Compare产品支持情况产品是否支持Ascend 950PR/Ascend 950DT√Atlas A3 训练系列产品 / Atlas A3 推理系列产品√Atlas A2 训练系列产品 / Atlas A2 推理系列产品√Atlas 200I/500 A2 推理产品√Atlas 推理系列产品 AI Core√Atlas 推理系列产品 Vector CorexAtlas 训练系列产品√Kirin X90√Kirin 9030√功能说明逐元素比较两个tensor大小如果比较后的结果为真则输出结果的对应比特位为1否则为0。支持多种比较模式LT小于less thanGT大于greater thanGE大于或等于greater than or equal toEQ等于equal toNE不等于not equal toLE小于或等于less than or equal to函数原型整个Tensor参与计算dst src0 src1; dst src0 src1; dst src0 src1; dst src0 src1; dst src0 src1; dst src0 ! src1;Atlas 200I/500 A2 推理产品暂不支持整个Tensor参与计算的运算符重载。Tensor前n个数据计算template typename T, typename U __aicore__ inline void Compare(const LocalTensorU dst, const LocalTensorT src0, const LocalTensorT src1, CMPMODE cmpMode, uint32_t count)Tensor高维切分计算mask逐bit模式template typename T, typename U, bool isSetMask true __aicore__ inline void Compare(const LocalTensorU dst, const LocalTensorT src0, const LocalTensorT src1, CMPMODE cmpMode, const uint64_t mask[], uint8_t repeatTime, const BinaryRepeatParams repeatParams)mask连续模式template typename T, typename U, bool isSetMask true __aicore__ inline void Compare(const LocalTensorU dst, const LocalTensorT src0, const LocalTensorT src1, CMPMODE cmpMode, const uint64_t mask, uint8_t repeatTime, const BinaryRepeatParams repeatParams)参数说明表 1模板参数说明参数名描述T源操作数数据类型。Ascend 950PR/Ascend 950DT支持的数据类型为int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t、double。Atlas A3 训练系列产品 / Atlas A3 推理系列产品支持的数据类型为half所有CMPMODE都支持、float所有CMPMODE都支持、 int32_t只支持CMPMODE::EQ。Atlas A2 训练系列产品 / Atlas A2 推理系列产品支持的数据类型为half所有CMPMODE都支持、float所有CMPMODE都支持、 int32_t只支持CMPMODE::EQ。Atlas 200I/500 A2 推理产品支持的数据类型为half、float。Atlas 推理系列产品 AI Core支持的数据类型为half、float。Atlas 训练系列产品支持的数据类型为half、float。Kirin X90支持的数据类型为half所有CMPMODE都支持、float所有CMPMODE都支持、 int32_t只支持CMPMODE::EQ。Kirin 9030支持的数据类型为half所有CMPMODE都支持、float所有CMPMODE都支持、 int32_t只支持CMPMODE::EQ。U目的操作数数据类型。Ascend 950PR/Ascend 950DT支持的数据类型为int8_t、uint8_t。Atlas A3 训练系列产品 / Atlas A3 推理系列产品支持的数据类型为int8_t、uint8_t。Atlas A2 训练系列产品 / Atlas A2 推理系列产品支持的数据类型为int8_t、uint8_t。Atlas 200I/500 A2 推理产品支持的数据类型为int8_t、uint8_t。Atlas 推理系列产品 AI Core支持的数据类型为int8_t、uint8_t。Atlas 训练系列产品支持的数据类型为int8_t、uint8_t。Kirin X90支持的数据类型为uint8_t。Kirin 9030支持的数据类型为uint8_t。isSetMask保留参数保持默认值即可。表 2接口参数说明参数名称输入/输出含义dst输出目的操作数。类型为LocalTensor支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。dst用于存储比较结果将dst中uint8_t类型的数据按照bit位展开由左至右依次表征对应位置的src0和src1的比较结果如果比较后的结果为真则对应比特位为1否则为0。src0、src1输入源操作数。类型为LocalTensor支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。cmpMode输入CMPMODE类型表示比较模式包括EQNEGELEGTLT。