Tanh

产品支持情况

功能说明

按元素做逻辑回归Tanh，计算公式如下，其中PAR表示矢量计算单元一个迭代能够处理的元素个数：

函数原型

• 通过sharedTmpBuffer入参传入临时空间
  • 源操作数Tensor全部/部分参与计算

    1 2	template <typename T, bool isReuseSource = false> __aicore__ inline void Tanh(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const LocalTensor<uint8_t>& sharedTmpBuffer, const uint32_t calCount)

  • 源操作数Tensor全部参与计算

    1 2	template <typename T, bool isReuseSource = false> __aicore__ inline void Tanh(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const LocalTensor<uint8_t>& sharedTmpBuffer)

• 接口框架申请临时空间
  • 源操作数Tensor全部/部分参与计算

    1 2	template <typename T, bool isReuseSource = false> __aicore__ inline void Tanh(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const uint32_t calCount)

  • 源操作数Tensor全部参与计算

    1 2	template <typename T, bool isReuseSource = false> __aicore__ inline void Tanh(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor)

  由于该接口的内部实现中涉及复杂的数学计算，需要额外的临时空间来存储计算过程中的中间变量。临时空间支持开发者通过sharedTmpBuffer入参传入和接口框架申请两种方式。

  • 通过sharedTmpBuffer入参传入，使用该tensor作为临时空间进行处理，接口框架不再申请。该方式开发者可以自行管理sharedTmpBuffer内存空间，并在接口调用完成后，复用该部分内存，内存不会反复申请释放，灵活性较高，内存利用率也较高。
  • 接口框架申请临时空间，开发者无需申请，但是需要预留临时空间的大小。

  通过sharedTmpBuffer传入的情况，开发者需要为tensor申请空间；接口框架申请的方式，开发者需要预留临时空间。临时空间大小BufferSize的获取方式如下：通过GetTanhMaxMinTmpSize中提供的接口获取需要预留空间范围的大小。

参数说明

返回值说明

无

约束说明

• 不支持源操作数与目的操作数地址重叠。
• 不支持sharedTmpBuffer与源操作数和目的操作数地址重叠。
• 操作数地址偏移对齐要求请参见通用约束。

调用示例

1
2
3
4
5
6

AscendC::TPipe pipe;
AscendC::TQue<AscendC::TPosition::VECCALC, 1> tmpQue;
pipe.InitBuffer(tmpQue, 1, bufferSize);  // bufferSize 通过Host侧tiling参数获取
AscendC::LocalTensor<uint8_t> sharedTmpBuffer = tmpQue.AllocTensor<uint8_t>();
// 输入tensor长度为1024, 算子输入的数据类型为half，实际计算个数为512
AscendC::Tanh(dstLocal, srcLocal, sharedTmpBuffer, 512);

1
2
3

输入数据(srcLocal): [1.762616 7.9542747 ... 7.8306146 6.3167496]
输出数据(dstLocal): 
[0.9427944   0.9999998 ... 0.9999996 0.9999934]