aclnnFastBatchNormBackward

产品支持情况

[object Object]undefined

功能说明

• 接口功能：的反向传播（高性能版本）。用于计算输入张量的梯度，以便在反向传播过程中更新模型参数。

• 计算公式：

  • 当training为true时：

    $$gradInput = \frac{weight}{ n{\sqrt{saveVar + eps}} }(n * gradOut - \sum^m_{i=0}{gradOut} - \frac{x-saveMean}{ {\sqrt{saveVar + eps}} }\sum^m_{i=0}({gradOut} *\frac{x-saveMean}{ {\sqrt{saveVar + eps}} } ))$$ $$gradWeight = \sum^m_{i=0}[{gradOut} * (x - saveMean)] * \frac{1}{ {\sqrt{saveVar + eps}} }$$ $$gradBias = \sum^m_{i=0}{gradOut}$$

  • 当training为false时：

    $$gradInput = gradOut * \frac{1}{ {\sqrt{runningVar + eps}} } * weight$$ $$gradWeight = \sum^m_{i=0}[{gradOut} * (x - runningMean)] * \frac{1}{ {\sqrt{runningVar + eps}} }$$ $$gradBias = \sum^m_{i=0}{gradOut}$$

函数原型

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

aclnnFastBatchNormBackwardGetWorkspaceSize

• 参数说明：

  [object Object]

  • [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：

    • 参数[object Object]、[object Object]、[object Object]、[object Object]、[object Object]、[object Object]、[object Object]的数据类型与[object Object]的保持一致。

• 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]

aclnnFastBatchNormBackward

• 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：
  • aclnnFastBatchNormBackward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。