企业官网建设流程全解析

• 人工智能
• 深度学习
• 算子库
• CANN
• Ascend

本文以 asc-devkit 开源仓库 SIMD-API 文档中「基础算术」（basic_arithmetic）专题为核心，系统讲解昇腾 AI 处理器寄存器向量计算（Reg Compute）模式下 25 个基础算术接口的功能语义、函数原型、模板参数、数据类型约束、调用示例，并深入剖析进位（carry）机制、精度模式与 Subnormal（FTZ）处理等关键特性。读者阅读后可掌握 AscendC 寄存器级 SIMD 算术运算的完整使用方法，并能在算子开发中正确选择算法模式、规避精度陷阱。

一、基础算术 API 全貌

「基础算术」是 asc-devkit SIMD-API 中寄存器向量计算（reg_vector_compute）的重要组成部分，全部接口作用于RegTensor寄存器操作数，通过MaskReg掩码控制元素的有效性，按元素（element-wise）完成数学运算。专题由 概述 与 25 个接口子文档组成，按运算元数可分为三类：单目运算、双目运算、标量双目运算。

1.1 单目运算（一元接口）

1.2 双目运算（二元接口）

1.3 标量双目运算（矢量 + 标量接口）

二、产品支持情况与头文件位置

基础算术接口目前仅在特定处理器系列上受支持。以 Abs 为代表，各接口的产品支持情况一致，可直接对照：

不同类别接口对应不同头文件（均为include/basic_api/reg_compute/下的公开接口头文件）：

• 单目运算：basic_api/reg_compute/kernel_reg_compute_vec_unary_intf.h
• 双目运算：basic_api/reg_compute/kernel_reg_compute_vec_binary_intf.h
• 标量双目运算：basic_api/reg_compute/kernel_reg_compute_vec_binary_scalar_intf.h

仓库源码中，接口声明与实现分离：声明位于 kernel_reg_compute_vec_unary_intf.h、kernel_reg_compute_vec_binary_intf.h、kernel_reg_compute_vec_binary_scalar_intf.h，实现则按芯片架构（如 dav_3510、dav_5161、dav_9201 等）分布在impl/basic_api/reg_compute/与impl/basic_api/dav_*目录中。头文件末尾会根据__NPU_ARCH__宏自动包含对应架构的实现头文件（如kernel_reg_compute_vec_binary_scalar_intf_impl.h），这也是接口具有架构差异化的底层原因。

三、通用模板参数与 MaskMergeMode 机制

所有基础算术接口均遵循统一的模板参数约定。以 Add 为典型原型：

template <typename T = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Add(U& dstReg, U& srcReg0, U& srcReg1, MaskReg& mask)

模板参数通用语义

MaskMergeMode 定义如下：

enum class MaskMergeMode { UNKNOWN, // 转换类型不支持 MaskMergeMode 时选择 MERGING, // mask 未选择的元素保留 dst 原值 ZEROING // mask 未选择的元素在 dst 中置零 };

需要特别注意的是：当前绝大多数基础算术接口仅支持 ZEROING 模式（如 Abs、Exp、Sqrt、Ln、Log、Log2、Log10、Neg、Relu、Prelu、Adds、Maxs、Mins、Muls、LeakyRelu、Div 默认、Mul、Sub、Add），而Add、Sub、Max、Min 同时支持 ZEROING 与 MERGING 两种模式。MERGING 模式下，mask 未筛选的元素在 dstReg 中保留原值，可用于累积式写入场景。

参数级语义方面，dstReg为输出目的操作数，srcReg/srcReg0/srcReg1为输入源操作数，mask为元素操作的有效指示（详见 MaskReg），carry/carrySrc为进位相关 MaskReg。所有接口均无返回值（void）。

四、单目运算接口详解

单目接口统一声明在 kernel_reg_compute_vec_unary_intf.h 中。

4.1 Abs：绝对值（实数）/ 模（复数）

// 实数计算 template <typename T = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Abs(U& dstReg, U& srcReg, MaskReg& mask) // 复数计算（S、V 由编译器推导） template <typename T = DefaultType, typename U = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename S, typename V> __simd_callee__ inline void Abs(S& dstReg, V& srcReg, MaskReg& mask)

