[object Object]

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

• 接口功能：实现Unfold算子的反向功能，计算相应的梯度。

• Unfold算子根据入参self，计算出维度$dim$的所有大小为$size$的切片。两个切片之间的步长由$step$给出。如果$sizedim$是入参self的维度$dim$的大小，则返回的张量中维度$dim$的大小将为$(sizedim-size)/step+1$。返回的张量中附加了一个大小为$size$的附加维度。

• UnfoldGrad算子入参gradOut的shape为Unfold正向输出的shape，入参inputSizes为Unfold正向输入self的shape，UnfoldGrad算子出参gradIn的shape为Unfold正向入参self的shape。

• 示例：

  [object Object]

[object Object]

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

[object Object]

• 参数说明：

  [object Object]

  [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]

[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：
  • aclnnUnfoldGrad默认确定性实现。

1. gradOut的shape满足约束：
   • gradOut的第dim维等于(inputSizes[dim]-size)/step+1。
   • gradOut的size等于inputSizes的size+1。
2. dim、size、step的要求：
   • size大于0且size小于等于inputSizes的第dim维。
   • step大于0。
   • dim等于len(inputSizes)-1或者dim等于len(inputSizes)-2轴。
   • dim等于len(inputSizes)-1时，fp32数据类型，step、size大于49088。fp16数据类型，step、size大于32720。
   • dim等于len(inputSizes)-2时，fp32数据类型，step、size大于88。fp16数据类型，step、size大于72。

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。