Star1310
1428
代码
代码
Issues118
Pull Requests240
Actions
项目讨论
Wiki
分析
Star1310
1428
已合并
修改aclnnAddV3等接口资料 #3761
xiu_ling_wang创建于 7月3日
修改aclnnAddV3等接口资料 #3761
已合并
xiu_ling_wang创建于 7月3日
从xiu_ling_wang/ops-mathmd-modify-9.1.0-beta2合入到cann/ops-math9.1.0-beta.2
共 4 个文件变更+9-423
Dconversion/coalesce_sparse/docs/aclnnCoalesceSparse.md+0-411
@@ -1,411 +0,0 @@
1-# aclnnCoalesceSparse
2- 
3-[📄 查看源码](https://gitcode.com/cann/ops-math/tree/master/conversion/coalesce_sparse)
4- 
5-## 产品支持情况
6- 
7-| 产品 | 是否支持 |
8-| :----------------------------------------------------------- | :------: |
9-| <term>Ascend 950PR/Ascend 950DT</term> | × |
10-| <term>Atlas A3 训练系列产品/Atlas A3 推理系列产品</term> | √ |
11-| <term>Atlas A2 训练系列产品/Atlas A2 推理系列产品</term> | √ |
12-| <term>Atlas 200I/500 A2 推理产品</term> | × |
13-| <term>Atlas 推理系列产品</term> | × |
14-| <term>Atlas 训练系列产品</term> | × |
15- 
16-## 功能说明
17- 
18-将相同坐标点的value进行累加求和，进而减少Coo_Tensor的内存大小。
19- 
20-## 函数原型
21- 
22-每个算子分为[两段式接口](../../../docs/zh/context/两段式接口.md)，必须先调用“aclnnCoalesceSparseGetWorkspaceSize”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“aclnnCoalesceSparse”接口执行计算。
23- 
24-```Cpp
25-aclnnStatus aclnnCoalesceSparseGetWorkspaceSize(
26- const aclTensor *uniqueLen,
27- const aclTensor *uniqueIndices,
28- const aclTensor *indices,
29- const aclTensor *values,
30- const aclTensor *newIndicesOut,
31- const aclTensor *newValuesOut,
32- uint64_t *workspaceSize,
33- aclOpExecutor **executor);
34-```
35- 
36-```Cpp
37-aclnnStatus aclnnCoalesceSparse(
38- void *workspace,
39- uint64_t workspaceSize,
40- aclOpExecutor *executor,
41- aclrtStream stream);
42-```
43- 
44-## aclnnCoalesceSparseGetWorkspaceSize
45- 
46-- **参数说明：**
47- 
48- <table style="undefined;table-layout: fixed; width: 1519px"><colgroup>
49- <col style="width: 217px">
50- <col style="width: 120px">
51- <col style="width: 247px">
52- <col style="width: 317px">
53- <col style="width: 233px">
54- <col style="width: 120px">
55- <col style="width: 120px">
56- <col style="width: 145px">
57- </colgroup>
58- <thead>
59- <tr>
60- <th>参数名</th>
61- <th>输入/输出</th>
62- <th>描述</th>
63- <th>使用说明</th>
64- <th>数据类型</th>
65- <th>数据格式</th>
66- <th>维度(shape)</th>
67- <th>非连续Tensor</th>
68- </tr></thead>
69- <tbody>
70- <tr>
71- <td>uniqueLen（aclTensor*）</td>
72- <td>输入</td>
73- <td>去重后的索引数。</td>
74- <td>不支持空Tensor。</td>
75- <td>INT32、INT64</td>
76- <td>ND</td>
77- <td>1</td>
78- <td>√</td>
79- </tr>
80- <tr>
81- <td>uniqueIndices（aclTensor*）</td>
82- <td>输入</td>
83- <td>去重后的索引数组。</td>
84- <td>不支持空Tensor。</td>
85- <td>INT32、INT64</td>
86- <td>ND</td>
87- <td>1</td>
88- <td>√</td>
89- </tr>
90- <tr>
91- <td>indices（aclTensor*）</td>
92- <td>输入</td>
93- <td>索引数组。</td>
94- <td><ul><li>不支持空Tensor。</li><li>重索引后的indices值不能超过int32上限。</li></ul></td>
