vec_exp

功能说明

按element取自然指数：。

函数原型

vec_exp(mask, dst, src, repeat_times, dst_rep_stride, src_rep_stride)

参数说明

请参见参数说明。

dst/src数据类型保持一致。

Atlas 200/300/500 推理产品，dst与src支持的数据类型为：Tensor(float16)

Atlas 训练系列产品，dst与src支持的数据类型为：Tensor(float16/float32)

Atlas 推理系列产品 AI Core，dst与src支持的数据类型为：Tensor(float16/float32)

Atlas 推理系列产品 Vector Core，dst与src支持的数据类型为：Tensor(float16/float32)

Atlas A2 训练系列产品 / Atlas 800I A2 推理产品 /A200I A2 Box 异构组件，dst与src支持的数据类型为：Tensor(float16/float32)

Atlas A3 训练系列产品 / Atlas A3 推理系列产品，dst与src支持的数据类型为：Tensor(float16/float32)

Atlas 200I/500 A2 推理产品，dst与src支持的数据类型为：Tensor(float16/float32)

返回值

无

支持的型号

Atlas 200/300/500 推理产品

Atlas 训练系列产品

Atlas 推理系列产品 AI Core

Atlas 推理系列产品 Vector Core

Atlas A2 训练系列产品 / Atlas 800I A2 推理产品 /A200I A2 Box 异构组件

Atlas A3 训练系列产品 / Atlas A3 推理系列产品

Atlas 200I/500 A2 推理产品

注意事项

对于 Atlas 200/300/500 推理产品，如果e^x满足精度要求，但使用该接口计算e^x - 1时，当输入float16类型的数据时，计算精度可能不满足双千分之一（这是因为减法有误差），如果对e^x - 1精度有更高要求，建议使用vec_expm1_high_preci接口。
对于 Atlas 训练系列产品，如果e^x满足精度要求，但使用该接口计算e^x - 1时，当输入float16类型的数据时，计算精度可能不满足双千分之一（这是因为减法有误差），如果对e^x - 1精度有更高要求，建议使用vec_expm1_high_preci接口。
对于 Atlas 推理系列产品 AI Core，如果e^x满足精度要求，但使用该接口计算e^x - 1时，当输入float16类型的数据时，计算精度可能不满足双千分之一（这是因为减法有误差），如果对e^x - 1精度有更高要求，建议使用vec_expm1_high_preci接口。
对于 Atlas 推理系列产品 Vector Core，如果e^x满足精度要求，但使用该接口计算e^x - 1时，当输入float16类型的数据时，计算精度可能不满足双千分之一（这是因为减法有误差），如果对e^x - 1精度有更高要求，建议使用vec_expm1_high_preci接口。
对于 Atlas A2 训练系列产品 / Atlas 800I A2 推理产品 /A200I A2 Box 异构组件, 如果e^x满足精度要求，但使用该接口计算e^x - 1时，当输入float16类型的数据时，计算精度可能不满足双千分之一（这是因为减法有误差），如果对e^x - 1精度有更高要求，建议使用vec_expm1_high_preci接口。
对于 Atlas 200I/500 A2 推理产品 , 如果e^x满足精度要求，但使用该接口计算e^x - 1时，当输入float16类型的数据时，计算精度可能不满足双千分之一（这是因为减法有误差），如果对e^x - 1精度有更高要求，建议使用vec_expm1_high_preci接口。
其他注意事项请参考注意事项。

调用示例

此样例是针对数据量较小、一次搬运就可以完成的场景，目的是让大家了解接口的功能，更复杂的数据量较大的样例可参见调用示例。

from tbe import tik
tik_instance = tik.Tik()
src_gm = tik_instance.Tensor("float16", (128,), name="src_gm", scope=tik.scope_gm)
src_ub = tik_instance.Tensor("float16", (128,), name="src_ub", scope=tik.scope_ubuf)
dst_gm = tik_instance.Tensor("float16", (128,), name="dst_gm", scope=tik.scope_gm)
dst_ub = tik_instance.Tensor("float16", (128,), name="dst_ub", scope=tik.scope_ubuf)
tik_instance.data_move(src_ub, src_gm, 0, 1, 8, 0, 0)
tik_instance.vec_exp(128, dst_ub, src_ub, 1, 8, 8)
tik_instance.data_move(dst_gm, dst_ub, 0, 1, 8, 0, 0)
tik_instance.BuildCCE(kernel_name="exp", inputs=[src_gm], outputs=[dst_gm])

结果示例：

输入数据：
[0, 1, 2, 3, ......]

输出数据：
[1.0, 2.719, 7.391, 20.08, ......]

父主题： 单目