数据类型组合（srcReg → dstReg）：

约束：

• 当目的操作数与源操作数数据类型不一致时（复数场景），两者不可重叠；
• 整型计算超出表示范围时采用非饱和截断：例如 int8_t 类型，srcReg 为 -128 时，其绝对值 128 会被截断为 -128；
• 针对 Ascend 950PR & 950DT 系列产品，仅 complex32 和 complex64 类型的内部计算涉及 Subnormal，处理方式受编译选项--cce-ftz控制（默认值为 true）：--cce-ftz=false时保留 Subnormal 并按实际数值参与运算；--cce-ftz=true时启用 FTZ（Flush-To-Zero）模式，Subnormal 按 0 处理，可能造成精度差异。

调用示例（实数，循环处理多 repeat）：

template<typename T> __simd_vf__ inline void AbsVF(__ubuf__ T* dstAddr, __ubuf__ T* srcAddr, uint32_t count, uint16_t oneRepeatSize, uint16_t repeatTimes) { AscendC::Reg::RegTensor<T> srcReg; AscendC::Reg::RegTensor<T> dstReg; AscendC::Reg::MaskReg mask; for (uint16_t i = 0; i < repeatTimes; i++) { mask = AscendC::Reg::UpdateMask<T>(count); AscendC::Reg::LoadAlign(srcReg, srcAddr + i * oneRepeatSize); AscendC::Reg::Abs(dstReg, srcReg, mask); AscendC::Reg::StoreAlign(dstAddr + i * oneRepeatSize, dstReg, mask); } }

4.2 Exp：指数运算

原型为template <typename T = DefaultType, auto mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Exp(U& dstReg, U& srcReg, MaskReg& mask)。注意此处mode为auto类型，可配置为 MaskMergeMode 枚举值，或指向ExpSpecificMode结构体的指针：

enum class ExpAlgo { INTRINSIC = 0, PRECISION_1ULP_FTZ_TRUE, PRECISION_1ULP_FTZ_FALSE, }; struct ExpSpecificMode { MaskMergeMode mrgMode = MaskMergeMode::ZEROING; ExpAlgo algo = ExpAlgo::INTRINSIC; };

支持的数据类型仅为half、float。三种算法的最大精度误差均为 1ulp：

• ExpAlgo::INTRINSIC（默认）：对于 half、float，Subnormal 处理受--cce-ftz控制（默认 true，即默认采用 FTZ 模式）；
• ExpAlgo::PRECISION_1ULP_FTZ_TRUE：单指令计算，始终采用 FTZ 模式；
• ExpAlgo::PRECISION_1ULP_FTZ_FALSE：通过软件仿真实现，支持 Subnormal 数据计算。

由于保留 Subnormal 需要软件仿真，在默认--cce-ftz=true下一般场景建议使用默认 INTRINSIC 或显式选择PRECISION_1ULP_FTZ_TRUE以获取更优性能；需要精确输出 Subnormal 时才使用PRECISION_1ULP_FTZ_FALSE。文档给出了 half/float 下的 Subnormal 示例（如 half 输入 -9.703125 输出 6.0975551605e-05，二进制尾数0 00000 1111111111）。

使用高精度/Subnormal 模式时通过模板参数传入结构体指针：

// 1ulp精度及Subnormal模式 // static constexpr AscendC::Reg::ExpSpecificMode mode = { // AscendC::Reg::MaskMergeMode::ZEROING, AscendC::ExpAlgo::PRECISION_1ULP_FTZ_FALSE}; // AscendC::Reg::Exp<T, &mode>(dstReg, srcReg, mask);

4.3 Sqrt：平方根运算

template <typename T = DefaultType, auto mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Sqrt(U& dstReg, U& srcReg, MaskReg& mask)

SqrtSpecificMode定义：

enum class SqrtAlgo { INTRINSIC = 0, FAST_INVERSE, PRECISION_1ULP_FTZ_TRUE, PRECISION_0ULP_FTZ_FALSE, PRECISION_1ULP_FTZ_FALSE, }; struct SqrtSpecificMode { MaskMergeMode mrgMode = MaskMergeMode::ZEROING; bool precisionMode = false; SqrtAlgo algo = SqrtAlgo::INTRINSIC; };

