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

• 算子功能：实现长短期记忆网络单元（LSTM Cell）的单步前向计算中，矩阵乘法后的后续计算。输出当前时刻的隐状态和细胞状态，同时输出当前遗忘门、输入门、输出门和候选状态用于反向计算。

• 计算公式：

  计算门控激活值：

  $$\begin{aligned} b &= b_{ih} + b_{hh} \\ gates &= inputGates + hiddenGates + b \\ i_{out} &= \sigma(gates_{i}) \\ g_{out} &= \tanh(gates_{g}) \\ f_{out} &= \sigma(gates_{f}) \\ o_{out} &= \sigma(gates_{o}) \end{aligned}$$

  更新细胞状态：

  $$cy_{out} = f_{out} \odot cx + i_{out} \odot g_{out}$$

  更新隐状态：

  $$\begin{aligned} tanhc &= \tanh(cy_{out}) \\ hy_{out} &= o_{out} \odot tanhc \end{aligned}$$

  相关符号说明：

  • 偏置 $b_{ih} = \text{inputBiasOptional}$, $b_{hh} = \text{hiddenBiasOptional}$ ，如未输入偏置则为零
  • 将 $gates$ 沿最后一维平均切分为 4 个分量，即 $gates \xrightarrow{\text{split}} [gates_i, gates_g, gates_f, gates_o]$
  • 将得到的4个门控激活值沿最后一维拼接成$\text{storageOut}$，即 $[i_{out}, g_{out}, f_{out}, o_{out}] \xrightarrow{\text{concat}} \text{storageOut}$
  • $\sigma$ 为 Sigmoid 激活函数，$\odot$ 为逐元素乘积

[object Object]

每个算子分为，必须先调用“aclnnThnnFusedLstmCellGetWorkspaceSize”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“aclnnThnnFusedLstmCell”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。

第一段接口会完成入参校验，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]

• 确定性说明：aclnnThnnFusedLstmCell默认确定性实现。
• 所有输入、输出参数的数据类型需保持一致。

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。