aclnnAddLayerNormGrad

产品支持情况

产品	是否支持
[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]	√
[object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]	√
[object Object]Atlas 200I/500 A2 推理产品[object Object]	×
[object Object]Atlas 推理系列产品 [object Object]	√
[object Object]Atlas 训练系列产品[object Object]	×

功能说明

• 算子功能：LayerNorm是一种归一化方法，可以将网络层输入数据归一化到[0, 1]之间。LayerNormGrad算子是深度学习中用于反向传播阶段的一个关键算子，主要用于计算LayerNorm操作的梯度。AddLayerNormGrad算子是将Add和LayerNormGrad融合起来，减少搬入搬出操作。

• 计算公式：

  • 正向公式：（D为reduce轴大小）

    $$x= inputx1 + inputx2$$ $$\operatorname{LayerNorm}(x)=\frac{x_i−\operatorname{E}(x)}{\sqrt{\operatorname{Var}(x)+ eps}}*\gamma + \beta$$ $$其中\operatorname{E}(x_i)=\frac{1}{D}\sum_{1}^{D}{x_i}$$ $$\operatorname{Var}(x_i)=\frac{1}{D}\sum_{1}^{D}{(x_i-\operatorname{E}(x))^2}$$

  • 反向公式：

    $$x= inputx1 + inputx2$$ $$dxOut = \sum_{j}{inputdy_i * \gamma_j * \frac{{\rm d}\hat{x_j}}{{\rm d}x_i}} + dsumOptional$$ $$dgammaOut = \sum_{j}{inputdy_i * \frac{{\rm d}\hat{x_j}}{{\rm d}x_i}}$$ $$dbetaOut = \sum_{j}{inputdy_i}$$

    其中：

    • $\hat{x_j}$：

      $$\hat{x_j}=({x_i-\operatorname{E}(x)}) * {rstd}$$

    • $rstd$：

      $$rstd=\frac {1}{\sqrt{\operatorname{Var}(x)}}$$

    • $\frac{{\rm d}\hat{x_j}}{{\rm d}x_i}$：

      $$\frac{{\rm d}\hat{x_j}}{{\rm d}x_i}=(\delta_{ij} - \frac{{\rm d}\operatorname{E}(x)}{{\rm d} x_i}) * \frac{1}{\sqrt{\operatorname{Var}(x_i)}}-\frac{1}{\operatorname{Var}(x_i)} (x_j-\operatorname{E}(x))\frac{\rm d \operatorname{Var}(x_i)}{\rm dx}$$

      其中，当i=j时，$\delta_{ij}$=1；当i!=j时，$\delta_{ij}$=0。

    • $\frac{{\rm d}\operatorname{E}(x)}{{\rm d}x_i}$：

      $$\frac{{\rm d}\operatorname{E}(x)}{{\rm d}x_i}=\frac{1}{D}$$

      其中，D为x中参加均值计算的数量。

    • $\frac{\rm d \operatorname{Var}(x_i)}{\rm dx}$：

      $$\frac{\rm d \operatorname{Var}(x_i)}{\rm dx}=\frac{1}{D}\frac{1}{\sqrt{\operatorname{Var} (x_i)}}(x_i-\operatorname{E}(x))$$

    • 化简后的$dxOut$：

      $$dxOut = rstd * ({inputdy_i * \gamma_j} - \frac{1}{D} * (\sum_{j}{inputdy_i * \gamma_j} + \hat {x_j} * \sum_{j}{inputdy_i * \gamma_j * \hat{x_j}})) + dsumOptional$$

函数原型

每个算子分为undefined，必须先调用“aclnnAddLayerNormGradGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnAddLayerNormGrad”接口执行计算。