关键点：

• 数据类型仅 half、float；
• precisionMode=true时使能更高精度计算（快速求逆算法，仅对 float 生效），最大精度误差 0ulp；
• SqrtAlgo::INTRINSIC为默认算法（1ulp），--cce-ftz=false保留 Subnormal，true（默认）采用 FTZ；
• SqrtAlgo::FAST_INVERSE与SqrtAlgo::PRECISION_0ULP_FTZ_FALSE使用快速求逆算法，仅支持 float 并支持 Subnormal 计算（0ulp）；
• SqrtAlgo::PRECISION_1ULP_FTZ_FALSE支持 half 类型的 Subnormal 数据计算（1ulp）；
• 约束：输入为负数时结果为 nan；输入为 -0 时结果为 -0。

4.4 Ln / Log / Log2 / Log10：对数运算族

四者原型一致：template <typename T = DefaultType, auto mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Ln|Log|Log2|Log10(U& dstReg, U& srcReg, MaskReg& mask)，均仅支持 half、float。

• Ln：自然对数，$dstReg_i = \ln(srcReg_i)$；
• Log：与 Ln 功能等价，命名遵循 C/C++ 标准库中log()表示自然对数的约定（文档明确说明）；
• Log2：$dstReg_i = \log_2(srcReg_i)$；
• Log10：$dstReg_i = \log_{10}(srcReg_i)$。

各接口的 SpecificMode 结构体模式完全同构（LnSpecificMode/LogSpecificMode/Log2SpecificMode/Log10SpecificMode），均含mrgMode与algo两个字段，枚举均为INTRINSIC、PRECISION_1ULP_FTZ_TRUE、PRECISION_1ULP_FTZ_FALSE三值，最大精度误差均为 1ulp。此外Log2 与 Log10 具有精度提升特性：当源操作数为 half 时，会先将 half 提升精度到 float 后计算，再将结果转回 half 输出。

4.5 Neg：取相反数

template <typename T = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Neg(U& dstReg, U& srcReg, MaskReg& mask)

支持数据类型：int8_t、int16_t、half、int32_t、float、int64_t。仅支持 ZEROING 模式。无额外约束。

4.6 Relu：线性整流

template <typename T = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Relu(U& dstReg, U& srcReg, MaskReg& mask)

支持数据类型：half、int32_t、float、int64_t。仅支持 ZEROING 模式。

五、双目运算接口详解：含进位算术与高精度除法

双目接口统一声明在 kernel_reg_compute_vec_binary_intf.h 中。

5.1 Add / AddC / Sub / SubC：进位（carry）算术

这四个接口构成一组完整的带进位加减法体系，通过 MaskReg 类型的 carry 寄存器实现多精度（宽位宽）整数算术。Carry flag（进位/借位标志）用于表示加法进位或减法无借位。

Add有两种原型：

// 不保留进位 template <typename T = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Add(U& dstReg, U& srcReg0, U& srcReg1, MaskReg& mask) // 保留进位 template <typename T = DefaultType, typename U> __simd_callee__ inline void Add(MaskReg& carry, U& dstReg, U& srcReg0, U& srcReg1, MaskReg& mask)

• 不保留进位：支持 int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、complex32、int64_t、uint64_t、complex64；
• 保留进位：仅支持 int32_t、uint32_t，且计算结果不保留进位。
• 进位写入规则：若 srcReg0、srcReg1 按位相加后最高位有进位，则在 carry（MaskReg 寄存器）对应位置每 4bit 的最低位写 1，否则写 0。

Sub同理，减法在硬件底层通过补码加法实现：${carry_i, dstReg_i} = {1'b0, srcReg0_i} + {1'b0, \sim srcReg1_i} + 33'b1$。保留进位时仅支持 int32_t、uint32_t。

AddC（带输入进位加法）与SubC（带输入进位减法）将前序运算产生的 carry 作为carrySrc输入继续参与运算：

template <typename T = DefaultType, typename U> __simd_callee__ inline void AddC(MaskReg& carry, U& dstReg, U& srcReg0, U& srcReg1, MaskReg& carrySrc, MaskReg& mask) // SubC 原型同上，函数名替换为 SubC