95- <td>INT32、INT64</td>
96- <td>ND</td>
97- <td>2</td>
98- <td>√</td>
99- </tr>
100- <tr>
101- <td>values（aclTensor*）</td>
102- <td>输入</td>
103- <td>每个坐标对应的元素值。</td>
104- <td>不支持空Tensor。</td>
105- <td>INT32、FLOAT16、FLOAT32</td>
106- <td>ND</td>
107- <td>1-8</td>
108- <td>√</td>
109- </tr>
110- <tr>
111- <td>newIndicesOut（aclTensor*）</td>
112- <td>输出</td>
113- <td>合并后的索引数组。</td>
114- <td>不支持空Tensor。</td>
115- <td>INT32、INT64</td>
116- <td>ND</td>
117- <td>2</td>
118- <td>√</td>
119- </tr>
120- <tr>
121- <td>newValuesOut（aclTensor*）</td>
122- <td>输出</td>
123- <td>合并后的元素值。</td>
124- <td>不支持空Tensor。</td>
125- <td>INT32、FLOAT16、FLOAT32</td>
126- <td>ND</td>
127- <td>1-8</td>
128- <td>√</td>
129- </tr>
130- <tr>
131- <td>workspaceSize（uint64_t*）</td>
132- <td>输出</td>
133- <td>返回需要在Device侧申请的workspace大小。</td>
134- <td>-</td>
135- <td>-</td>
136- <td>-</td>
137- <td>-</td>
138- <td>-</td>
139- </tr>
140- <tr>
141- <td>executor（aclOpExecutor**）</td>
142- <td>输出</td>
143- <td>返回op执行器，包含了算子计算流程。</td>
144- <td>-</td>
145- <td>-</td>
146- <td>-</td>
147- <td>-</td>
148- <td>-</td>
149- </tr>
150- </tbody></table>
151- 
152-- **返回值：**
153- 
154- aclnnStatus：返回状态码，具体参见[aclnn返回码](../../../docs/zh/context/aclnn返回码.md)。
155- 
156- 第一段接口完成入参校验，出现以下场景时报错：
157- 
158- <table style="undefined;table-layout: fixed; width: 1150px"><colgroup>
159- <col style="width: 300px">
160- <col style="width: 134px">
161- <col style="width: 716px">
162- </colgroup>
163- <thead>
164- <tr>
165- <th>返回码</th>
166- <th>错误码</th>
167- <th>描述</th>
168- </tr></thead>
169- <tbody>
170- <tr>
171- <td>ACLNN_ERR_PARAM_NULLPTR</td>
172- <td>161001</td>
173- <td>传入的uniqueLen、uniqueIndices、indices、values、newIndicesOut或newValuesOut是空指针。</td>
174- </tr>
175- <tr>
176- <td rowspan="3">ACLNN_ERR_PARAM_INVALID</td>
177- <td rowspan="3">161002</td>
178- <td>uniqueLen、uniqueIndices、indices、values、newIndicesOut或newValuesOut的数据类型不在支持范围之内。</td>
179- </tr>
180- <tr>
181- <td>values或newValuesOut的维度超过8维。</td>
182- </tr>
183- <tr>
184- <td>重索引后的indices值不能超过int32上限。</td>
185- </tr>
186- </tbody></table>
187- 
188-## aclnnCoalesceSparse
189- 
190-- **参数说明：**
191- 
192- <table style="undefined;table-layout: fixed; width: 1151px"><colgroup>
193- <col style="width: 184px">
194- <col style="width: 134px">
195- <col style="width: 833px">
196- </colgroup>
197- <thead>
198- <tr>
199- <th>参数名</th>
200- <th>输入/输出</th>
201- <th>描述</th>
202- </tr></thead>
203- <tbody>
204- <tr>
205- <td>workspace</td>
206- <td>输入</td>
207- <td>在Device侧申请的workspace内存地址。</td>
208- </tr>
209- <tr>
210- <td>workspaceSize</td>
211- <td>输入</td>
212- <td>在Device侧申请的workspace大小，由第一段接口aclnnCoalesceSparseGetWorkspaceSize获取。</td>
213- </tr>
214- <tr>
215- <td>executor</td>
216- <td>输入</td>
217- <td>op执行器，包含了算子计算流程。</td>
218- </tr>