LT:src0小于less thansrc1GT:src0大于greater thansrc1GEsrc0大于或等于greater than or equal tosrc1EQsrc0等于equal tosrc1NEsrc0不等于not equal tosrc1LEsrc0小于或等于less than or equal tosrc1mask/mask[]输入mask用于控制每次迭代内参与计算的元素。Ascend 950PR/Ascend 950DT设置有效。Atlas A3 训练系列产品 / Atlas A3 推理系列产品保留参数设置无效。Atlas A2 训练系列产品 / Atlas A2 推理系列产品保留参数设置无效。Atlas 200I/500 A2 推理产品设置有效。Atlas 推理系列产品 AI Core保留参数设置无效。Atlas 训练系列产品保留参数设置无效。连续模式表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关数据类型不同每次迭代内能够处理的元素个数最大值不同。当操作数为16位时mask∈[1, 128]当操作数为32位时mask∈[1, 64]。逐bit模式可以按位控制哪些元素参与计算bit位的值为1表示参与计算0表示不参与。参数类型为长度为2或者4的uint64_t类型数组。例如mask[8, 0]80b1000表示仅第4个元素参与计算。参数取值范围和操作数的数据类型有关数据类型不同每次迭代内能够处理的元素个数最大值不同。当操作数为16位时mask[0]、mask[1]∈[0, 264-1]并且不同时为0当操作数为32位时mask[1]为0mask[0]∈(0, 264-1]。Kirin X90保留参数设置无效。Kirin 9030保留参数设置无效。repeatTime输入重复迭代次数。矢量计算单元每次读取连续的256Bytes数据进行计算为完成对输入数据的处理必须通过多次迭代repeat才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考高维切分API。repeatParams输入控制操作数地址步长的参数。BinaryRepeatParams类型包含操作数相邻迭代间相同datablock的地址步长操作数同一迭代内不同datablock的地址步长等参数。相邻迭代间的地址步长参数说明请参考repeatStride同一迭代内DataBlock的地址步长参数说明请参考dataBlockStride。count输入参与计算的元素个数。设置count时需要保证count个元素所占空间256字节对齐。返回值说明无约束说明操作数地址对齐要求请参见通用地址对齐约束。dst按照小端顺序排序成二进制结果对应src中相应位置的数据比较结果。使用整个tensor参与计算的运算符重载功能src0和src1需满足256字节对齐使用tensor前n个数据参与计算的接口设置count时需要保证count个元素所占空间256字节对齐。针对Ascend 950PR/Ascend 950DTint8_t/uint8_t/uint64_t/int64_t/double数据类型仅支持tensor前n个数据计算接口和整个tensor参与计算的运算符重载。调用示例本样例中源操作数src0和src1各存储了256个float类型的数据。样例实现的功能为逐元素对src0和src1中的数据进行比较如果src0中的元素小于src1中的元素dst结果中对应的比特位置1反之则置0。dst结果使用uint8_t类型数据存储。完整的调用样例可参考Compare类样例场景一。整个tensor参与计算dstLocal src0Local src1Local; // 小于 LT dstLocal src0Local src1Local; // 大于 GT dstLocal src0Local src1Local; // 小于等于 LE dstLocal src0Local src1Local; // 大于等于 GE dstLocal src0Local src1Local; // 等于 EQ dstLocal src0Local ! src1Local; // 不等于 NEtensor前n个数据计算// srcDataSize参与计算的元素个数 AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, srcDataSize);结果示例如下LT小于 输入数据src0Local[ 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 5 5 5 5 5 5 5 5 7 7 7 7 7 7 7 7 11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ] 输入数据src1Local[ 2 2 2 2 2 2 2 2 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 6 8 8 8 8 8 8 8 8 10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ] 输出数据dstLocal [ 0 127 127 127 0 0 0 0 ] GT大于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 逐元素比较结果 [ 0 0 0 0 1 1 1 1 ... ] 输出数据dstLocal [ 240(0b11110000) ... ] GE大于或等于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 输出数据dstLocal [ 241(0b11110001) ... ] LE小于或等于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 输出数据dstLocal [ 