[object Object]

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

• 接口功能：算子repeatInterleave的反向, 将yGrad tensor的axis维度按repeats进行ReduceSum。

• 示例： 假设tensor yGrad是 ([[a[object Object]1[object Object], b[object Object]1[object Object], c[object Object]1[object Object], d[object Object]1[object Object], e[object Object]1[object Object], f[object Object]1[object Object]], [a[object Object]2[object Object], b[object Object]2[object Object], c[object Object]2[object Object], d[object Object]2[object Object], e[object Object]2[object Object], f[object Object]2[object Object]]]), repeats为([1, 2, 2, 1])，axis为1。 那么最后生成的tensor为 tensor([[a[object Object]1[object Object], b[object Object]1[object Object] + c[object Object]1[object Object], d[object Object]1[object Object] + e[object Object]1[object Object], f[object Object]1[object Object]], [a[object Object]2[object Object], b[object Object]2[object Object] + c[object Object]2[object Object], d[object Object]2[object Object] + e[object Object]2[object Object], f[object Object]2[object Object]]])。将tensor yGrad的axis轴按照repeats做ReduceSum。

  假设tensor yGrad是 ([[a[object Object]1[object Object], b[object Object]1[object Object], c[object Object]1[object Object], d[object Object]1[object Object], e[object Object]1[object Object], f[object Object]1[object Object]], [a[object Object]2[object Object], b[object Object]2[object Object], c[object Object]2[object Object], d[object Object]2[object Object], e[object Object]2[object Object], f[object Object]2[object Object]]]), repeats为([2])，axis为1。 那么最后生成的tensor为 tensor([[a[object Object]1[object Object] + b[object Object]1[object Object]， c[object Object]1[object Object] + d[object Object]1[object Object]， e[object Object]1[object Object] + f[object Object]1[object Object]], [a[object Object]2[object Object] + b[object Object]2[object Object], c[object Object]2[object Object] + d[object Object]2[object Object], e[object Object]2[object Object] + f[object Object]2[object Object]]])。将tensor yGrad的axis轴按照repeats的值，每2根轴做ReduceSum。 注意：该场景等效于 repeats为(2)。

[object Object]

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

[object Object]

• 参数说明：

  [object Object]
  • Atlas 350 加速卡 :yGrad的数据类型支持FLOAT16、BFLOAT16、FLOAT。

• 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：
  • aclnnRepeatInterleaveGrad默认确定性实现。

在计算时需要满足以下要求：

• 如果repeats为0D tensor或者size为1的1D tensor，那么repeats的元素值必须为yGrad在axis上维数的约数。 如果为1D tensor且size大于1，那么repeats的元素之和必须为yGrad在axis上的维数。 repeats tensor中的值必须为自然数。
• out的shape大小满足yGrad的axis轴ReduceSum后的shape大小。 例如，yGrad的shape为[64]、repeat为[2]、axis为0，out的shape可以为[32]、[2, 16]、[2, 4, 4]等，只需满足out的shape大小为32即可。

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。