Tanh

功能说明

按元素做逻辑回归Tanh，计算公式如下，其中PAR表示矢量计算单元一个迭代能够处理的元素个数：

$\text{[math]}$

定义原型

通过sharedTmpBuffer入参传入临时空间
- 源操作数Tensor全部/部分参与计算
   template <typename T, bool isReuseSource = false>
  
  __aicore__ inline void Tanh(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const LocalTensor<uint8_t>& sharedTmpBuffer, const uint32_t calCount)；
- 源操作数Tensor全部参与计算
   template <typename T, bool isReuseSource = false>
  
  __aicore__ inline void Tanh(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const LocalTensor<uint8_t>& sharedTmpBuffer);

接口框架申请临时空间
- 源操作数Tensor全部/部分参与计算
   template <typename T, bool isReuseSource = false>
  
  __aicore__ inline void Tanh(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor, const uint32_t calCount)；
- 源操作数Tensor全部参与计算
   template <typename T, bool isReuseSource = false>
  
  __aicore__ inline void Tanh(const LocalTensor<T>& dstTensor, const LocalTensor<T>& srcTensor)；

参数说明

表1 接口参数说明
参数名	输入/输出	描述
dstTensor	输出	目的操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。 Atlas A2训练系列产品/Atlas 800I A2推理产品，支持的数据类型为：half/float Atlas推理系列产品（Ascend 310P处理器）AI Core,支持的数据类型为：half/float
srcTensor	输入	源操作数。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。源操作数的数据类型需要与目的操作数保持一致。 Atlas A2训练系列产品/Atlas 800I A2推理产品，支持的数据类型为：half/float Atlas推理系列产品（Ascend 310P处理器）AI Core,支持的数据类型为：half/float
sharedTmpBuffer	输入	临时缓存。类型为LocalTensor，支持的TPosition为VECIN/VECCALC/VECOUT。用于Tanh内部复杂计算时存储中间变量，由开发者提供。临时空间大小BufferSize的获取方式请参考Tanh Tiling。 Atlas A2训练系列产品/Atlas 800I A2推理产品，支持的数据类型为：uint8_t Atlas推理系列产品（Ascend 310P处理器）AI Core, 支持的数据类型为: uint8_t
calCount	输入	实际计算数据元素个数, 且calCount∈[0, srcTensor.GetSize()]
isReuseSource	输入	是否允许修改源操作数。该参数预留，传入默认值false即可。

返回值

无

支持的型号

Atlas A2训练系列产品/Atlas 800I A2推理产品

Atlas推理系列产品（Ascend 310P处理器）AI Core

约束说明

不支持源操作数与目的操作数地址重叠。
不支持sharedTmpBuffer与源操作数和目的操作数地址重叠。
操作数地址偏移对齐要求请参见通用约束。

调用示例

完整的调用样例请参考更多样例。

Tpipe pipe;
TQue<TPosition::VECCALC, 1> tmpQue;
pipe.InitBuffer(tmpQue, 1, bufferSize); // bufferSize 通过Host侧tiling参数获取
LocalTensor<uint8_t> sharedTmpBuffer = tmpQue.AllocTensor();
// 输入shape信息为1024, 算子输入的数据类型为half，实际计算个数为512
Tanh(dstLocal, srcLocal, sharedTmpBuffer, 512);

结果示例如下：

输入数据(srcLocal): [1.762616 7.9542747 ... 7.8306146 6.3167496]
输出数据(dstLocal): 
[0.9427944   0.9999998 ... 0.9999996 0.9999934]

父主题： Tanh