aclnnMoeFinalizeRoutingV2Grad

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：aclnnMoeFinalizeRoutingV2的反向传播。

• 计算公式： R: batch * sequence

  H: hidden

  K: topk

  gradY: (R, H)

  expandedRowIdx: (R * K)

  expandedXOptional: (R * K, H) or (activeNum, H) or (expertNum, expertCapacity, H)

  scalesOptional: (R, K)

  expertIdxOptional: (R, K)

  biasOptional：(E, H)

  i : 0 ~ R * K - 1

  j : 0 ~ H

  (1) scalesOptional为空指针：

  $$gradExpandedXOut[expandedRowIdx[i]][j] = gradY[i / K][j]$$

  (2) scalesOptional不为空指针, biasOptional为空指针：

  $$gradExpandedXOut[expandedRowIdx[i]][j] = gradY[i / K][j] * scalesOptional[i]$$ $$gradScalesOut[i] = sum(expandedXOptional[expandedRowIdx[i]][j] * gradY[i / K][j])$$

  (3) scalesOptional不为空指针, biasOptional不为空指针：

  $$gradExpandedXOut[expandedRowIdx[i]][j] = gradY[i / K][j] * scalesOptional[i]$$ $$gradScalesOut[i] = sum((expandedXOptional[expandedRowIdx[i]][j] + biasOptional[expertIdxOptional[i]][j]) * gradY[i / K][j])$$

函数原型

每个算子分为undefined，必须先调用“aclnnMoeFinalizeRoutingV2GradGetWorkspaceSize”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“aclnnMoeFinalizeRoutingV2Grad”接口执行计算。

• aclnnStatus aclnnMoeFinalizeRoutingV2GradGetWorkspaceSize(const aclTensor *gradY, const aclTensor *expandedRowIdx, const aclTensor *expandedXOptional, const aclTensor *scalesOptional, const aclTensor *expertIdxOptional, const aclTensor *biasOptional, int64_t dropPadMode, int64_t activeNum, int64_t expertNum, int64_t expertCapacity, const aclTensor *gradExpandedXOut, const aclTensor *gradScalesOut, uint64_t *workspaceSize, aclOpExecutor **executor)
• aclnnStatus aclnnMoeFinalizeRoutingV2Grad(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)

aclnnMoeFinalizeRoutingV2GradGetWorkspaceSize

• 参数说明：

  • gradY（aclTensor*，计算输入）：Device侧的aclTensor，表示MoeFinalizeRoutingV2正向输出y的导数，要求是一个2D的Tensor，shape为(R, H)，数据类型支持FLOAT16、BFLOAT16、FLOAT32，undefined要求为ND，支持非连续输入。
  • expandedRowIdx（aclTensor*，计算输入）：Device侧的aclTensor，表示token按照专家序排序索引，要求是一个1D的Tensor，shape为(R * K)，当scalesOptional传入空指针的时候，K必须为1，当dropPadMode是0时，取值范围是[0, R * K - 1]，且没有重复索引；当dropPadMode是1时，取值范围是[-1, expertNum * expertCapacity - 1]，且除-1外，不允许有其它重复索引，数据类型支持INT32，undefined要求为ND，支持非连续输入。
  • expandedXOptional（aclTensor*，可选计算输入）：Device侧的aclTensor，表示根据expertIdx进行扩展过的特征，当scalesOptional非空指针时，其也不能是空指针，当dropPadMode是0时，要求是一个2D的Tensor，当activeNum大于0且小于R * K时，shape为(activeNum, H)，否则shape为(R * K, H)；当dropPadMode是1时，要求是一个3D的Tensor，shape为(expertNum, expertCapacity, H)，数据类型同gradY，支持FLOAT16、BFLOAT16、FLOAT32，undefined要求为ND，支持非连续输入。
  • scalesOptional（aclTensor*，可选计算输入）：Device侧的aclTensor，表示对特征进行的缩放，要求是一个2D的Tensor，shape为(R, K)，支持FLOAT16、BFLOAT16、FLOAT32，undefined要求为ND，支持非连续输入。
  • [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]：数据类型要求与gradY一致。
  • expertIdxOptional（aclTensor*，可选计算输入）：Device侧的aclTensor，表示每一个特征对应的处理专家索引，当biasOptional非空指针时，其也不能是空指针，要求是一个2D的Tensor，shape为(R, K)，取值范围是[0, E - 1], E >= 1, 允许有重复索引，数据类型同expandedRowIdx，支持INT32，undefined要求为ND，支持非连续输入。
  • biasOptional（aclTensor*，可选计算输入）：Device侧的aclTensor，表示对特征进行的偏移，要求是一个2D的Tensor，shape为(E, H)，数据类型同gradY，支持FLOAT16、BFLOAT16、FLOAT32，undefined要求为ND，支持非连续输入。
  • dropPadMode（int64_t, 计算输入）：int64数据类型，表示使用不同的场景，取值为0和1，0代表dropless场景，不校验expertNum和expertCapacity；1代表drop场景，需要校验expertNum和expertCapacity，对于每个专家处理的超过和不足expertCapacity的值会做相应的处理。
  • activeNum（int64_t, 计算输入）：int64数据类型，表示gradExpandedXOut最大输出行数，当dropPadMode是0时，只有当activeNum大于0且小于R * K时，该参数才生效；当dropPadMode是1时，该参数不生效。
  • expertNum（int64_t, 计算输入）：int64数据类型，表示专家数，当dropPadMode是0时，该参数不生效；当dropPadMode是1时，当biasOptional非空指针时，expertNum必须等于E，当biasOptional是空指针时，expertNum必须大于0，否则会报错。
  • expertCapacity（int64_t, 计算输入）：int64数据类型，表示每个专家能够处理的行数，当dropPadMode是0时，该参数不生效；当dropPadMode是1时，expertCapacity必须大于0，否则会报错。
  • gradExpandedXOut（aclTensor*，计算输出）：Device侧的aclTensor，MoeFinalizeRoutingV2正向输入expandedX的导数，当dropPadMode是0时，要求是一个2D的Tensor，当activeNum大于0且小于R * K时，shape为(activeNum, H)，否则shape为(R * K, H)；当dropPadMode是1时，要求是一个3D的Tensor，shape为(expertNum, expertCapacity, H)，数据类型同gradY，支持FLOAT16、BFLOAT16、FLOAT32，undefined要求为ND，不支持非连续输出。
  • gradScalesOut（aclTensor*，计算输出）：Device侧的aclTensor，MoeFinalizeRoutingV2正向输入scales的导数，当scalesOptional不是空指针时，此输出才有意义，要求是一个2D的Tensor，shape为(R, K)，数据类型同scalesOptional，支持FLOAT16、BFLOAT16、FLOAT32，undefined要求为ND，不支持非连续输出。
  • 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：

  返回aclnnStatus状态码，具体参见undefined。

  [object Object]

aclnnMoeFinalizeRoutingV2Grad

• 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aclnnMoeFinalizeRoutingV2GradGetWorkspaceSize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：

  返回aclnnStatus状态码，具体参见undefined。

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undefined。