aclnnTanhGrad
【免费下载链接】ops-nn本项目是CANN提供的神经网络类计算算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-nn
产品支持情况
| 产品 | 是否支持 |
|---|---|
| Atlas A2 训练系列产品/Atlas 800I A2 推理产品 | √ |
功能说明
- 算子功能：完成 Tanh 的反向。
- 计算公式：
$$ dx = dy * (1 - y * y) $$
函数原型
每个算子分为两段式接口，必须先调用"aclnnTanhGradGetWorkspaceSize"接口获取入参并根据计算流程计算所需workspace大小，再调用"aclnnTanhGrad"接口执行计算。
aclnnStatus aclnnTanhGradGetWorkspaceSize( const aclTensor *y, const aclTensor *dy, aclTensor *dx, uint64_t *workspaceSize, aclOpExecutor **executor)aclnnStatus aclnnTanhGrad( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)aclnnTanhGradGetWorkspaceSize
参数说明：
参数名 输入/输出 描述 使用说明 数据类型 数据格式 维度(shape) 非连续Tensor y 输入 公式中的 y（Tanh 前向输出）。 dtype 需与 dy 保持一致。shape 需与 dy 相同。 FLOAT、FLOAT16、BFLOAT16 ND 0-8 √ dy 输入 公式中的 dy（上游梯度）。 数据类型与 y 的数据类型满足互推导关系。 FLOAT、FLOAT16、BFLOAT16 ND 0-8 √ dx 输出 公式中的 dx（输入梯度）。 dtype 需与 y 相同。shape 需与 y 相等。 FLOAT、FLOAT16、BFLOAT16 ND 0-8 √ workspaceSize 输出 返回需要在 Device 侧申请的 workspace 大小。 - - - - - executor 输出 返回 op 执行器，包含了算子计算流程。 - - - - - 返回值：
aclnnStatus：返回状态码，具体参见aclnn返回码。 第一段接口会完成入参校验，出现以下场景时报错：
返回码 错误码 描述 ACLNN_ERR_PARAM_NULLPTR 161001 传入的 y 或 dy 是空指针。 ACLNN_ERR_PARAM_INVALID 161002 y 或 dy 的数据类型不在支持的范围之内。 y 或 dy 的 shape 超过 8 维。 y、dy 与 dx 数据类型不一致。 y 与 dy 的 shape 不一致。
aclnnTanhGrad
参数说明：
参数名 输入/输出 描述 workspace 输入 在 Device 侧申请的 workspace 内存地址。 workspaceSize 输入 在 Device 侧申请的 workspace 大小，由第一段接口 aclnnTanhGradGetWorkspaceSize 获取。 executor 输入 op 执行器，包含了算子计算流程。 stream 输入 指定执行任务的 Stream。 返回值：
aclnnStatus：返回状态码，具体参见aclnn返回码。
约束说明
无。
调用示例
示例代码如下，仅供参考，具体编译和执行过程请参考编译与运行样例。
#include <iostream> #include <vector> #include "acl/acl.h" #include "aclnn_tanh_grad.h" #define CHECK_RET(cond, return_expr) \ do { \ if (!(cond)) { \ return_expr; \ } \ } while (0) #define LOG_PRINT(message, ...) \ do { \ printf(message, ##__VA_ARGS__); \ } while (0) int64_t GetShapeSize(const std::vector<int64_t>& shape) { int64_t shapeSize = 1; for (auto i : shape) { shapeSize *= i; } return shapeSize; } int Init(int32_t deviceId, aclrtStream* stream) { auto ret = aclInit(nullptr); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret); ret = aclrtSetDevice(deviceId); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret); ret = aclrtCreateStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret); return 0; } template <typename T> int CreateAclTensor(const std::vector<T>& hostData, const std::vector<int64_t>& shape, void** deviceAddr, aclDataType dataType, aclTensor** tensor) { auto size = GetShapeSize(shape) * sizeof(T); auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret); ret = aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMemcpy failed. ERROR: %d\n", ret); return ret); std::vector<int64_t> strides(shape.size(), 1); for (int64_t i = shape.size() - 2; i >= 0; i--) { strides[i] = shape[i + 1] * strides[i + 1]; } *tensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { int32_t deviceId = 0; aclrtStream stream; auto ret = Init(deviceId, &stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret); std::vector<int64_t> yShape = {2, 2}; std::vector<int64_t> dyShape = {2, 2}; std::vector<int64_t> dxShape = {2, 2}; void* yDeviceAddr = nullptr; void* dyDeviceAddr = nullptr; void* dxDeviceAddr = nullptr; aclTensor* y = nullptr; aclTensor* dy = nullptr; aclTensor* dx = nullptr; // y = tanh(x), example values after tanh std::vector<float> yHostData = {0.7616, 0.9640, 0.9951, 0.9993}; std::vector<float> dyHostData = {4.5, 4.4, 4.3, 4.2}; std::vector<float> dxHostData = {0.0, 0.0, 0.0, 0.0}; ret = CreateAclTensor(yHostData, yShape, &yDeviceAddr, aclDataType::ACL_FLOAT, &y); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dyHostData, dyShape, &dyDeviceAddr, aclDataType::ACL_FLOAT, &dy); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(dxHostData, dxShape, &dxDeviceAddr, aclDataType::ACL_FLOAT, &dx); CHECK_RET(ret == ACL_SUCCESS, return ret); uint64_t workspaceSize = 0; aclOpExecutor* executor; ret = aclnnTanhGradGetWorkspaceSize(y, dy, dx, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnTanhGradGetWorkspaceSize failed. ERROR: %d\n", ret); return ret); void* workspaceAddr = nullptr; if (workspaceSize > 0) { ret = aclrtMalloc(&workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret); } ret = aclnnTanhGrad(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnTanhGrad failed. ERROR: %d\n", ret); return ret); ret = aclrtSynchronizeStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret); auto size = GetShapeSize(dxShape); std::vector<float> resultData(size, 0); ret = aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), dxDeviceAddr, size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result failed. ERROR: %d\n", ret); return ret); for (int64_t i = 0; i < size; i++) { LOG_PRINT("result[%ld] is: %f\n", i, resultData[i]); } aclDestroyTensor(y); aclDestroyTensor(dy); aclDestroyTensor(dx); aclrtFree(yDeviceAddr); aclrtFree(dyDeviceAddr); aclrtFree(dxDeviceAddr); if (workspaceSize > 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }【免费下载链接】ops-nn本项目是CANN提供的神经网络类计算算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-nn
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