${carry_i, dstReg_i} = srcReg0_i + srcReg1_i + carrySrc_i$（SubC 为 ${1'b0, srcReg0_i} + {1'b0, \sim srcReg1_i} + {32'b0, carrySrc_i}$），支持数据类型同样为 int32_t、uint32_t。Add 输出的 carry 适用场景参考 AddC 功能说明，Sub 输出的 carry 适用场景参考 SubC 功能说明——典型应用即 64 位整数的分段加减：32 位加法产生进位后，通过 AddC 将进位传递到高 32 位段。

带进位的完整调用示例（AddC，carry 以 8×4B=32B 对齐存储）：

template <typename T> static __simd_vf__ inline void AddVF(__ubuf__ T* dst0Addr, __ubuf__ T* dst1Addr, __ubuf__ T* src0Addr, __ubuf__ T* src1Addr, uint32_t count, uint16_t repeatTimes, uint16_t oneRepeatSize){ AscendC::Reg::RegTensor<T> srcReg0; AscendC::Reg::RegTensor<T> srcReg1; AscendC::Reg::RegTensor<T> dstReg0; AscendC::Reg::MaskReg mask; AscendC::Reg::MaskReg maskZero = AscendC::Reg::CreateMask<T, AscendC::Reg::MaskPattern::ALLF>(); AscendC::Reg::MaskReg carry = AscendC::Reg::CreateMask<uint8_t>(); for (uint16_t i = 0; i < repeatTimes; i++) { mask = AscendC::Reg::UpdateMask<T>(count); AscendC::Reg::LoadAlign(srcReg0, src0Addr + i * oneRepeatSize); AscendC::Reg::LoadAlign(srcReg1, src1Addr + i * oneRepeatSize); AscendC::Reg::AddC(carry, dstReg0, srcReg0, srcReg1, maskZero, mask); // 8*4B=32B align AscendC::Reg::StoreAlign<uint32_t, AscendC::Reg::MaskDist::DIST_NORM>((__ubuf__ uint32_t*)dst1Addr + i * 8, carry); AscendC::Reg::StoreAlign(dst0Addr + i * oneRepeatSize, dstReg0, mask); } }

5.2 Mul / Mull：乘法与高低位分离

Mul：template <typename T = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Mul(U& dstReg, U& srcReg0, U& srcReg1, MaskReg& mask)，支持 int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、complex32、int64_t、uint64_t、complex64，输出为不饱和模式（溢出直接截断）。

Mull：将乘法结果的低位部分写入 dstReg0、溢出（高位）部分写入 dstReg1，适合 64 位乘法分解等场景：

template <typename T = DefaultType, typename U> __simd_callee__ inline void Mull(U& dstReg0, U& dstReg1, U& srcReg0, U& srcReg1, MaskReg& mask)

$dstReg0_i = (srcReg0_i \times srcReg1_i) \bmod 2^{bit}$，$dstReg1_i = (srcReg0_i \times srcReg1_i) / 2^{bit}$，其中 bit 表示操作数位宽。仅支持 int32_t、uint32_t。

5.3 Div：多种算法与 Subnormal 模式

Div 是基础算术中模式最丰富的接口，mode为auto类型，可配置 MaskMergeMode 枚举或指向DivSpecificMode结构体的指针：

enum class DivAlgo { INTRINSIC = 0, DIFF_COMPENSATION, PRECISION_1ULP_FTZ_TRUE, PRECISION_0ULP_FTZ_TRUE, PRECISION_0ULP_FTZ_FALSE, PRECISION_1ULP_FTZ_FALSE }; struct DivSpecificMode { MaskMergeMode mrgMode = MaskMergeMode::ZEROING; bool precisionMode = false; DivAlgo algo = DivAlgo::INTRINSIC; };

各模式的数据类型与精度：

补充说明：

• precisionMode=true时使用差值补偿算法，最大精度误差 0ulp，支持 float、complex64；
• 默认算法 INTRINSIC 下，--cce-ftz=false等效于PRECISION_1ULP_FTZ_FALSE，--cce-ftz=true（默认）等效于PRECISION_1ULP_FTZ_TRUE；整数类型不涉及 Subnormal；complex32/complex64 的实部与虚部分别为 half/float，Subnormal 处理遵循对应元素类型的--cce-ftz配置；
• 名称含FTZ_FALSE的算法始终保留 Subnormal，名称含FTZ_TRUE的算法始终采用 FTZ。

