aclnnRecurrentGatedDeltaRule

产品支持情况

[object Object]undefined

功能说明

• 接口功能：完成变步长的Recurrent Gated Delta Rule计算。

• 计算公式：

  Recurrent Gated Delta Rule（循环门控Delta规则，RGDR）是一种应用于循环神经网络的算子，也被应用于一种线性注意力机制中。 在每个时间步 $t$，网络根据当前的输入 $q_t$、$k_t$、$v_t$ 和上一个隐藏状态 $S_{t-1}$，计算当前的注意力输出 $o_t$ 和新的隐藏状态 $S_t$。 在这个过程中，门控单元会决定有多少新信息存入隐藏状态，以及有多少旧信息需要被遗忘。

  $$S_t := S_{t-1}(\alpha_t(I - \beta_t k_t k_t^T)) + \beta_t v_t k_t^T = \alpha_t S_{t-1} + \beta_t (v_t - \alpha_t S_{t-1}k_t)k_t^T$$ $$o := \frac{S_t q_t}{\sqrt{d_k}}$$

  其中，$S_{t-1},S_t \in R^{d_v \times d_k}$，$q_t, k_t \in R^{d_k}$，$v_t \in R^{d_v}$，$\alpha_t \in R$，$\beta_t \in R$，$o \in R^{d_v}$

函数原型

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

aclnnRecurrentGatedDeltaRuleGetWorkspaceSize

• 参数说明

  [object Object]

  其中 $B$ 表示batch size，令 $L_i$ 表示第i个序列的长度，则 $T=\sum_i^B L_i$ 表示累积序列长度。$N_k$ 表示key的头数，$N_v$ 表示value的头数，$D_k$ 表示key向量的维度，$D_v$ 表示value向量的维度。

• 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]

aclnnRecurrentGatedDeltaRule

• 参数说明

  [object Object]

• 返回值

  aclnnStatus： 返回状态码，具体参见。

约束说明

• 确定性计算：
  • aclnnRecurrentGatedDeltaRule默认确定性实现。
• 输入shape大小需满足约束：$L_i \le 8$，$N_k \le 256$，$N_v \le 256$，$D_k \le 256$，$D_v \le 256$。

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。