团队信息【免费下载链接】cann-ops-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-ops-competitions团队名称[Ski]所属单位[南京邮电大学(蒋兴宝、李珂), 南京理工大学(胡秀洋)]团队成员[蒋兴宝]队伍负责人及联系人主要负责Erf算子整体方案设计、host 侧 tiling 逻辑编写、device 侧 kernel 开发、精度与性能优化、测试验证以及文档整理。[李珂]参与资料整理、实现思路讨论和测试结果核对等辅助工作。[胡秀洋]参与资料整理、测试结果核对和文档内容校对等辅助工作。联系人[蒋兴宝]联系邮箱[jiangxingbao25mails.ucas.ac.cn]1. 算子整体实现思路本算子实现的是Erf前向计算输入输出均为float32、ND格式输出 shape 和 dtype 与输入保持一致。整体分为 host 侧 tiling 与 device 侧 kernel 两部分host 侧读取输入张量元素总数、平台 AIV 核数和数据类型根据元素规模生成 tiling 参数device 侧根据 tiling 参数完成多核并行、分块搬运、向量计算和结果写回。host 侧以 8 个元素为基本对齐单位将输入展平成一维连续数据处理。根据totalLength计算对齐后的 block 数并将 block 平均分配到可用 AIV 核上余数 block 分配给前若干个核从而保证各核负载尽量均衡。tiling 数据中保存totalLength、实际使用核数、每核基础 block 数、余数 block 数以及单次处理的tileSize8192。kernel 侧每个 AIV 核根据blockIdx计算自己负责的全局偏移和元素长度然后按 tile 循环处理。每个 tile 的执行流程为从 Global Memory 搬入 UB调用对应计算路径得到erf(x)再将结果写回 Global Memory。对于尾块不足 8 元素的情况搬入时通过 padding 补齐到对齐长度写回时只写真实有效元素避免越界和无效数据污染输出。算子内部提供两条计算路径当总元素数不超过 8192 时使用有理多项式近似公式直接计算当总元素数更大时调用 AscendC 内置Erf向量接口计算。两条路径通过 tiling key 的模板参数在编译期选择减少运行时分支开销。2. 精度优化策略小规模输入采用奇函数形式的有理多项式近似先计算x^2再用 Horner 方式分别求分子和分母多项式最终计算x * P(x^2) / Q(x^2)。这种形式天然保持erf(-x) -erf(x)的对称性并且相比显式计算高次幂可以减少中间乘法次数和舍入误差。在多项式路径中输入会先截断到[-3.92, 3.92]。由于erf(x)在该区间外已经非常接近-1或1截断可以避免尾部大输入带来的近似误差放大同时保持输出的饱和趋势。分母多项式使用正系数组合降低除法时分母接近 0 的风险提高计算稳定性。对于大规模输入算子直接调用 AscendC 官方Erf实现以获得更稳定的数学精度和平台适配能力。尾块 padding 使用 0 作为补齐值且最终只写回真实元素长度因此补齐数据不会影响有效输出结果。3. 性能优化策略并行策略上host 侧根据 AIV 核数和对齐 block 数动态设置blockDim当数据量较小时只启用必要核数避免空核调度当数据量较大时尽量打满 AIV 核并通过余数 block 前置分配使各核处理量接近一致。访存策略上kernel 将全局数据按tileSize8192分块搬入 UB再使用向量指令批量计算减少 GM 访问次数。数据搬运按 8 元素对齐处理尾块使用DataCopyPad解决非对齐问题使主体路径保持连续、规则的高效搬运。计算策略上小张量使用多项式近似避免直接调用通用Erf带来的额外开销多项式采用 Horner 展开减少乘法次数和临时张量占用。大张量路径使用 AscendC 内置Erf并配置双缓冲输入/输出队列配合 UB 临时缓冲提升搬运与计算流水效率。整个算子不申请额外 workspace临时数据均在 UB 内完成降低内存开销。【免费下载链接】cann-ops-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-ops-competitions创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考