文档给出了 FTZ 差异的数值示例：

可见不配置 Subnormal 时，微小量相除可能产生 -inf 或 NaN，而保留 Subnormal 可得到正确有限结果——这正是算法对数据精度有特殊要求或需避免除零错误时的关键取舍。使用建议：一般场景使用性能更优的PRECISION_1ULP_FTZ_TRUE或PRECISION_0ULP_FTZ_TRUE；需要精确输出 Subnormal 时使用PRECISION_0ULP_FTZ_FALSE或PRECISION_1ULP_FTZ_FALSE。

高精度模式调用方式：

// 高精度模式 // static constexpr AscendC::Reg::DivSpecificMode mode = {AscendC::Reg::MaskMergeMode::ZEROING, true}; // 0ulp精度及Subnormal模式 // static constexpr AscendC::Reg::DivSpecificMode mode = { // AscendC::Reg::MaskMergeMode::ZEROING, true, AscendC::DivAlgo::PRECISION_0ULP_FTZ_FALSE}; // AscendC::Reg::Div<T, &mode>(dstReg, srcReg0, srcReg1, mask);

5.4 Max / Min：按元素取最值

template <typename T = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Max(U& dstReg, U& srcReg0, U& srcReg1, MaskReg& mask) // Min 同理

两者均支持 ZEROING 与 MERGING 模式，数据类型支持 int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float、int64_t、uint64_t。约束差异体现在符号零处理上：

• Max：srcReg0 为 -0、srcReg1 为 +0 时，输出 +0；
• Min：srcReg0 为 -0、srcReg1 为 +0 时，输出 -0。

MERGING 模式调用方式（Min 示例）：

// Merging Mode模式 // AscendC::Reg::Min<T, MaskMergeMode::MERGING>(dstReg, srcReg0, srcReg1, mask); AscendC::Reg::Min(dstReg, srcReg0, srcReg1, mask);

5.5 Prelu：参数化 ReLU

template <typename T = DefaultType, MaskMergeMode mode = MaskMergeMode::ZEROING, typename U> __simd_callee__ inline void Prelu(U &dstReg, U &srcReg0, U &srcReg1, MaskReg &mask)

当 srcReg0 元素 > 0 时直接输出该元素，否则输出 srcReg0 与 srcReg1 对应元素之积。支持 half、float，仅 ZEROING 模式。注意它与标量版 LeakyRelu 的区别：Prelu 的负半轴斜率来自矢量 srcReg1（每个元素可不同），LeakyRelu 的斜率是统一标量。

六、标量双目运算接口详解

标量双目接口统一声明在 kernel_reg_compute_vec_binary_scalar_intf.h，原型模式统一为：

template <typename T = DefaultType, typename U, MaskMergeMode mode = MaskMergeMode::ZEROING, typename S> __simd_callee__ inline void Adds(S& dstReg, S& srcReg, U scalarValue, MaskReg& mask) // Muls / Maxs / Mins / LeakyRelu 原型同构，函数名替换即可

其中 T 为矢量目的/源操作数数据类型，U 为标量源操作数数据类型，S 为 RegTensor 类型（编译器推导）。此类接口当前均仅支持 ZEROING 模式。

各接口要点：

标量接口典型调用示例（Adds）：

template<typename T> __simd_vf__ inline void AddsVF(__ubuf__ T* dstAddr, __ubuf__ T* srcAddr, T scalarValue, uint32_t count, uint16_t oneRepeatSize, uint16_t repeatTimes) { AscendC::Reg::RegTensor<T> srcReg; AscendC::Reg::RegTensor<T> dstReg; AscendC::Reg::MaskReg mask; for (uint16_t i = 0; i < repeatTimes; i++) { mask = AscendC::Reg::UpdateMask<T>(count); AscendC::Reg::LoadAlign(srcReg, srcAddr + i * oneRepeatSize); AscendC::Reg::Adds(dstReg, srcReg, scalarValue, mask); AscendC::Reg::StoreAlign(dstAddr + i * oneRepeatSize, dstReg, mask); } }

