jax.experimental.pallas.pallas_call

目录

jax.experimental.pallas.pallas_call#

jax.experimental.pallas.pallas_call(kernel, out_shape, *, grid_spec=None, grid=(), in_specs=NoBlockSpec, out_specs=NoBlockSpec, input_output_aliases={}, debug=False, interpret=False, name=None, compiler_params=None, cost_estimate=None)[源代码][源代码]#

在某些输入上调用 Pallas 内核。

参见 Pallas 快速入门。

参数:

  • kernel (Callable[..., None]) – 内核函数，接收每个输入和输出的 Ref。Ref 的形状由相应 in_specs 和 out_specs 中的 block_shape 给出。

  • out_shape (Any) – 一个 jax.ShapeDtypeStruct 的 PyTree，描述了输出的形状和数据类型。

  • grid_spec (GridSpec | None) – 指定 grid、in_specs 和 out_specs 的另一种方法。如果给出这些参数，则不得同时给出其他参数。

  • grid (TupleGrid) – 迭代空间，作为一个整数元组。内核执行的次数与 prod(grid) 相同。详情请参见 grid，即循环中的内核。

  • in_specs (BlockSpecTree) – 一个与位置参数结构匹配的 jax.experimental.pallas.BlockSpec 的 PyTree。in_specs 的默认值指定所有输入的整个数组，例如，pl.BlockSpec(x.shape, lambda *indices: (0,) * x.ndim)。详情请参见 BlockSpec，又名如何分割输入。

  • out_specs (BlockSpecTree) – 一个与输出结构匹配的 jax.experimental.pallas.BlockSpec 的 PyTree。out_specs 的默认值指定整个数组，例如 pl.BlockSpec(x.shape, lambda *indices: (0,) * x.ndim)。详情请参见 BlockSpec，又名如何分割输入。

  • input_output_aliases (dict[int, int]) – 一个字典，将某些输入的索引映射到别名它们的输出的索引。这些索引在展平的输入和输出中。

  • debug (bool) – 如果为真，Pallas 会在处理内核时打印各种中间形式。

  • interpret (bool) – 将 pallas_call 作为 jax.jit 运行，该 jax.jit 是对网格的扫描，其主体是作为 JAX 函数降低的内核。这不需要 TPU 或 GPU，并且是唯一在 CPU 上运行 Pallas 内核的方法。这对于调试很有用。

  • name (str | None) – 如果存在，指定在调试和错误消息中用于此内核调用的名称。我们将文件和定义内核函数的行附加到此名称上，例如：{name} for kernel function {kernel_name} at {file}:{line}。如果不存在，则使用 {kernel_name} at {file}:{line}。

  • compiler_params (dict[str, Any] | pallas_core.CompilerParams | None) – 可选的编译器参数。如果提供了一个字典，它应该是 {平台: {参数名: 参数值}} 的形式，其中平台可以是 ‘mosaic’ 或 ‘triton’。也可以传入 jax.experimental.pallas.tpu.TPUCompilerParams 用于 TPU 和 jax.experimental.pallas.gpu.TritonCompilerParams 用于 Triton/GPU。

  • cost_estimate (CostEstimate | None)

返回:

一个可以在多个位置数组参数上调用以调用Pallas内核的函数。

返回类型:

Callable[…, Any]

目录