aclnnExpSegsumBackward

产品支持情况

[object Object]undefined

功能说明

• 接口功能：的反向计算。

• 计算公式（以5D输入为例）：

  1. 输入gradOutput（N1,N2,N3,N4,N4）与输入gradSelf（正向的输出）相乘。

     $$out\_mul = gradOutput * gradSelf$$

  2. 生成（N4,N4）类型为bool的三角矩阵A，上三角为True，下三角为False，对角线为True。

  3. 用0填充输入$out\_mul$里面与矩阵A中值为True的位置相对应的元素。

     $$out\_mul_i= \begin{cases}out\_mul_i,\quad A_i==False \\0, \quad A_i==True \end{cases}$$

  4. 对out_mul的倒数第二维进行倒序生成out_flip。

  5. 以$out\_flip$的倒数第二维进行cumsum累加。从维度视角来看的某个元素（其它维度下标不变，当前维度下标依次递增），$out\_cumsum\_{i}$是输出张量中对应位置的元素。

     $$out\_cumsum_{i} = out\_flip_{1} + out\_flip_{2} + out\_flip_{3} + ...... + out\_flip_{i}$$

  6. 对$out\_cumsum$的-2维进行倒序生成out_flip2。

  7. 生成（N4,N4）类型为bool的三角矩阵B，上三角为True，下三角为False，对角线为True。

  8. 用0填充$out\_flip2$里面与矩阵B中值为True的位置相对应的元素。

     $$out\_flip2_i= \begin{cases}out\_flip2_i,\quad B_i==False \\0, \quad B_i==True \end{cases}$$

  9. 返回gradInput为out_flip2最后一维每行的和。

函数原型

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

aclnnExpSegsumBackwardGetWorkspaceSize

• 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]

aclnnExpSegsumBackward

• 参数说明：

  [object Object]

• 返回值：

  aclnnStatus：返回状态码，具体参见。

约束说明

• 确定性计算：
  • aclnnExpSegsumBackward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。