七、关键特性专题：精度误差与 Subnormal（FTZ）处理

7.1 精度误差（ulp）

基础算术接口文档统一以ulp（Unit in the Last Place）量化最大精度误差：

• 1ulp 级：Abs、Exp、Ln、Log、Log2、Log10、Neg、Relu、Mul、Div（INTRINSIC 与 1ULP 系列）、Sqrt（INTRINSIC 与 1ULP 系列）、Adds/Muls/Maxs/Mins/LeakyRelu 等；
• 0ulp 级：Div 的 DIFF_COMPENSATION、PRECISION_0ULP_FTZ_TRUE、PRECISION_0ULP_FTZ_FALSE，Sqrt 的 FAST_INVERSE、PRECISION_0ULP_FTZ_FALSE（以及对应接口precisionMode=true时），它们分别通过差值补偿算法与快速求逆算法实现高精度计算；
• Log2、Log10 还具备 half 提升 float 计算的精度提升特性。

7.2 Subnormal 与 FTZ

Subnormal（次正规数）是浮点格式中接近零的极小数值。FTZ（Flush-To-Zero）模式下，结果或参与运算的 Subnormal 被直接清零（近似为 0），而非保留精确微小数值。两种控制途径：

1. 编译选项--cce-ftz（默认 true）：影响默认算法（INTRINSIC）及 DIFF_COMPENSATION 等对 half/float 类型的行为；false时保留 Subnormal；
2. 显式算法选择：*_FTZ_FALSE后缀算法始终保留 Subnormal（通过软件仿真实现），*_FTZ_TRUE后缀算法始终采用 FTZ（单指令计算，性能更优）。

使用建议总结：默认--cce-ftz=true下，一般场景建议使用默认 INTRINSIC 或显式选择*_FTZ_TRUE算法以获得更好性能；仅当算法对数据精度有特殊要求（如需要精确输出 Subnormal、避免微小量相除产生 -inf/NaN）时，才选择*_FTZ_FALSE系列算法。

八、源码实现与测试佐证

接口声明与各架构实现可在仓库中直接追溯：

• 接口声明：单目接口、双目接口、标量双目接口，均在AscendC::Reg命名空间下以__simd_callee__ inline模板函数形式对外提供；
• 架构实现：impl/basic_api/reg_compute/下按 dav_3510、dav_5161、dav_9201 等目录组织kernel_reg_compute_vec_unary_impl.h、kernel_reg_compute_vec_binary_impl.h、kernel_reg_compute_vec_binary_scalar_impl.h；impl/basic_api/dav_*下kernel_operator_vec_unary_impl.h、kernel_operator_vec_binary_impl.h、kernel_operator_vec_binary_continuous_impl.h等文件中可检索到DivSpecificMode、ExpSpecificMode等模式结构体的落地实现；
• 头文件自检测试：测试用例 host_header_kernel_reg_compute_intf_checker.cpp 通过using AscendC::Reg::Add;等语句逐一校验 Add、AddC、Div、Max、Min、Mul、Mull、Prelu、Sub、SubC 以及 Adds、LeakyRelu、Maxs、Mins、Muls 等接口在主机侧头文件中的可声明性，可作为接口名称与命名空间用法的直接参考；
• 接口头文件会对--enable-simt编译标志与内部头文件包含守卫（__ASCENDC_INCLUDE_INTERNAL_HEADERS__）进行约束检查，提醒开发者基础算术接口面向 SIMD 编译模式，且应通过公开头文件使用。

九、总结

asc-devkit 的寄存器向量基础算术 API 以RegTensor+MaskReg为操作模型，覆盖绝对值、指数、对数、开方、取反、激活（Relu/Prelu/LeakyRelu）、加减乘除、最值与标量运算共 25 个接口。使用时可遵循以下要点：按运算类别选择 单目/双目/标量双目 头文件；通过模板参数 T 指定数据类型、mode 指定掩码合并模式；利用 Add/AddC/Sub/SubC 的 carry 机制实现宽位宽整数运算；对 Div/Exp/Sqrt/Ln/Log/Log2/Log10 通过 SpecificMode 结构体在精度与性能之间权衡；关注--cce-ftz编译选项对 Subnormal 结果的语义影响。所有接口均需结合 MaskReg 掩码与 RegTensor 寄存器操作数配套使用，并注意当前仅在 Ascend 950 系列与 Kirin 系列产品上受支持。

• 人工智能
• 深度学习
• 算子库
• CANN
• Ascend