[object Object]

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

• 接口功能：的反向传播。

• 计算公式：

  $$gradInput(N, C, H, W) += gradOutput( N, C, ceil ( scalesH * H ), ceil ( scalesW * W ))$$

[object Object]

每个算子分为，必须先调用“aclnnUpsampleNearest2dBackwardGetWorkspaceSize”接口获取入参并根据计算流程计算所需workspace大小，再调用“aclnnUpsampleNearest2dBackward”接口执行计算。

[object Object]

• 参数说明：

  [object Object]

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

    入参[object Object]和出参[object Object]的数据类型仅支持FLOAT16。

• 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]

• 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：

  • aclnnUpsampleNearest2dBackward默认确定性实现。

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。