[object Object][object Object][object Object]undefined[object Object]

• 接口功能：实现groupBiasAdd的反向计算。本接口是对接口的功能扩展，增加了groupIdxType属性，支持指定groupIdx的类型。

• 计算公式：

  (1) 有可选输入groupIdxOptional，且groupIdxType为0时：

  $$out(G,H) = \begin{cases} \sum_{i=groupIdxOptional(j-1)}^{groupIdxOptional(j)} gradY(i, H), & 1 \leq j \leq G-1 \\ \sum_{i=0}^{groupIdxOptional(j)} gradY(i, H), & j = 0 \end{cases}$$

  (2) 有可选输入groupIdxOptional，且groupIdxType为1时：

  $$groupIdx(i) = \sum_{i=0}^{j} groupIdxOptional(j), j=0...G$$ $$out(G,H) = \begin {cases} \sum_{i=groupIdx(j-1)}^{groupIdx(j)} gradY(i,H), & 1 \leq j \leq G-1 \\ \sum_{i=0}^{groupIdx(j)} gradY(i, H), & j=0 \end {cases}$$

  其中，gradY共2维，H表示gradY最后一维的大小，G表示groupIdxOptional第0维的大小，即groupIdxOptional有G个数，groupIdxOptional(j)表示第j个数的大小，计算后out为2维，shape为(G, H)。[object Object]

  (3) 无可选输入groupIdxOptional时：

  $$out(G, H) = \sum_{i=0}^{C} gradY(G, i, H)$$

  其中，gradY共3维，G, C, H依次表示gradY第0-2维的大小，计算后out为2维，shape为(G, H)。

• 示例：

  (1) 有可选输入groupIdxOptional，且groupIdxType为0时：[object Object] gradY的shape为(1000, 30)，groupIdxOptional为(400, 600, 1000)，将gradY分为3组，每组累加的行数依次为400、200、400，计算后out的shape为(3, 30)。[object Object] (2) 有可选输入groupIdxOptional，且groupIdxType为1时：[object Object] gradY的shape为(1000, 30)，groupIdxOptional为(400, 210, 390)，将gradY分为3组，每组累加的行数依次为400、210、390，计算后out的shape为(3, 30)。[object Object] (3) 无可选输入groupIdxOptional时：[object Object] gradY的shape为(10, 100, 30)，将gradY分为10组，每组累加的行数均为100，计算后out的shape为(10, 30)。

[object Object]

每个算子分为，必须先调用“aclnnGroupedBiasAddGradV2GetWorkspaceSize”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“aclnnGroupedBiasAddGradV2”接口执行计算。

[object Object]

• 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]

[object Object]

• 参数说明：

  [object Object]

• 返回值：

  aclnnStatus: 返回状态码，具体参见。

[object Object]

• 确定性计算：
  • aclnnGroupedBiasAddGradV2默认确定性实现。
• groupIdxOptional最大支持2048个数。
• 有可选输入groupIdxOptional时，需要保证Tensor数值不超过INT32最大值，并且是非负数。
• 有可选输入groupIdxOptional，且groupIdxType为0时，需要保证Tensor数据是递增排列，且最后一个数值需要等于gradY第0维的大小。
• 有可选输入groupIdxOptional，且groupIdxType为1时，需要保证Tensor数值之和等于gradY第0维的大小。

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。