[object Object]

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

• 接口功能：[object Object]函数用于计算输入张量在指定维度上的累积乘积。例如，如果有一个张量表示一系列的数值，[object Object]可以计算出这些数值从开始位置到当前位置的乘积序列。

• 计算公式：

  • 一维张量（向量）情况 当对于一维张量，累积乘积$y=[y_1,y_2,y_3...,y_n]$的计算公式为:

    $y_1=x_1$ $y_2=x_1 \times x_2$ $y_3=x_1 \times x_2\times x_3$ ... $y_n=x_1\times x_2\times x_3\times x_n$

    用数学公式表示$y_i=\prod_{j=1}^ix_j, 其中i=1,2...,n$。

  • 高维张量情况（以二维张量为例， dim=0 沿行方向） 对于二维张量：

    $$X=\begin{bmatrix}x_{11}&x_{12}&...&x_{1m}\\x_{21}&x_{22}&...&x_{2m}\\...&...&...&...&\\x_{n1}&x_{n2}&...&x_{nm}&\end{bmatrix}$$

    计算后的结果张量：

    $$Y=\begin{bmatrix}y_{11}&y_{12}&...&y_{1m}\\y_{21}&y_{22}&...&y_{2m}\\...&...&...&...&\\y_{n1}&y_{n2}&...&y_{nm}&\end{bmatrix}$$

    对于第一列(j=1):

    $$y_{i1}=x_{11}\times x_{21}\times ...\times x_{i1}(对于i=1,2,....n)$$

    所以对于任意列j，也有类似规律， 即:

    $$y_{ij}=\prod_{k=1}^{i} x_{kj}$$

  • 高维张量情况（以二维张量为例， dim=1 沿列方向情况） 所以对于任意列j，也有类似规律， 即:

    $$y_{ij}=\prod_{k=1}^{j} x_{ik}$$

  • 其它参数可以类似地根据上述规则进行推导

[object Object]

aclnnCumprod和aclnnInplaceCumprod实现相同的功能，使用区别如下，请根据自身实际场景选择合适的算子。

• aclnnCumprod：需新建一个输出张量对象存储计算结果。
• aclnnInplaceCumprod：无需新建输出张量对象，直接在输入张量的内存中存储计算结果。

每个算子分为，必须先调用"aclnnCumprodGetWorkspaceSize"或者"aclnnInplaceCumprodGetWorkspaceSize"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"aclnnCumprod"或者"aclnnInplaceCumprod"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，出现如下场景时报错：

  [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，出现如下场景时报错：

  [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：
  • aclnnCumprod&aclnnInplaceCumprod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。