ResizeBilinearV2Grad

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√
Atlas 200I/500 A2 推理产品	×
Atlas 推理系列产品	√
Atlas 训练系列产品	√

功能说明

• 算子功能：ResizeBilinearV2的反向传播。

• 计算公式：

  假设$grads$中已知四个点$Q_{11}(x_1,y_1),Q_{12}(x_1,y_2),Q_{21}(x_2,y_1),Q_{22}(x_2,y_2)$。

  假设$grads$在输出图中的位置是 $(h^{\prime },w^{\prime })$，它映射回原图的浮点坐标为 $(pos\_h,pos\_w)$。则偏移量定义为：

  $$d_h=pos\_h-x_1$$

  $$d_w=pos\_w-y_1$$

  对应的梯度累加公式如下：

  左上点$Q_{11}$:

  $$y(N,C,x_1,y_1)+=grads(N,C,h^{\prime },w^{\prime })\cdot (1-d_h)\cdot (1-d_w)$$

  右上点$Q_{12}$:

  $$y(N,C,x_1,y_2)+=grads(N,C,h^{\prime },w^{\prime })\cdot (1-d_h)\cdot d_w$$

  左下点$Q_{21}$:

  $$y(N,C,x_2,y_1)+=grads(N,C,h^{\prime },w^{\prime })\cdot d_h\cdot (1-d_w)$$

  右下点$Q_{22}$:

  $$y(N,C,x_2,y_2)+=grads(N,C,h^{\prime },w^{\prime })\cdot d_h\cdot d_w$$

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
grads	输入	正向resize的输出的梯度Tensor，对应公式中grads。	FLOAT16、FLOAT32、BFLOAT16	ND
original_image	输入	正向resize的输入Tensor。	FLOAT16、FLOAT32、BFLOAT16	ND
y	输出	正向resize的输入的梯度Tensor，对应公式中y。	FLOAT16、FLOAT32、BFLOAT16	ND

约束说明

无

调用说明

调用方式	样例代码	说明
aclnn接口	test_aclnn_upsample_bilinear_2d_backward	通过aclnnUpsampleBilinear2dBackward接口方式调用ResizeBilinearV2Grad算子。
图模式	-	通过算子IR构图方式调用ResizeBilinearV2Grad算子。