triton.language.swizzle2d

1. 函数概述

简介：将一个大大小为 size_i × size_j 的行优先矩阵的索引，按每 size_g 行一组，分别转换为列优先矩阵的索引。。

triton.language.swizzle2d(i, j, size_i, size_j, size_g)

2. 规格

2.1 参数说明

参数名	类型	说明
i	tensor	index索引值 ，最大值为size(i)-1
j	tensor	index索引值 ，最大值为size(j)-1
size_i	int	整型，表示索引值i的长度
size_j	int	整型，表示索引值j的长度
size_g	int	整型

返回值： out0，out1：同i，j shape的张量

2.2 OP 规格

2.2.1 DataType 支持

	int8	int16	int32	uint8	uint16	uint32	uint64	int64	fp16	fp32	fp64	bf16	bool
GPU	×	×	√	×	×	×	×	√	×	×	×	×	×
Ascend A2/A3	×	×	√	×	×	×	×	√	×	×	×	×	×

2.2.2 Shape 支持

	支持维度范围
GPU	仅支持 2维 tensor
Ascend A2/A3	仅支持 2维 tensor

结论：在 Shape 方面，GPU 与 Ascend 平台无差异，均支持 2 维张量。

2.3 特殊限制说明

相对社区能力缺失且做不到

暂无。

2.4 使用方法

以下示例实现了对输入张量 x 做逐元素指数（以2为底）：

def fn_npu_(out0, out1, XB: tl.constexpr, YB: tl.constexpr, ZB: tl.constexpr):
    i = tl.arange(0, XB)[:, None]
    j = tl.arange(0, YB)[None, :]
    ij = i * YB + j
    xx, yy = tl.swizzle2d(i, j, size_i=XB, size_j=YB, size_g=ZB)

    ptr = tl.load(out0)
    xx = tl.cast(xx, dtype=ptr.dtype)
    yy = tl.cast(yy, dtype=ptr.dtype)
    tl.store(out0 + ij, xx)
    tl.store(out1 + ij, yy)