219- <tr>
220- <td>stream</td>
221- <td>输入</td>
222- <td>指定执行任务的Stream。</td>
223- </tr>
224- </tbody></table>
225- 
226-- **返回值：**
227- 
228- aclnnStatus：返回状态码，具体参见[aclnn返回码](../../../docs/zh/context/aclnn返回码.md)。
229- 
230-## 约束说明
231- 
232-无
233- 
234-## 调用示例
235- 
236-示例代码如下，仅供参考，具体编译和执行过程请参考[编译与运行样例](../../../docs/zh/context/编译与运行样例.md)。
237- 
238-```Cpp
239-#include <iostream>
240-#include <vector>
241-#include "acl/acl.h"
242-#include "aclnnop/aclnn_coalesce_sparse.h"
243- 
244-#define CHECK_RET(cond, return_expr) \
245- do { \
246- if (!(cond)) { \
247- return_expr; \
248- } \
249- } while (0)
250- 
251-#define LOG_PRINT(message, ...) \
252- do { \
253- printf(message, ##__VA_ARGS__); \
254- } while (0)
255- 
256-int64_t GetShapeSize(const std::vector<int64_t>& shape)
257-{
258- int64_t shapeSize = 1;
259- for (auto i : shape) {
260- shapeSize *= i;
261- }
262- return shapeSize;
263-}
264- 
265-int Init(int32_t deviceId, aclrtStream* stream)
266-{
267- // 固定写法，初始化
268- auto ret = aclInit(nullptr);
269- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclInit failed. ERROR: %d\n", ret); return ret);
270- ret = aclrtSetDevice(deviceId);
271- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSetDevice failed. ERROR: %d\n", ret); return ret);
272- ret = aclrtCreateStream(stream);
273- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtCreateStream failed. ERROR: %d\n", ret); return ret);
274- return 0;
275-}
276- 
277-template <typename T>
278-int CreateAclTensor(
279- const std::vector<T>& hostData, const std::vector<int64_t>& shape, void** deviceAddr, aclDataType dataType,
280- aclTensor** tensor)
281-{
282- auto size = GetShapeSize(shape) * sizeof(T);
283- // 调用aclrtMalloc申请device侧内存
284- auto ret = aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST);
285- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMalloc failed. ERROR: %d\n", ret); return ret);
286- // 调用aclrtMemcpy将host侧数据拷贝到device侧内存上
287- ret = aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE);
288- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtMemcpy failed. ERROR: %d\n", ret); return ret);
289- 
290- // 计算连续tensor的strides
291- std::vector<int64_t> strides(shape.size(), 1);
292- for (int64_t i = shape.size() - 2; i >= 0; i--) {
293- strides[i] = shape[i + 1] * strides[i + 1];
294- }
295- 
296- // 调用aclCreateTensor接口创建aclTensor
297- *tensor = aclCreateTensor(
298- shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(),
299- *deviceAddr);
300- return 0;
301-}
302- 
303-int main()
304-{
305- // 1. （固定写法）device/stream初始化，参考acl API文档
306- // 根据自己的实际device填写deviceId
307- int32_t deviceId = 0;
308- aclrtStream stream;
309- auto ret = Init(deviceId, &stream);
310- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("Init acl failed. ERROR: %d\n", ret); return ret);
