aclnnBinaryCrossEntropyBackward

产品支持情况

[object Object]undefined

功能说明

• 接口功能：求二元交叉熵反向传播的梯度值。

• 计算公式：

  二元交叉熵的计算公式如下：

  $$y_i = - weight_i \cdot (target_i \cdot ln(x_i) + (1 - target_i) \cdot ln(1- x_i))$$

  其中$x$表示网络前一层的输出，即正向的预测值；$target$表示样本的标签值，求二元交叉熵对$x$的偏导：

  $$\begin{aligned} \frac {\partial y}{\partial x} &= -weight \cdot \frac {\partial ((target_i \cdot ln(x_i) + (1-target_i) \cdot ln(1-x_i))}{\partial x} \\ &= -weight \cdot (\frac {\partial (target \cdot ln(x))}{\partial x} + \frac {\partial ((1-target) \cdot ln(1-x))}{\partial x}) \\ &= -weight \cdot (\frac {target}{x} - \frac {(1-target)}{1-x}) \\ &= -weight \cdot \frac {target(1-x)-x(1-target)}{x(1-x)} \\ &= -weight \cdot \frac {target-x}{x(1-x)} \\ &= weight \cdot \frac {x-target}{x(1-x)} \end{aligned}$$ $$out = grad\_output \cdot weight \cdot \frac {x-target}{x(1-x)} \\ out = mean(grad\_input) \ if \ reduction = mean$$

函数原型

每个算子分为，必须先调用“aclnnBinaryCrossEntropyBackwardGetWorkspaceSize”接口获取入参并根据流程计算所需workspace大小，再调用“aclnnBinaryCrossEntropyBackward”接口执行计算。

aclnnBinaryCrossEntropyBackwardGetWorkspaceSize

• 参数说明：

  [object Object]undefined
  • [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]：数据类型不支持BFLOAT16。

• 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]

aclnnBinaryCrossEntropyBackward

• 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：
  • aclnnBinaryCrossEntropyBackward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。