15(0b00001111) ... ] EQ等于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 输出数据dstLocal [ 1(0b00000001) ... ] NE不等于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 输出数据dstLocal [ 126(0b11111110) ... ]Tensor高维切分计算mask逐bit模式// masks数组控制每次迭代参与计算的元素两个uint64_t的值一共128bit每个bit可以控制一个元素为1则参与计算为0则不参与计算 // masks[0]可以控制前64个元素低bit位控制索引小的元素masks[1]同理可以控制后64个元素 // 例如对float类型数据每次迭代处理256B / sizeof(float) 64个元素因此只需要通过masks[0]即可进行控制 uint64_t masks[2] {858993459, 0}; // 858993459(0x33333333) // repeat: 1, dstBlkStride: 1, src0BlkStride: 1, src1BlkStride: 1, dstRepStride: 1, src0RepStride: 8, src1RepStride: 8 AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, masks, 1, { 1, 1, 1, 1, 8, 8 });结果示例如下LE小于等于 输入数据src0Local[ 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 5 5 5 5 5 5 5 5 7 7 7 7 7 7 7 7 11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ] 输入数据src1Local[ 2 2 2 2 2 2 2 2 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 6 8 8 8 8 8 8 8 8 10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ] 输入数据masks{ 858993459, 0 } 输出数据dstLocal [ 51 51 51 51 0 0 0 0 ]Tensor高维切分计算mask连续模式// mask控制每次迭代参与计算的连续元素个数 // 例如对float类型数据每次迭代处理256B / sizeof(float) 64个元素因此mask可取值1至64 uint64_t mask 28; // repeat: 1, dstBlkStride: 1, src0BlkStride: 1, src1BlkStride: 1, dstRepStride: 1, src0RepStride: 8, src1RepStride: 8 AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, mask, 1, { 1, 1, 1, 1, 8, 8 });结果示例如下LE小于等于 输入数据src0Local[ 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 5 5 5 5 5 5 5 5 7 7 7 7 7 7 7 7 11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ] 输入数据src1Local[ 2 2 2 2 2 2 2 2 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 6 8 8 8 8 8 8 8 8 10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ] 输入数据mask28 输出数据dstLocal [ 127 127 127 16 0 0 0 0 ]创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
CANN/asc-devkit：SIMD矢量比较API
发布时间：2026/7/15 15:07:38
Compare产品支持情况产品是否支持Ascend 950PR/Ascend 950DT√Atlas A3 训练系列产品 / Atlas A3 推理系列产品√Atlas A2 训练系列产品 / Atlas A2 推理系列产品√Atlas 200I/500 A2 推理产品√Atlas 推理系列产品 AI Core√Atlas 推理系列产品 Vector CorexAtlas 训练系列产品√Kirin X90√Kirin 9030√功能说明逐元素比较两个tensor大小如果比较后的结果为真则输出结果的对应比特位为1否则为0。支持多种比较模式LT小于less thanGT大于greater thanGE大于或等于greater than or equal toEQ等于equal toNE不等于not equal toLE小于或等于less than or equal to函数原型整个Tensor参与计算dst src0 src1; dst src0 src1; dst src0 src1; dst src0 src1; dst src0 src1; dst src0 ! src1;Atlas 200I/500 A2 推理产品暂不支持整个Tensor参与计算的运算符重载。