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$(N, C, h, w)$，插值$gradInput(N, C, h, w)$可以表示为：$${gradInput(N, C, h, w)}=\sum_{i=0}^{3}\sum_{j=0}^{3}{W(i, j)}*{f(h_i, w_j)}$$ $$scaleH =\begin{cases} (inputSize[2]-1) / (outputSize[0]-1) & alignCorners=true \\ 1 / scalesH & alignCorners=false\&scalesH>0\\ inputSize[2] / outputSize[0] & otherwise \end{cases}$$ $$scaleW =\begin{cases} (inputSize[3]-1) / (outputSize[1]-1) & alignCorners=true \\ 1 / scalesW & alignCorners=false\&scalesW>0\\ inputSize[3] / outputSize[1] & otherwise \end{cases}$$ 其中：
  • i和j是$W(i, j)$的索引变量。
  • $f(h_i, w_j)$是gradOutput在$(h_i, w_j)$的像素值。
  • $W(i, j)$是双三次抗锯齿插值的权重，定义为：$$W(d) =\begin{cases} (a+2)|d|^3-(a+3)|d|^2+1 & |d|\leq1 \\ a|d|^3-5a|d|^2+8a|d|-4a & 1<|d|<2 \\ 0 & otherwise \end{cases}$$ 其中：
    • $a=-0.5$
    • $d = |(h, w) - (h_i, w_j)|$

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。

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：$$(gradOutput\_H * gradOutput\_W + out\_H * out\_W + gradOutput\_H * out\_W) * N * C * sizeof(float) < 60 * 1024 * 1024 * 1024$$ 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：

  $$outputSize\_H / 输出shape的高度H <= 50$$ $$outputSize\_W / 输出shape的宽度W <=50$$

• 参数inputSize、outputSize、scalesH、scalesW需要满足如下约束：

  $$outputSize\_H = floor(inputSize\_H * scalesH)$$ $$outputSize\_W = floor(inputSize\_W * scalesW)$$

• 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。