• aclnnStatus aclnnAddLayerNormGradGetWorkspaceSize(const aclTensor *dy, const aclTensor *x1, const aclTensor *x2, const aclTensor *rstd, const aclTensor *mean, const aclTensor *gamma, const aclTensor *dsumOptional, const aclTensor *dxOut, const aclTensor *dgammaOut, const aclTensor *dbetaOut, uint64_t *workspaceSize, aclOpExecutor **executor)
• aclnnStatus aclnnAddLayerNormGrad(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)

aclnnAddLayerNormGradGetWorkspaceSize

• 参数说明：

  • dy（aclTensor *，计算输入）：主要的grad输入，公式中的inputdy，Device侧的aclTensor，shape支持1-8维，undefined支持ND，支持undefined。
    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16、BFLOAT16。
  • x1（aclTensor *，计算输入）：为正向融合算子的输入x1，公式中的inputx1，Device侧的aclTensor，shape、数据类型与dy的shape、数据类型保持一致。undefined支持ND，支持undefined。
    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16、BFLOAT16。
  • x2（aclTensor *，计算输入）：为正向融合算子的输入x2，公式中的inputx2，Device侧的aclTensor，shape、数据类型与dy的shape、数据类型保持一致。undefined支持ND，支持undefined。
    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16、BFLOAT16。
  • rstd（aclTensor *，计算输入）：表示正向输入x1、x2之和的标准差的倒数，公式中的rstd，Device侧的aclTensor，输入数据类型支持FLOAT32，shape需要与dy满足undefined（前几维的维度和dy前几维的维度相同，前几维指dy的维度减去gamma的维度，表示不需要norm的维度），undefined支持ND，支持undefined。
  • mean（aclTensor *，计算输入）：表示正向输入x1、x2之和的均值，公式中的E(x)，Device侧的aclTensor，数据类型支持FLOAT32，shape需要与dy满足undefined（前几维的维度和dy前几维的维度相同，前几维指dy的维度减去gamma的维度，表示不需要norm的维度），undefined支持ND，支持undefined。
  • gamma（aclTensor *，计算输入）：表示正向输入的gamma，公式中的γ，Device侧的aclTensor，shape维度和dy后几维的维度相同，shape支持1-8维，表示需要norm的维度。数据类型与dy的数据类型保持一致。undefined支持ND，支持undefined。
    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16、BFLOAT16。
  • dsumOptional（aclTensor *，计算输入）：额外的反向梯度累加输入，shape支持2-8维，公式中的dsumOptional，Device侧的aclTensor，undefined支持ND，支持undefined。shape、数据类型与dy的shape、数据类型保持一致。
    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16、BFLOAT16。
  • dxOut（aclTensor *，计算输出）：表示输入x1+x2之和的梯度。shape支持2-8维，公式中的dxOut，Device侧的aclTensor，undefined支持ND，支持undefined。shape、数据类型与dy的shape、数据类型保持一致。
    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持FLOAT32、FLOAT16、BFLOAT16。
  • dgammaOut（aclTensor *，计算输出）：表示入参gamma的梯度，数据类型支持FLOAT32，公式中的dgammaOut，Device侧的aclTensor，shape与输入gamma一致，undefined支持ND，支持undefined。
  • dbetaOut（aclTensor *，计算输出）：表示正向入参beta的反向梯度，数据类型支持FLOAT32。公式中的dbetaOut，Device侧的aclTensor，shape与输入gamma一致，undefined支持ND，支持undefined。
  • workspaceSize（uint64_t *，出参）：返回需要在Device侧申请的workspace大小。
  • executor（aclOpExecutor **，出参）：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undefined。

  [object Object]

aclnnAddLayerNormGrad

• 参数说明：

  • workspace（void *，入参）：在Device侧申请的workspace内存地址。
  • workspaceSize（uint64_t，入参）：在Device侧申请的workspace大小，由第一段接口aclnnAddLayerNormGradGetWorkspaceSize获取。
  • executor（aclOpExecutor *，入参）：op执行器，包含了算子计算流程。
  • stream（aclrtStream，入参）：指定执行任务的Stream。

• 返回值：

  aclnnStatus：返回状态码，具体参见undefined。

约束说明

• 功能维度

  • 数据类型支持
    • [object Object]Atlas 推理系列产品[object Object]：dy、x1、x2、gamma、dsumOptional、dxOut支持FLOAT32、FLOAT16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：dy、x1、x2、gamma、dsumOptional、dxOut支持FLOAT32、FLOAT16、BFLOAT16。
    • rstd、mean、dgammaOut、dbetaOut支持：FLOAT32。
  • 数据格式支持：ND。

• 未支持类型说明

  DOUBLE：指令不支持DOUBLE。

• 支持类型说明

  是否支持空Tensor：支持空进空出。

• 边界值场景说明

  • 当输入是inf时，输出为inf。
  • 当输入是nan时，输出为nan。

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undefined。