aclnnAddLayerNormGrad

产品支持情况

[object Object]undefined

功能说明

• 接口功能：LayerNorm是一种归一化方法，可以将网络层输入数据归一化到[0, 1]之间。LayerNormGrad算子是深度学习中用于反向传播阶段的一个关键算子，主要用于计算LayerNorm操作的梯度。AddLayerNormGrad算子是将Add和LayerNormGrad融合起来，减少搬入搬出操作。

• 计算公式：

  • 正向公式：（D为reduce轴大小）

    $$x= inputx1 + inputx2$$ $$\operatorname{LayerNorm}(x)=\frac{x_i−\operatorname{E}(x)}{\sqrt{\operatorname{Var}(x)+ eps}}*gamma + beta$$ $$其中\operatorname{E}(x_i)=\frac{1}{D}\sum_{1}^{D}{x_i}$$ $$\operatorname{Var}(x_i)=\frac{1}{D}\sum_{1}^{D}{(x_i-\operatorname{E}(x))^2}$$

  • 反向公式：

    $$x= inputx1 + inputx2$$ $$dxOut = \sum_{j}{inputdy_i * gamma_j * \frac{{\rm d}\hat{x_j}}{{\rm d}x_i}} + dsumOptional$$ $$dgammaOut = \sum_{j}{inputdy_i * \frac{{\rm d}\hat{x_j}}{{\rm d}x_i}}$$ $$dbetaOut = \sum_{j}{inputdy_i}$$

    其中：

    • $\hat{x_j}$：

      $$\hat{x_j}=({x_i-\operatorname{E}(x)}) * {rstd}$$

    • $rstd$：

      $$rstd=\frac {1}{\sqrt{\operatorname{Var}(x)}}$$

    • $\frac{{\rm d}\hat{x_j}}{{\rm d}x_i}$：

      $$\frac{{\rm d}\hat{x_j}}{{\rm d}x_i}=(\delta_{ij} - \frac{{\rm d}\operatorname{E}(x)}{{\rm d} x_i}) * \frac{1}{\sqrt{\operatorname{Var}(x_i)}}-\frac{1}{\operatorname{Var}(x_i)} (x_j-\operatorname{E}(x))\frac{\rm d \operatorname{Var}(x_i)}{\rm dx}$$

      其中，当i=j时，$\delta_{ij}$=1；当i!=j时，$\delta_{ij}$=0。

    • $\frac{{\rm d}\operatorname{E}(x)}{{\rm d}x_i}$：

      $$\frac{{\rm d}\operatorname{E}(x)}{{\rm d}x_i}=\frac{1}{D}$$

      其中，D为x中参加均值计算的数量。

    • $\frac{\rm d \operatorname{Var}(x_i)}{\rm dx}$：

      $$\frac{\rm d \operatorname{Var}(x_i)}{\rm dx}=\frac{1}{D}\frac{1}{\sqrt{\operatorname{Var} (x_i)}}(x_i-\operatorname{E}(x))$$

    • 化简后的$dxOut$：

      $$dxOut = rstd * ({inputdy_i * gamma_j} - \frac{1}{D} * (\sum_{j}{inputdy_i * gamma_j} + \hat {x_j} * \sum_{j}{inputdy_i * gamma_j * \hat{x_j}})) + dsumOptional$$

函数原型

每个算子分为，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。

aclnnAddLayerNormGradGetWorkspaceSize

• 参数说明：

  [object Object]
  • [object Object]Atlas 推理系列产品[object Object]：参数[object Object]、[object Object]、[object Object]、[object Object]、[object Object]、[object Object]的数据类型不支持BFLOAT16。

• 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]

aclnnAddLayerNormGrad

• 参数说明：

  [object Object]

• 返回值：

  aclnnStatus：返回状态码，具体参见。

约束说明

• 功能维度

  • 数据类型支持
    • [object Object]Atlas 推理系列产品[object Object]：dy、x1、x2、gamma、dsumOptional、dxOut支持FLOAT32、FLOAT16。
    • [object Object]Atlas A2 训练系列产品/Atlas A2 推理系列产品[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：dy、x1、x2、gamma、dsumOptional、dxOut支持FLOAT32、FLOAT16、BFLOAT16。
    • rstd、mean、dgammaOut、dbetaOut支持：FLOAT32。
  • 数据格式支持：ND。

• 未支持类型说明

  DOUBLE：指令不支持DOUBLE。

• 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。

• 确定性计算：

  • aclnnAddLayerNormGrad默认非确定性实现，支持通过aclrtCtxSetSysParamOpt开启确定性。

调用示例

示例代码如下，仅供参考，具体编译和执行过程请参考。