[object Object]

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

• 接口功能：对输入的张量self，以pad参数为基准进行数据填充，填充值为value。

• 计算公式：

  • out tensor的shape推导公式：

    $$\begin{aligned} &假设输入self的shape为： \\ &[dim0_{in},dim1_{in}, dim2_{in}, dim3_{in}] &假设 \\ &pad = &[dim3_{begin},dim3_{end}, \\&&dim2_{begin},dim2_{end}, \\&&dim1_{begin},dim1_{end}, \\&&dim0_{begin},dim0_{end}] \end{aligned}$$ $$\begin{aligned} &则输出out的shape为： \\ &[dim0_{out}, dim1_{out}, dim2_{out}, dim3_{out}] = &[dim0_{begin}+dim0_{in}+dim0_{end}, \\&&dim1_{begin}+dim1_{in}+dim1_{end}, \\&&dim2_{begin}+dim2_{in}+dim2_{end}, \\&&dim3_{begin}+dim3_{in}+dim3_{end}] \end{aligned}$$

  • 例子1：
    (pad数组长度等于self维度的两倍的情况)

    $$\begin{aligned} selfShape &= [1, 1, 1, 1, 1]\\ pad &= \lbrace 0, 1, 2, 3, 4, 5, 6, 7, 8, 9\rbrace \\ outputShape &= [8+1+9, 6+1+7, 4+1+5, 2+1+3, 0+1+1]\\ &= [18,14,10,6,2] \end{aligned}$$

  • 例子2：
    (pad数组长度小于self维度的两倍的情况)

    $$\begin{aligned} selfShape &= [1, 1, 1, 1, 1]\\ pad &= \lbrace 0, 1, 2, 3, 4, 5\rbrace \\ outputShape &= [0+1+0, 0+1+0, 4+1+5, 2+1+3, 0+1+1]\\ &= [1,1,10,6,2] \end{aligned}$$

[object Object]

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

[object Object]

• 参数说明

  [object Object]
  • [object Object]Atlas 训练系列产品[object Object]、[object Object]Atlas 推理系列产品[object Object]：数据类型不支持BFLOAT16、HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0。
  • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]、[object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]：数据类型不支持 HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0。
  • value与self的数据类型满足数据类型推导规则（参见）。
  • self的数据类型为HIFLOAT8、FLOAT8_E5M2、FLOAT8_E4M3FN、FLOAT8_E8M0时，仅支持value的bit值全为0。

• 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：
  • aclnnConstantPadNd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。