[object Object]

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

• 接口功能：aclnnMoeTokenUnpermuteWithEp的反向传播。

• 计算公式：

  • probs非None计算公式如下，其中$i \in {0, 1, 2, ..., num\_tokens - 1}$：

    • 首先计算unpermutedTokens：

      • 当rangeOptional[0] <= sortedIndices[i] < rangeOptional[1]时：

        $$unpermutedTokens[i] = permutedTokensOptional[sortedIndices[i]-rangeOptional[0]]$$

      • 否则：

        $$unpermutedTokens[i] = 0$$

    • 接着计算：

      $$unpermutedTokens = unpermutedTokens.reshape(-1, topkNum, hiddenSize)$$ $$unpermutedTokens = unpermutedTokensGrad.unsqueeze(1) * unpermutedTokens$$ $$probsGrad = \sum_{k=0}^{topkNum}(unpermutedTokens_{i,j,k})$$

    • 最后，当rangeOptional[0] <= sortedIndices[i] < rangeOptional[1]时：

    $$permutedTokensGradOut[sortedIndices[i]] = ((unpermutedTokensGrad.unsqueeze(1) * probs.unsqueeze(-1)).reshape(-1, hiddenSize))[i]$$

  • probs为None计算公式如下，其中$i \in {0, 1, 2, ..., num\_tokens - 1}$：

    • 当rangeOptional[0] <= sortedIndices[i] < rangeOptional[1]时：
    $$permutedTokensGradOut[sortedIndices[i]-rangeOptional[0]] = unpermutedTokensGrad[i]$$

[object Object]

每个算子分为，必须先调用“aclnnMoeTokenUnpermuteWithEpGradGetWorkspaceSize”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“aclnnMoeTokenUnpermuteWithEpGrad”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：
  • aclnnMoeTokenUnpermuteWithEpGrad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。