311- 
312- // 2. 构造输入与输出，需要根据API的接口自定义构造
313- std::vector<int64_t> uniqueLenShape = {1};
314- std::vector<int64_t> uniqueIndicesShape = {2,2};
315- std::vector<int64_t> indexShape = {2,4};
316- std::vector<int64_t> valueShape = {4};
317- std::vector<int64_t> newIndexShape = {4};
318- std::vector<int64_t> newValueShape = {2};
319- void* uniqueLenDeviceAddr = nullptr;
320- void* uniqueIndicesDeviceAddr = nullptr;
321- void* indexDeviceAddr = nullptr;
322- void* valueDeviceAddr = nullptr;
323- void* newIndexDeviceAddr = nullptr;
324- void* newValueDeviceAddr = nullptr;
325- aclTensor* uniqueLen = nullptr;
326- aclTensor* uniqueIndices = nullptr;
327- aclTensor* index = nullptr;
328- aclTensor* value = nullptr;
329- aclTensor* newIndex = nullptr;
330- aclTensor* newValue = nullptr;
331- std::vector<int32_t> uniqueLenData = {2};
332- std::vector<int32_t> uniqueIndicesData = {0, 1, 0, 2};
333- std::vector<int32_t> indexData = {0, 0, 1, 1, 0, 0, 2, 2};
334- std::vector<float> valueData = {1, 2, 3, 4};
335- std::vector<int32_t> newIndexData = {0, 0, 0, 0};
336- std::vector<float> newValueData = {0, 0};
337- 
338- // 创建in aclTensor
339- ret = CreateAclTensor(uniqueLenData, uniqueLenShape, &uniqueLenDeviceAddr, aclDataType::ACL_INT32, &uniqueLen);
340- CHECK_RET(ret == ACL_SUCCESS, return ret);
341- // 创建in aclTensor
342- ret = CreateAclTensor(uniqueIndicesData, uniqueIndicesShape, &uniqueIndicesDeviceAddr, aclDataType::ACL_INT32, &uniqueIndices);
343- CHECK_RET(ret == ACL_SUCCESS, return ret);
344- // 创建in aclTensor
345- ret = CreateAclTensor(indexData, indexShape, &indexDeviceAddr, aclDataType::ACL_INT32, &index);
346- CHECK_RET(ret == ACL_SUCCESS, return ret);
347- // 创建in aclTensor
348- ret = CreateAclTensor(valueData, valueShape, &valueDeviceAddr, aclDataType::ACL_FLOAT, &value);
349- CHECK_RET(ret == ACL_SUCCESS, return ret);
350- // 创建out aclTensor
351- ret = CreateAclTensor(newIndexData, newIndexShape, &newIndexDeviceAddr, aclDataType::ACL_INT32, &newIndex);
352- CHECK_RET(ret == ACL_SUCCESS, return ret);
353- // 创建out aclTensor
354- ret = CreateAclTensor(newValueData, newValueShape, &newValueDeviceAddr, aclDataType::ACL_FLOAT, &newValue);
355- CHECK_RET(ret == ACL_SUCCESS, return ret);
356- 
357- // 3. 调用CANN算子库API，需要修改为具体的Api名称
358- uint64_t workspaceSize = 0;
359- aclOpExecutor* executor;
360- // 调用aclnnCoalesceSparse第一段接口
361- ret = aclnnCoalesceSparseGetWorkspaceSize(uniqueLen, uniqueIndices, index, value, newIndex, newValue, &workspaceSize, &executor);
362- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnCoalesceSparseGetWorkspaceSize failed. ERROR: %d\n", ret); return ret);
363- // 根据第一段接口计算出的workspaceSize申请device内存
364- void* workspaceAddr = nullptr;
