昇腾社区首页
中文
注册
开发者
下载
支持
积分兑换 NEW

aclnnAddLayerNormGrad

支持的产品型号

Atlas A2训练系列产品。

接口原型

每个算子分为两段式接口，必须先调用“aclnnAddLayerNormGradGetWorkspaceSize”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“aclnnAddLayerNormGrad”接口执行计算。

  • aclnnStatus aclnnAddLayerNormGradGetWorkspaceSize(const aclTensor *dy, const aclTensor *x1, const aclTensor *x2, const aclTensor *rstd, const aclTensor *mean, const aclTensor *gamma, const aclTensor *dsumOptional, const aclTensor *dxOut, const aclTensor *dgammaOut, const aclTensor *dbetaOut, uint64_t *workspaceSize, aclOpExecutor **executor)
  • aclnnStatus aclnnAddLayerNormGrad(void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)

功能描述

  • 算子功能：Add与LayerNorm融合算子的反向计算

  • 计算公式：

    • 正向公式：（D为reduce轴大小）
    LayerNorm⁡(x)=xi−E⁡(x)Var⁡(x)+ϵ∗γ+β\operatorname{LayerNorm}(x)=\frac{x_i−\operatorname{E}(x)}{\sqrt{\operatorname{Var}(x)+ \epsilon}}*\gamma + \beta 其中E⁡(xi)=1D∑1Dxi其中\operatorname{E}(x_i)=\frac{1}{D}\sum_{1}^{D}{x_i} Var⁡(xi)=1D∑1D(xi−E⁡(x))2\operatorname{Var}(x_i)=\frac{1}{D}\sum_{1}^{D}{(x_i-\operatorname{E}(x))^2}
    • 反向公式
    dLdxi=∑jdLdyj∗γj∗dxj^dxi\frac{{\rm d}L}{{\rm d}x_i} = \sum_{j}{\frac{{\rm d}L}{{\rm d}y_j} * \gamma_j * \frac{{\rm d}\hat{x_j}}{{\rm d}x_i}} 其中xj^=xi−E⁡(x)Var⁡(x)+ϵ其中\hat{x_j}=\frac {x_i-\operatorname{E}(x)}{\sqrt{\operatorname{Var}(x)+\epsilon}} dxj^dxi=(δij−dE⁡(x)dxi)∗1Var⁡(xi)−1Var⁡(xi)(xj−E⁡(x))dVar⁡(xi)dx\frac{{\rm d}\hat{x_j}}{{\rm d}x_i}=(\delta_{ij} - \frac{{\rm d}\operatorname{E}(x)}{{\rm d}x_i}) * \frac{1}{\sqrt{\operatorname{Var}(x_i)}}-\frac{1}{\operatorname{Var}(x_i)}(x_j-\operatorname{E}(x))\frac{\rm d \operatorname{Var}(x_i)}{\rm dx} 其中dE⁡(x)dxi=1D其中\frac{{\rm d}\operatorname{E}(x)}{{\rm d}x_i}=\frac{1}{D} dVar⁡(xi)dx=1D1Var⁡(xi)(xi−E⁡(x))\frac{\rm d \operatorname{Var}(x_i)}{\rm dx}=\frac{1}{D}\frac{1}{\sqrt{\operatorname{Var}(x_i)}}(x_i-\operatorname{E}(x))

aclnnAddLayerNormGradGetWorkspaceSize

  • 参数说明：

    • dy（aclTensor *，计算输入）：主要的grad输入。Device侧的aclTensor，数据类型支持FLOAT32，FLOAT16，BFLOAT16，shape支持2维~8维，数据格式支持ND，不支持非连续输入。

    • x1（aclTensor *，计算输入）：为正向融合算子的输入x1。Device侧的aclTensor，数据类型支持FLOAT32，FLOAT16，BFLOAT16，shape支持2维~8维，数据格式支持ND，不支持非连续输入。

    • x2（aclTensor *，计算输入）：为正向融合算子的输入x2。Device侧的aclTensor，数据类型支持FLOAT32，FLOAT16，BFLOAT16，shape支持2维~8维，数据格式支持ND，不支持非连续输入。

    • rstd（aclTensor *，计算输入）：表示正向输入x1、x2之和的rstd，以下计算中inputVariace 是针对尾轴。输入数据类型支持FLOAT32，shape支持2维~8维，数据格式支持ND，不支持非连续输入。计算逻辑：

      rstd=np.power((inputVariace+EPSLON),(−0.5))rstd = np.power((inputVariace + EPSLON), (-0.5))

    • mean（aclTensor *，计算输入）：表示正向输入x1、x2之和的mean，inputMean 是针对尾轴。数据类型支持FLOAT32，shape支持2维~8维，数据格式支持ND，不支持非连续输入。

    • gamma（aclTensor *，计算输入）：数据类型支持FLOAT32，FLOAT16，BFLOAT16，shape支持1维，数据格式支持ND，不支持非连续输入。

    • dsumOptional（aclTensor *，计算输入）：数据类型支持FLOAT32，FLOAT16，BFLOAT16，shape支持2维~8维，数据格式支持ND，不支持非连续输入。

    • dx（aclTensor *，计算输出）：数据类型支持FLOAT32，FLOAT16，BFLOAT16，shape支持2维~8维，数据格式支持ND。

    • dgamma（aclTensor *，计算输出）：数据类型支持FLOAT32，shape支持1维，数据格式支持ND。

    • dbeta（aclTensor *，计算输出）：数据类型支持FLOAT32，shape支持1维，数据格式支持ND。

    • workspaceSize（uint64_t *，出参）：返回用户需要在Device侧申请的workspace大小。

    • executor（aclOpExecutor **，出参）：返回op执行器，包含了算子计算流程。

  • 返回值：

    aclnnStatus：返回状态码。（参见）

    说明： 第一段接口完成入参校验，出现以下场景时报错：

    • 161001 (ACLNN_ERR_PARAM_NULLPTR)：如果传入参数是必选输入，输出或者必选属性，且是空指针，则返回161001。

aclnnAddLayerNormGrad

  • 参数说明：

    • workspace（void *，入参）：在Device侧申请的workspace内存地址。
    • workspaceSize（uint64_t，入参）：在Device侧申请的workspace大小，由第一段接口aclnnAddLayerNormGradGetWorkspaceSize获取。
    • executor（aclOpExecutor *，入参）：op执行器，包含了算子计算流程。
    • stream（aclrtStream，入参）：指定执行任务的AscendCL stream流。

  • 返回值：

    aclnnStatus：返回状态码。（具体参见）

约束与限制

  • 功能维度
    • 数据类型支持
      • dy、x1、x2、gamma、dsumOptional支持：FLOAT32、FLOAT16、BFLOAT16。
      • rstd、mean支持：FLOAT32。
    • 数据格式支持：ND。
  • 未支持类型说明
    • DOUBLE：指令不支持DOUBLE。
    • 是否支持空tensor：不支持空进空出。
    • 是否非连续tensor：不支持输入非连续，不支持数据非连续。
  • 边界值场景说明
    • 当输入是inf时，输出为inf。
    • 当输入是nan时，输出为nan。

调用示例

示例代码如下，仅供参考：

[object Object]