Tensor前n个数据计算template typename T, typename U __aicore__ inline void Compare(const LocalTensorU dst, const LocalTensorT src0, const LocalTensorT src1, CMPMODE cmpMode, uint32_t count)Tensor高维切分计算mask逐bit模式template typename T, typename U, bool isSetMask true __aicore__ inline void Compare(const LocalTensorU dst, const LocalTensorT src0, const LocalTensorT src1, CMPMODE cmpMode, const uint64_t mask[], uint8_t repeatTime, const BinaryRepeatParams repeatParams)mask连续模式template typename T, typename U, bool isSetMask true __aicore__ inline void Compare(const LocalTensorU dst, const LocalTensorT src0, const LocalTensorT src1, CMPMODE cmpMode, const uint64_t mask, uint8_t repeatTime, const BinaryRepeatParams repeatParams)参数说明表 1模板参数说明参数名描述T源操作数数据类型。Ascend 950PR/Ascend 950DT支持的数据类型为int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t、double。Atlas A3 训练系列产品 / Atlas A3 推理系列产品支持的数据类型为half所有CMPMODE都支持、float所有CMPMODE都支持、 int32_t只支持CMPMODE::EQ。Atlas A2 训练系列产品 / Atlas A2 推理系列产品支持的数据类型为half所有CMPMODE都支持、float所有CMPMODE都支持、 int32_t只支持CMPMODE::EQ。Atlas 200I/500 A2 推理产品支持的数据类型为half、float。Atlas 推理系列产品 AI Core支持的数据类型为half、float。Atlas 训练系列产品支持的数据类型为half、float。Kirin X90支持的数据类型为half所有CMPMODE都支持、float所有CMPMODE都支持、 int32_t只支持CMPMODE::EQ。Kirin 9030支持的数据类型为half所有CMPMODE都支持、float所有CMPMODE都支持、 int32_t只支持CMPMODE::EQ。U目的操作数数据类型。Ascend 950PR/Ascend 950DT支持的数据类型为int8_t、uint8_t。Atlas A3 训练系列产品 / Atlas A3 推理系列产品支持的数据类型为int8_t、uint8_t。Atlas A2 训练系列产品 / Atlas A2 推理系列产品支持的数据类型为int8_t、uint8_t。Atlas 200I/500 A2 推理产品支持的数据类型为int8_t、uint8_t。Atlas 推理系列产品 AI Core支持的数据类型为int8_t、uint8_t。Atlas 训练系列产品支持的数据类型为int8_t、uint8_t。Kirin X90支持的数据类型为uint8_t。Kirin 9030支持的数据类型为uint8_t。isSetMask保留参数保持默认值即可。表 2接口参数说明参数名称输入/输出含义dst输出目的操作数。类型为LocalTensor支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。dst用于存储比较结果将dst中uint8_t类型的数据按照bit位展开由左至右依次表征对应位置的src0和src1的比较结果如果比较后的结果为真则对应比特位为1否则为0。src0、src1输入源操作数。类型为LocalTensor支持的TPosition为VECIN/VECCALC/VECOUT。LocalTensor的起始地址需要32字节对齐。cmpMode输入CMPMODE类型表示比较模式包括EQNEGELEGTLT。LT:src0小于less thansrc1GT:src0大于greater thansrc1GEsrc0大于或等于greater than or equal tosrc1EQsrc0等于equal tosrc1NEsrc0不等于not equal tosrc1LEsrc0小于或等于less than or equal tosrc1mask/mask[]输入mask用于控制每次迭代内参与计算的元素。Ascend 950PR/Ascend 950DT设置有效。Atlas A3 训练系列产品 / Atlas A3 推理系列产品保留参数设置无效。Atlas A2 训练系列产品 / Atlas A2 推理系列产品保留参数设置无效。Atlas 200I/500 A2 推理产品设置有效。Atlas 推理系列产品 AI Core保留参数设置无效。Atlas 训练系列产品保留参数设置无效。连续模式表示前面连续的多少个元素参与计算。取值范围和操作数的数据类型有关数据类型不同每次迭代内能够处理的元素个数最大值不同。当操作数为16位时mask∈[1, 128]当操作数为32位时mask∈[1, 64]。逐bit模式可以按位控制哪些元素参与计算bit位的值为1表示参与计算0表示不参与。参数类型为长度为2或者4的uint64_t类型数组。例如mask[8, 0]80b1000表示仅第4个元素参与计算。参数取值范围和操作数的数据类型有关数据类型不同每次迭代内能够处理的元素个数最大值不同。当操作数为16位时mask[0]、mask[1]∈[0, 264-1]并且不同时为0当操作数为32位时mask[1]为0mask[0]∈(0, 264-1]。Kirin X90保留参数设置无效。