Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
Paddle
提交
3f3f5a28
P
Paddle
项目概览
PaddlePaddle
/
Paddle
8 个月 前同步成功
通知
2282
Star
20931
Fork
5422
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
1423
列表
看板
标记
里程碑
合并请求
543
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
Paddle
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
1,423
Issue
1,423
列表
看板
标记
里程碑
合并请求
543
合并请求
543
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
3f3f5a28
编写于
4月 12, 2022
作者:
C
crystal
提交者:
GitHub
4月 12, 2022
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
[Cherry-Pick]Fix group_norm vectorized address misalignment (#41585)
[cherry-pick] #41531 and #41570
上级
727dcbd9
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
4 addition
and
29 deletion
+4
-29
paddle/fluid/operators/group_norm_op.cu
paddle/fluid/operators/group_norm_op.cu
+4
-29
未找到文件。
paddle/fluid/operators/group_norm_op.cu
浏览文件 @
3f3f5a28
...
...
@@ -419,23 +419,6 @@ __global__ void GroupNormBackward(const T* x, const T* d_y, const T* scale,
}
}
template
<
typename
T
,
typename
AccT
,
int
VecSize
>
__global__
void
VectorizedGetDsDbCUDAKernel
(
int
imsize
,
const
T
*
x
,
const
T
*
dy
,
T
*
ds
,
T
*
db
)
{
int
i
=
blockIdx
.
x
;
AccT
ds_sum
=
static_cast
<
AccT
>
(
0
);
AccT
db_sum
=
static_cast
<
AccT
>
(
0
);
x
+=
i
*
imsize
;
const
int
input_offset
=
((
uint64_t
)
x
)
%
ALIGN_BYTES
/
sizeof
(
T
);
phi
::
Array
<
const
T
*
,
2
>
ins
;
ins
[
0
]
=
x
;
ins
[
1
]
=
dy
;
ThreadReduce
<
T
,
AccT
,
VecSize
,
2
>
(
ins
,
imsize
,
input_offset
,
&
db_sum
,
&
ds_sum
);
ReduceMeanAndVar
<
AccT
>
(
db
,
ds
,
db_sum
,
ds_sum
,
1
);
}
template
<
typename
T
>
__global__
void
ScalarGetDsDbCUDAKernel
(
int
imsize
,
const
T
*
x
,
const
T
*
dy
,
T
*
ds
,
T
*
db
)
{
...
...
@@ -622,25 +605,17 @@ class GroupNormGradKernel<platform::CUDADeviceContext, T>
int
flags
=
(
scale_data
!=
nullptr
)
*
kHasScale
+
(
bias_data
!=
nullptr
)
*
kHasBias
;
if
(
data_layout
==
DataLayout
::
kNCHW
)
{
using
AccT
=
typename
details
::
MPTypeTrait
<
T
>::
Type
;
constexpr
int
vec_size
=
sizeof
(
float4
)
/
sizeof
(
T
);
const
int
max_num_threads
=
1024
;
int
max_block_size
=
std
::
min
(
imsize
/
vec_size
,
max_num_threads
);
int
max_block_size
=
std
::
min
(
imsize
,
max_num_threads
);
int
block_size_nchw
=
1
;
while
(
block_size_nchw
<
max_block_size
)
{
block_size_nchw
*=
2
;
}
block_size_nchw
=
std
::
max
(
block_size_nchw
,
kps
::
details
::
kWarpSize
);
dim3
blocks
(
block_size_nchw
);
if
(
imsize
<
vec_size
*
block_size_nchw
)
{
ScalarGetDsDbCUDAKernel
<
T
><<<
x_dims
[
0
]
*
C
,
blocks
,
0
,
dev_ctx
.
stream
()
>>>
(
imsize
,
x_data
,
dy_data
,
ds_data
,
db_data
);
}
else
{
VectorizedGetDsDbCUDAKernel
<
T
,
AccT
,
vec_size
><<<
x_dims
[
0
]
*
C
,
blocks
,
0
,
dev_ctx
.
stream
()
>>>
(
imsize
,
x_data
,
dy_data
,
ds_data
,
db_data
);
}
ScalarGetDsDbCUDAKernel
<
T
><<<
x_dims
[
0
]
*
C
,
blocks
,
0
,
dev_ctx
.
stream
()
>>>
(
imsize
,
x_data
,
dy_data
,
ds_data
,
db_data
);
if
(
d_scale
||
d_bias
)
{
const
int
block
=
256
;
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录