子融合或者网络中使用时， 误差可能累积放大。 若替换某条 API 后精度无法对齐，请保留原写法，不要替换。
| 原写法 | 推荐替换 | 收益 |
|---|---|---|
x / (1 + tl.exp(-x)) 实现 silu | x * tl.sigmoid(x) | 128% |
tl.fdiv(x, y) / tl.div_rn(x, y) / x*(1.0/y) 实现 div | x / y（A5 fp32 上直接除最快） | 87%-94% |
x * tl.rsqrt(x) 实现 sqrt | tl.sqrt(x) | 71% |
tl.sqrt_rn(x) | tl.sqrt(x) | 55% |
tl.where(x < y, x, y) 实现 minimum | tl.minimum(x, y) | 75% |
tl.where(x > y, x, y) 实现 maximum | tl.maximum(x, y) | 53% |
tl.where(x>=0, x, -x) 实现 abs | tl.maximum(x, -x) 或 tl.abs(x) | 32% |
1.0/tl.rsqrt(x) 实现 sqrt | tl.sqrt(x) | 27% |
exp(x)/(1+exp(x)) 实现 sigmoid | 0.5*(1+tanh(x/2)) 或 tl.sigmoid(x) | 23% |
tl.exp2(x*LOG2E) 实现 exp | tl.exp(x) | 11% |
tl.log2(x) | tl.log(x) * LOG2E | 10% |
| 原写法 | 推荐替换 | 收益 |
|---|---|---|
tl.sqrt(x) | 1.0 / tl.rsqrt(x) | 84%-89% |
tl.sigmoid(x) | 1/(1+tl.exp(-x)) | 50% |
tl.where(x > y, x, y) 实现 maximum | tl.maximum(x, y) | 59% |
(exp(x)-exp(-x))/(exp(x)+exp(-x)) / 2*sigmoid(2x)-1 实现 tanh | 1 - 2/(tl.exp(2*x)+1) | 46%-50% |
tl.exp2(x) | tl.exp(x*LN2) | 65% |
x / y 实现 div | tl.div_rn(x, y) 或 tl.fdiv(x, y) | 25% |
tl.maximum(x, 0) / tl.where(x>0, x, 0) 实现 relu | (x + tl.abs(x)) * 0.5 | 6-11% |
tl.where(x>=0, x, -x) / tl.abs(x) | tl.maximum(x, -x) | 11-15% |
| 原写法 | 推荐替换 | 收益 |
|---|---|---|
tl.where(x < y, x, y) 实现 minimum | tl.minimum(x, y) | 199% |
tl.where(x > y, x, y) 实现 maximum | (x+y+tl.abs(x-y))*0.5 或 tl.maximum(x, y) | 75% |
tl.rsqrt(x) | 1.0 / tl.sqrt(x) | 73% |
tl.sqrt_rn(x) / x*tl.rsqrt(x) 实现 sqrt | 1.0 / tl.rsqrt(x) 或 tl.sqrt(x) | 93%-101% |
tl.sigmoid(x) | exp(x)/(1+exp(x)) 或 0.5*(1+tanh(x/2)) | 63% |
tl.div_rn(x, y) | x / y | 17% |
tl.log(x) | tl.log2(x) * LN2 | 14% |
x / (1 + tl.exp(-x)) 实现 silu | x * tl.sigmoid(x) | 29% |
| 原写法 | 推荐替换 | 备注 |
|---|---|---|
acc / l[:, None] 或 acc*(1.0/l)[:, None] | l_recip = 1.0/l; acc * l_recip[:, None] | A5 fp32 上 l_recip+vmul 最快，原版直接除慢 46%、内联 recip 慢 74% |