Kirin 9030保留参数设置无效。repeatTime输入重复迭代次数。矢量计算单元每次读取连续的256Bytes数据进行计算为完成对输入数据的处理必须通过多次迭代repeat才能完成所有数据的读取与计算。repeatTime表示迭代的次数。关于该参数的具体描述请参考高维切分API。repeatParams输入控制操作数地址步长的参数。BinaryRepeatParams类型包含操作数相邻迭代间相同datablock的地址步长操作数同一迭代内不同datablock的地址步长等参数。相邻迭代间的地址步长参数说明请参考repeatStride同一迭代内DataBlock的地址步长参数说明请参考dataBlockStride。count输入参与计算的元素个数。设置count时需要保证count个元素所占空间256字节对齐。返回值说明无约束说明操作数地址对齐要求请参见通用地址对齐约束。dst按照小端顺序排序成二进制结果对应src中相应位置的数据比较结果。使用整个tensor参与计算的运算符重载功能src0和src1需满足256字节对齐使用tensor前n个数据参与计算的接口设置count时需要保证count个元素所占空间256字节对齐。针对Ascend 950PR/Ascend 950DTint8_t/uint8_t/uint64_t/int64_t/double数据类型仅支持tensor前n个数据计算接口和整个tensor参与计算的运算符重载。调用示例本样例中源操作数src0和src1各存储了256个float类型的数据。样例实现的功能为逐元素对src0和src1中的数据进行比较如果src0中的元素小于src1中的元素dst结果中对应的比特位置1反之则置0。dst结果使用uint8_t类型数据存储。完整的调用样例可参考Compare类样例场景一。整个tensor参与计算dstLocal src0Local src1Local; // 小于 LT dstLocal src0Local src1Local; // 大于 GT dstLocal src0Local src1Local; // 小于等于 LE dstLocal src0Local src1Local; // 大于等于 GE dstLocal src0Local src1Local; // 等于 EQ dstLocal src0Local ! src1Local; // 不等于 NEtensor前n个数据计算// srcDataSize参与计算的元素个数 AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, srcDataSize); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, srcDataSize);结果示例如下LT小于 输入数据src0Local[ 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 5 5 5 5 5 5 5 5 7 7 7 7 7 7 7 7 11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ] 输入数据src1Local[ 2 2 2 2 2 2 2 2 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 6 8 8 8 8 8 8 8 8 10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ] 输出数据dstLocal [ 0 127 127 127 0 0 0 0 ] GT大于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 逐元素比较结果 [ 0 0 0 0 1 1 1 1 ... ] 输出数据dstLocal [ 240(0b11110000) ... ] GE大于或等于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 输出数据dstLocal [ 241(0b11110001) ... ] LE小于或等于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 输出数据dstLocal [ 15(0b00001111) ... ] EQ等于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 输出数据dstLocal [ 1(0b00000001) ... ] NE不等于 输入数据src0Local[ 2 3 5 7 11 13 17 19 ... ] 输入数据src1Local[ 2 4 6 8 10 12 14 16 ... ] 输出数据dstLocal [ 126(0b11111110) ... ]Tensor高维切分计算mask逐bit模式// masks数组控制每次迭代参与计算的元素两个uint64_t的值一共128bit每个bit可以控制一个元素为1则参与计算为0则不参与计算 // masks[0]可以控制前64个元素低bit位控制索引小的元素masks[1]同理可以控制后64个元素 // 例如对float类型数据每次迭代处理256B / sizeof(float) 64个元素因此只需要通过masks[0]即可进行控制 uint64_t masks[2] {858993459, 0}; // 858993459(0x33333333) // repeat: 1, dstBlkStride: 1, src0BlkStride: 1, src1BlkStride: 1, dstRepStride: 1, src0RepStride: 8, src1RepStride: 8 AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, masks, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, masks, 1, { 1, 1, 1, 1, 8, 8 });结果示例如下LE小于等于 输入数据src0Local[ 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 5 5 5 5 5 5 5 5 7 7 7 7 7 7 7 7 11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ] 输入数据src1Local[ 2 2 2 2 2 2 2 2 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 6 8 8 8 8 8 8 8 8 10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ] 输入数据masks{ 858993459, 0 } 输出数据dstLocal [ 51 51 51 51 0 0 0 0 ]Tensor高维切分计算mask连续模式// mask控制每次迭代参与计算的连续元素个数 // 例如对float类型数据每次迭代处理256B / sizeof(float) 64个元素因此mask可取值1至64 uint64_t mask 28; // repeat: 1, dstBlkStride: 1, src0BlkStride: 1, src1BlkStride: 1, dstRepStride: 1, src0RepStride: 8, src1RepStride: 8 AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LT, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GT, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::LE, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::GE, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::EQ, mask, 1, { 1, 1, 1, 1, 8, 8 }); AscendC::Compare(dstLocal, src0Local, src1Local, AscendC::CMPMODE::NE, mask, 1, { 1, 1, 1, 1, 8, 8 });结果示例如下LE小于等于 输入数据src0Local[ 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 5 5 5 5 5 5 5 5 7 7 7 7 7 7 7 7 11 11 11 11 11 11 11 11 13 13 13 13 13 13 13 13 17 17 17 17 17 17 17 17 19 19 19 19 19 19 19 19 ] 输入数据src1Local[ 2 2 2 2 2 2 2 2 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 6 8 8 8 8 8 8 8 8 10 10 10 10 10 10 10 10 12 12 12 12 12 12 12 12 14 14 14 14 14 14 14 14 16 16 16 16 16 16 16 16 ] 输入数据mask28 输出数据dstLocal [ 127 127 127 16 0 0 0 0 ]创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
相关文章
小程序毕业设计-基于 SpringBoot + 微信小程序的在线答题系统 基于微信小程序的在线考试测评系统的设计与实现(源码+LW+部署文档+全bao+远程调试+代码讲解等)
博主介绍：✌️码农一枚 ，专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者，博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围：&am…
DDraceNetwork进阶技巧：10个让你成为顶尖玩家的秘诀
DDraceNetwork进阶技巧：10个让你成为顶尖玩家的秘诀 【免费下载链接】ddnet DDraceNetwork, a free cooperative platformer game 项目地址: https://gitcode.com/gh_mirrors/dd/ddnet DDraceNetwork是一款免费的合作平台游戏，玩家需要在充满挑战…
实战解析JAVA单元测试——从Mockito到PowerMock的进阶之路
1. 为什么我们需要Mock测试？在开发Spring Boot微服务时，单元测试经常会遇到一个棘手问题：被测代码依赖数据库、第三方服务或其他外部组件。想象一下，你正在测试一个用户查询服务，但它需要连接真实的数据库。这时你会面…
我与 IT 这三十年：2000，泡沫破了，网还在
1999 年，我写的是银行前置机和 socket。 那是一种很硬的经验。SCO UNIX、生产系统、交易链路、超时、日志、故障边界。它教人谨慎，也教人知道系统不是玩具。 到了 2000 年，场景突然换了。 我来到北京。 城市换了，行业的空气也…
Privasis-Cleaner-4B社区贡献指南：如何参与这个开源隐私保护项目
Privasis-Cleaner-4B社区贡献指南：如何参与这个开源隐私保护项目 【免费下载链接】Privasis-Cleaner-4B 项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/Privasis-Cleaner-4B 想要为Privasis-Cleaner-4B这个开源隐私保护项目做出贡献吗？&a…
