[object Object]

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

• 接口功能：对hidden层的token之间进行一维分组卷积操作的反向梯度计算。

• 计算公式：

  假定卷积输入x、卷积输出的梯度gradY和卷积输入的梯度gradX的shape是[S, B, H]，weight的shape是[W, H]，i和j分别表示S/B轴的索引，k为卷积窗口W内的索引，那么计算将被表示为：

  $$gradYMasked[i,j] = mask[j,i] * gradY[i,j]$$ $$gradX[i,j] = \sum_{k=0}^{W-1} gradYMasked[i+k,j] * weight[W-1-k]$$ $$gradWeight[k] = \sum_{j=0}^{B-1}\sum_{i=0}^{S-1} gradYMasked[i+W-1-k,j] * x[i,j]$$

  其中，无效位置的padding为0填充；当前W仅支持3；H轴为elementwise操作，上述公式不体现。

[object Object]

每个算子分为，必须先调用“aclnnMaskedCausalConv1dBackwardGetWorkspaceSize”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“aclnnMaskedCausalConv1dBackward”接口执行计算。

[object Object]

• 参数说明：

  [object Object]

• 返回值：

  返回aclnnStatus状态码，具体参见。

  [object Object]

[object Object]

• 参数说明：

  [object Object]

• 返回值：

  返回aclnnStatus状态码，具体参见。

[object Object]

• 该接口与PyTorch配合使用时，需要保证CANN相关包与PyTorch相关包的版本匹配。
• 确定性计算：
  • aclnnMaskedCausalConv1dBackward默认确定性实现。
• 输入限制：
  • 输入输出的shape数据范围约束如下：
    • B（Batchsize）：取值范围为1~32。
    • B * S（Batchsize * SeqLength）：取值范围为1~512K。
    • H（hiddenSize）：取值范围384~24576，且是64的整数倍。
    • W：W当前只支持3。
• 算子入参与中间计算结果，在对应运行数据类型（float16/bfloat16）下，数值均不会超出该类型值域范围。
• 算子输入不支持有±inf和nan的情况。

[object Object]

通过aclnn单算子调用示例代码如下，仅供参考，具体编译和执行过程请参考。