aclnnConvolutionBackward

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：卷积的反向传播。根据输出掩码设置计算输入、权重和偏差的梯度。此函数支持1D、2D和3D卷积。
计算公式：

输入input( $N,C_{in},D_{in},H_{in},W_{in}$ )、输出out( $N,C_{out},D_{out},H_{out},W_{out}$ )和卷积步长( $stride$ )、卷积核大小( $kernelSize，kD,kH,kW$ )、膨胀参数( $dilation$ )的关系是：
$D_{out}=\lfloor \frac{D_{in}+2*padding[0]-dilation[0] * (kernelSize[0] - 1) - 1}{stride[0]}+1 \rfloor$ $H_{out}=\lfloor \frac{H_{in}+2*padding[1]-dilation[1] * (kernelSize[1] - 1) - 1}{stride[1]}+1 \rfloor$ $W_{out}=\lfloor \frac{W_{in}+2*padding[2]-dilation[2] * (kernelSize[2] -1) -1}{stride[2]}+1 \rfloor$
卷积反向传播需要计算对卷积正向的输入张量 $x$ 、卷积核权重张量 $w$ 和偏置 $b$ 的梯度。
- 对于 $x$ 的梯度 $\frac{\partial L}{\partial x}$ ：
  $\frac{\partial L}{\partial x_{n, c_{in}, i, j}} = \sum_{c_{out}=1}^{C_{out}} \sum_{p=1}^{k_H} \sum_{q=1}^{k_W} \frac{\partial L}{\partial y_{n, c_{out}, i-p, j-q}}\cdot w_{c_{out}, c_{in}, p, q}$
  其中， $L$ 为损失函数， $\frac{\partial L}{\partial y}$ 为输出张量 $y$ 对 $L$ 的梯度。
- 对于 $w$ 的梯度 $\frac{\partial L}{\partial w}$ ：
  $\frac{\partial L}{\partial w_{c_{out}, c_{in}, p, q}} = \sum_{n=1}^{N} \sum_{i=1}^{H_{out}} \sum_{j=1}^{W_{out}} x_{n, c_{in}, i \cdot s_H + p, j \cdot s_W + q} \cdot \frac{\partial L}{\partial y_{n, c_{out}, i, j}}$
- 对于 $b$ 的梯度 $\frac{\partial L}{\partial b}$ ：
  $\frac{\partial L}{\partial b_{c_{out}}} = \sum_{n=1}^{N} \sum_{i=1}^{H_{out}} \sum_{j=1}^{W_{out}} \frac{\partial L}{\partial y_{n, c_{out}, i, j}}$

函数原型

每个算子分为undefined，必须先调用“aclnnConvolutionBackwardGetWorkspaceSize”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“aclnnConvolutionBackward”接口执行计算。

aclnnStatus aclnnConvolutionBackwardGetWorkspaceSize(const aclTensor *gradOutput, const aclTensor *input, const aclTensor *weight, const aclIntArray *biasSizes, const aclIntArray *stride, const aclIntArray *padding, const aclIntArray *dilation, bool transposed, const aclIntArray *outputPadding, int groups, const aclBoolArray *outputMask, int8_t cubeMathType, aclTensor *gradInput, aclTensor *gradWeight, aclTensor *gradBias, uint64_t *workspaceSize, aclOpExecutor **executor)
aclnnStatus aclnnConvolutionBackward(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)