compose2nix 部署模式对比：Docker 与 Podman 的差异与最佳实践 [特殊字符]
compose2nix 部署模式对比：Docker 与 Podman 的差异与最佳实践 🚀 【免费下载链接】compose2nix Generate a NixOS config from a Docker Compose project. 项目地址: https://gitcode.com/gh_mirrors/co/compose2nix compose2nix 是一个强大的工…
终极免费彩色表情字体：EmojiOne Color 完整使用解决方案
终极免费彩色表情字体：EmojiOne Color 完整使用解决方案 【免费下载链接】emojione-color OpenType-SVG font of EmojiOne 2.3 项目地址: https://gitcode.com/gh_mirrors/em/emojione-color EmojiOne Color 是一款基于 OpenType-SVG 格式的开源彩色表情字体…
终极指南：如何5分钟搞定LXMusic音源配置，畅享免费全网音乐
终极指南：如何5分钟搞定LXMusic音源配置，畅享免费全网音乐 【免费下载链接】LXMusic音源 lxmusic（洛雪音乐）全网最新最全音源 项目地址: https://gitcode.com/guoyue2010/lxmusic- 还在为找不到免费好用的音乐资源而烦恼吗…
德州扑克GTO求解器终极指南：免费开源工具助你成为扑克高手 [特殊字符]
德州扑克GTO求解器终极指南：免费开源工具助你成为扑克高手 🃏 【免费下载链接】TexasSolver 🚀 A very efficient Texas Holdem GTO solver :spades::hearts::clubs::diamonds: 项目地址: https://gitcode.com/gh_mirrors/te/TexasSolver …
COM线程模型解析：STA与MTA的核心原理与优化实践
1. COM线程模型基础与CoInitializeEx核心作用在Windows平台开发中，组件对象模型(COM)的线程处理机制一直是开发者必须掌握的底层知识。作为COM初始化的门户函数，CoInitializeEx不仅决定了对象在何种线程环境下运行，更影响着整个组件的并发性能…
企业数据库账号安全的技术解决方案
数据库账号密码由研发人员直接持有,是很多企业里长期存在但很少被系统化解决的安全隐患。这篇文章从技术实现角度,聊聊如何用工程化的方式解决这个问题。 一、问题的技术本质 传统模式下,应用/工具直接使用数据库账号密码建立连接,意味着凭证(Credential)和使用者(Principal)之…
从MIPI CSI到AHD：XS5012B芯片如何重塑车载与安防视频链路
1. 视频链路转换的技术革命：为什么需要MIPI CSI转AHD？在车载环视系统和安防监控领域，视频信号的传输链路就像城市的交通网络。MIPI CSI（移动产业处理器接口摄像头串行接口）是数字世界的"高速公路"࿰…
MQ-2 烟雾传感器 ESP32-S3 驱动实战：ADC 读取与阈值校准 3 步完成
MQ-2 烟雾传感器 ESP32-S3 驱动实战：ADC 读取与阈值校准 3 步完成在智能家居和工业安全监测领域，烟雾检测是一个至关重要的环节。MQ-2 作为一款高性价比的半导体烟雾传感器，因其对多种可燃气体（如液化气、丙烷、氢气等）…
SPEC CPU 2006 v1.0.1 基准测试实战：ARM/X86/MIPS 三平台配置与 3 轮测试结果解读
SPEC CPU 2006 跨平台基准测试深度实战：ARM/X86/MIPS 架构配置优化与结果分析方法论在当今多元化的计算架构时代，如何客观评估不同处理器平台的真实性能成为系统工程师和性能优化专家的核心挑战。SPEC CPU 2006 作为业界公认的计算密集型基准测试套件&am…
每天60s读懂世界：2026年7月11日重点要闻解读
🔥 个人主页：杨利杰YJlio❄️ 个人专栏：《Windows 疑难杂症与工单复盘案例库》 《Sysinternals实战教程》《WINDOWS教程》 《Windows PowerShell 实战》 《人工智能实战合集》《超简单：用Python让Excel飞起来》🌟…
FAE放射组学分析工具：医学影像特征探索的完整解决方案
FAE放射组学分析工具：医学影像特征探索的完整解决方案 【免费下载链接】FAE FeAture Explorer 项目地址: https://gitcode.com/gh_mirrors/fae/FAE 你是否曾经面对海量医学影像数据感到无从下手？想要从CT、MRI等影像中提取有价值的定量特征&#…
0.69B参数实现中文多模态AI：揭秘Qwen3-SmVL模型融合技术的完整实战指南
0.69B参数实现中文多模态AI：揭秘Qwen3-SmVL模型融合技术的完整实战指南 【免费下载链接】happy-llm 📚 从零开始构建大模型 项目地址: https://gitcode.com/GitHub_Trending/ha/happy-llm 还在为大型多模态模型动辄数十亿参数、显存占用高而烦恼&…
解锁AMD Ryzen处理器性能潜力的SMU调试神器：从新手到专家的完整指南
解锁AMD Ryzen处理器性能潜力的SMU调试神器：从新手到专家的完整指南 【免费下载链接】SMUDebugTool A dedicated tool to help write/read various parameters of Ryzen-based systems, such as manual overclock, SMU, PCI, CPUID, MSR and Power Table. 项目地址…