昇腾社区首页
中文
注册
开发者
下载

aclnnUpsampleBicubic2dAAGrad

产品支持情况

[object Object]undefined

功能说明

  • 接口功能:的反向传播。如果输入张量的shape为(N, C, H, W),则输出张量的shape为(N, C, inputSize[2], inputSize[3])。
  • 计算公式:对于一个二维插值点(N,C,h,w)(N, C, h, w),插值gradInput(N,C,h,w)gradInput(N, C, h, w)可以表示为:gradInput(N,C,h,w)=i=03j=03W(i,j)f(hi,wj){gradInput(N, C, h, w)}=\sum_{i=0}^{3}\sum_{j=0}^{3}{W(i, j)}*{f(h_i, w_j)} scaleH={(inputSize[2]1)/(outputSize[0]1)alignCorners=true1/scalesHalignCorners=false&scalesH>0inputSize[2]/outputSize[0]otherwisescaleH =\begin{cases} (inputSize[2]-1) / (outputSize[0]-1) & alignCorners=true \\ 1 / scalesH & alignCorners=false\&scalesH>0\\ inputSize[2] / outputSize[0] & otherwise \end{cases} scaleW={(inputSize[3]1)/(outputSize[1]1)alignCorners=true1/scalesWalignCorners=false&scalesW>0inputSize[3]/outputSize[1]otherwisescaleW =\begin{cases} (inputSize[3]-1) / (outputSize[1]-1) & alignCorners=true \\ 1 / scalesW & alignCorners=false\&scalesW>0\\ inputSize[3] / outputSize[1] & otherwise \end{cases} 其中:
    • i和j是W(i,j)W(i, j)的索引变量。
    • f(hi,wj)f(h_i, w_j)是gradOutput在(hi,wj)(h_i, w_j)的像素值。
    • W(i,j)W(i, j)是双三次抗锯齿插值的权重,定义为:W(d)={(a+2)d3(a+3)d2+1d1ad35ad2+8ad4a1<d<20otherwiseW(d) =\begin{cases} (a+2)|d|^3-(a+3)|d|^2+1 & |d|\leq1 \\ a|d|^3-5a|d|^2+8a|d|-4a & 1<|d|<2 \\ 0 & otherwise \end{cases} 其中:
      • a=0.5a=-0.5
      • d=(h,w)(hi,wj)d = |(h, w) - (h_i, w_j)|

函数原型

每个算子分为,必须先调用“aclnnUpsampleBicubic2dAAGradGetWorkspaceSize”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“aclnnUpsampleBicubic2dAAGrad”接口执行计算。

[object Object]
[object Object]

aclnnUpsampleBicubic2dAAGradGetWorkspaceSize

  • 参数说明

    [object Object]
  • 返回值

    aclnnStatus:返回状态码,具体参见

    第一段接口完成入参校验,出现以下场景时报错:

    [object Object]

aclnnUpsampleBicubic2dAAGrad

  • 参数说明

    [object Object]
  • 返回值

    aclnnStatus:返回状态码,具体参见

约束说明

  • 参数[object Object][object Object]的shape约束:
    • 每个维度的取值小于等于2^20。
    • 参数[object Object]的N轴和C轴与[object Object]保持一致。
    • 内存占用需要满足如下条件:(gradOutput_HgradOutput_W+out_Hout_W+gradOutput_Hout_W)NCsizeof(float)<60102410241024(gradOutput\_H * gradOutput\_W + out\_H * out\_W + gradOutput\_H * out\_W) * N * C * sizeof(float) < 60 * 1024 * 1024 * 1024 其中:
      • N代表输入和输出的N轴。
      • C代表输入和输出的C轴。
    • N * C * gradOutput_H < 2^31
  • 输入数据缩放场景放大倍数必须小于等于50,即outputSize[0]/输出shape的高度HoutputSize[0]/输出shape的高度H以及outputSize[1]/输出shape的宽度WoutputSize[1]/输出shape的宽度W必须小于等于50。
  • 参数outputSize的H轴和W轴与参数scalesH和参数scalesW,在使用时二选一,即:
    • 当alignCorners为True时:
      • outputSize对应轴的值等于1,scales对应轴的值为0。
      • 其他情况下使用入参inputSize和outputSize中对应轴的参数值,且:scales=(inputSize1)/(outputSize1)scales=(inputSize-1)/(outputSize-1)
    • 当alignCorners为False时:
      • 当入参scalesH或入参scalesW的值等于0时,使用入参outputSize中对应轴的参数值,即:scales=(inputSize/outputSize)scales=(inputSize/outputSize)
      • 当入参scalesH或入参scalesW的值大于0时,使用入参scalesH或入参scalesW的参数值,即outputSize对应轴的值为floor(inputSize_HscalesH)floor(inputSize\_H * scalesH),或者floor(inputSize_WscalesW)floor(inputSize\_W * scalesW)
  • 确定性计算:
    • aclnnUpsampleBicubic2dAAGrad默认确定性实现。

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

[object Object]