aclnnConvolutionBackwardGetWorkspaceSize

参数说明：
- gradOutput(aclTensor *，计算输入)：公式中的 $\frac{\partial L}{\partial y}$ $\frac{\partial L}{\partial y}$ ，shape不支持broadcast，要求和input、weight满足卷积输入输出shape的推导关系。其数据类型与input、weight满足数据类型推导规则（参见undefined和undefined）。支持undefined。undefined支持NCL、NCHW、NCDHW，且需要与input、gradInput一致。
  - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：数据类型支持FLOAT、FLOAT16。不支持空tensor。
  - [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BFLOAT16、FLOAT、FLOAT16。1d、2d和3d transposed=false场景，各个维度的大小应该大于等于1。
- input(aclTensor *，计算输入)：公式中的 $x$ $x$ ，shape不支持broadcast，要求和gradOutput、weight满足卷积输入输出shape的推导关系。其数据类型与gradOutput、weight满足数据类型推导规则（参见undefined和undefined）。支持undefined。undefined支持NCL、NCHW、NCDHW，且需要与gradOutput、gradInput一致。
  - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：数据类型支持FLOAT、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BFLOAT16、FLOAT、FLOAT16。1d、2d和3d transposed=false场景，各个维度的大小应该大于等于1。
- weight(aclTensor *，计算输入)：公式中的 $w$ $w$ ，shape不支持broadcast，要求和gradOutput、input满足卷积输入输出shape的推导关系。其数据类型与gradOutput、input满足数据类型推导规则（参见undefined和undefined）。支持undefined。undefined支持NCL、NCHW、NCDHW，且需要与gradWeight一致。
  - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：数据类型支持FLOAT、FLOAT16。不支持空tensor。
  - [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BFLOAT16、FLOAT、FLOAT16。2d和3d transposed=false场景，H、W的大小应该在[1,255]的范围内，其他维度的大小应该大于等于1。1d transposed=false场景，L的大小应该在[1,255]的范围内，其他维度的大小应该大于等于1。
- biasSizes(aclIntArray *，计算输入)：卷积正向过程中偏差(bias)的shape。数据类型为int64，数组长度是1。其在普通卷积中等于[weight.shape[0]],在转置卷积中等于[weight.shape[1] * groups]。空Tensor场景下，当outputMask指定偏差的梯度需要计算时，biasSizes不能为nullptr。
- stride(aclIntArray *，计算输入)：反向传播过程中卷积核在输入上移动的步长。数据类型为int64，数组长度为weight维度减2，数值必须大于0。
  - [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]：3d transposed=false场景，strideD应该大于等于1，strideH、strideW应该在[1,63]的范围内。1d和2d transposed=false场景，各个值都应该大于等于1。
- padding(aclIntArray *，计算输入)：反向传播过程中对于输入填充。数据类型为int64，数组长度可以为weight维度减2，在2d场景下数组长度可以为4。数值必须大于等于0。
  - [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]：3d transposed=false场景，paddingD应该大于等于0，paddingH、paddingW应该在[0,255]的范围内。1d和2d transposed=false场景，各个值都应该在[0,255]的范围内。
- dilation(aclIntArray *，计算输入)：反向传播过程中的膨胀参数。数据类型为int64，数组长度可以为weight维度减2。数值必须大于0。
  - [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]：1d、2d和3d transposed=false场景，各个值都应该在[1,255]的范围内。
- transposed(bool，计算输入)：转置卷积使能标志位, 当其值为True时使能转置卷积。
- outputPadding(aclIntArray *，计算输入)：反向传播过程中对于输出填充，数据类型为int64，数组长度可以为weight维度减2，各维度的数值范围满足[0, stride对应维度数值)。transposed为False场景下，要求每个元素值为0。
- groups(int，计算输入)：反向传播过程中输入通道的分组数。数据类型为int32，需满足groups*weight的C维度=input的C维度，groups取值范围为[1, 65535]。
- outputMask(const aclBoolArray *，计算输入)：输出掩码参数, 指定输出中是否包含输入、权重、偏差的梯度。反向传播过程输出掩码参数为True对应位置的梯度。
- cubeMathType(int8_t，计算输入)：用于判断Cube单元应该使用哪种计算逻辑进行运算，INT8类型的枚举值，枚举如下：
  - 0:KEEP_DTYPE，保持输入的数据类型进行计算。
    - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：当输入是FLOAT，Cube计算单元暂不支持，取0时会报错。
  - 1:ALLOW_FP32_DOWN_PRECISION，允许将输入数据降精度计算。
    - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：当输入是FLOAT，转换为FLOAT16计算。当输入为其他数据类型时不做处理。
    - [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]：当输入是FLOAT，转换为HFLOAT32计算。当输入为其他数据类型时不做处理。
  - 2:USE_FP16，允许转换为数据类型FLOAT16进行计算。当输入数据类型是FLOAT，转换为FLOAT16计算。
    - [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]：当输入是BFLOAT16时不支持该选项。当输入为其他数据类型时不做处理。
  - 3:USE_HF32，允许转换为数据类型HFLOAT32计算。当输入是FLOAT16，仍使用FLOAT16计算。
    - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：当输入是FLOAT，Cube计算单元暂不支持。
    - [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]：当输入是FLOAT，转换为HFLOAT32计算。当输入为其他数据类型时不做处理。
- gradInput(aclTensor *, 计算输出)：公式中的 $\frac{\partial L}{\partial x}$ $\frac{\partial L}{\partial x}$ ，undefined为NCL、NCHW、NCDHW，且与input、gradOutput一致。数据类型与input保持一致。
  - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：数据类型支持FLOAT、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BFLOAT16、FLOAT、FLOAT16。
- gradWeight(aclTensor *, 计算输出)：公式中的 $\frac{\partial L}{\partial w}$ $\frac{\partial L}{\partial w}$ ，undefined为NCL、NCHW、NCDHW，且与weight一致。
  - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：数据类型支持FLOAT、FLOAT16。数据类型与weight保持一致。
  - [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BFLOAT16、FLOAT、FLOAT16。数据类型与weight保持一致。
- gradBias(aclTensor *, 计算输出)：公式中的 $\frac{\partial L}{\partial b}$ $\frac{\partial L}{\partial b}$ ，且数据类型与gradOutput一致，undefined为ND。
  - [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：数据类型支持FLOAT、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BFLOAT16、FLOAT、FLOAT16。
- 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]

aclnnConvolutionBackward

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aclnnConvolutionBackwardGetWorkspaceSize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

[object Object]Atlas 推理系列产品[object Object]：当前仅支持1D和2D卷积的反向传播，暂不支持3D卷积的反向传播。

[object Object]Atlas 训练系列产品[object Object]：当前仅支持1D和2D卷积的反向传播，暂不支持3D卷积的反向传播。

input的维度必须是2维以上
stride、padding、dilation、outputPadding的维度必须等于input维度-2
transposed=false时，D、H、W维度约束： $(input_{dim} + pad_{dim} \times 2) \ge ((weight_{dim} - 1) \times dilation_{dim} + 1)$
transposed=true时：
- weight的N轴必须大于0
- weight的N轴必须和input的C轴相等

由于硬件资源限制，算子在部分参数取值组合场景下会执行失败，请根据日志信息提示分析并排查问题。若无法解决，请单击undefined获取技术支持。

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。

[object Object]