365- if (workspaceSize > static_cast<uint64_t>(0)) {
366- ret = aclrtMalloc(&workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST);
367- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("allocate workspace failed. ERROR: %d\n", ret); return ret);
368- }
369- // 调用aclnnCoalesceSparse第二段接口
370- ret = aclnnCoalesceSparse(workspaceAddr, workspaceSize, executor, stream);
371- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnCoalesceSparse failed. ERROR: %d\n", ret); return ret);
372- 
373- // 4. （固定写法）同步等待任务执行结束
374- ret = aclrtSynchronizeStream(stream);
375- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret);
376- 
377- // 5. 获取输出的值，将device侧内存上的结果拷贝至host侧，需要根据具体API的接口定义修改
378- auto size = GetShapeSize(newValueShape);
379- std::vector<float> resultData(size, 0);
380- ret = aclrtMemcpy(
381- resultData.data(), resultData.size() * sizeof(resultData[0]), newValueDeviceAddr, size * sizeof(resultData[0]),
382- ACL_MEMCPY_DEVICE_TO_HOST);
383- CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("copy result from device to host failed. ERROR: %d\n", ret); return ret);
384- for (int64_t i = 0; i < size; i++) {
385- LOG_PRINT("result[%ld] is: %f\n", i, resultData[i]);
386- }
387- 
388- // 6. 释放aclTensor，需要根据具体API的接口定义修改
389- aclDestroyTensor(uniqueLen);
390- aclDestroyTensor(uniqueIndices);
391- aclDestroyTensor(index);
392- aclDestroyTensor(value);
393- aclDestroyTensor(newIndex);
394- aclDestroyTensor(newValue);
395- 
396- // 7. 释放device资源
397- aclrtFree(uniqueLenDeviceAddr);
398- aclrtFree(uniqueIndicesDeviceAddr);
399- aclrtFree(indexDeviceAddr);
400- aclrtFree(valueDeviceAddr);
401- aclrtFree(newIndexDeviceAddr);
402- aclrtFree(newValueDeviceAddr);
403- if (workspaceSize > static_cast<uint64_t>(0)) {
404- aclrtFree(workspaceAddr);
405- }
406- aclrtDestroyStream(stream);
407- aclrtResetDevice(deviceId);
408- aclFinalize();
409- return 0;
410-}
411-```
Mdocs/zh/op_api_list.md+2-3
@@ -35,7 +35,7 @@ ${INSTALL_DIR}表示CANN安装后文件路径；\$\{ops\_project\}表示算子
35| [aclnnAddLora](../../math/add_lora/docs/aclnnAddLora.md) | 为神经网络添加LoRA（Low-Rank Adaptation）层功能，通过低秩分解减少参数数量。 | 默认确定性实现| - |35| [aclnnAddLora](../../math/add_lora/docs/aclnnAddLora.md) | 为神经网络添加LoRA（Low-Rank Adaptation）层功能，通过低秩分解减少参数数量。 | 默认确定性实现| - |
36| [aclnnAddr&aclnnInplaceAddr](../../math/addr/docs/aclnnAddr&aclnnInplaceAddr.md) | 求一维向量vec1和vec2的外积得到一个二维矩阵，并将外积结果矩阵乘一个系数后和自身乘系数相加后输出。 | 默认确定性实现| 默认确定性实现|36| [aclnnAddr&aclnnInplaceAddr](../../math/addr/docs/aclnnAddr&aclnnInplaceAddr.md) | 求一维向量vec1和vec2的外积得到一个二维矩阵，并将外积结果矩阵乘一个系数后和自身乘系数相加后输出。 | 默认确定性实现| 默认确定性实现|
37| [aclnnAdds](../../math/add/docs/aclnnAdds.md) | 完成加法计算。 | 默认确定性实现| 默认确定性实现 |37| [aclnnAdds](../../math/add/docs/aclnnAdds.md) | 完成加法计算。 | 默认确定性实现| 默认确定性实现 |
38-| [aclnnAddV3&aclnnInplaceAddV3](../../math/add/docs/aclnnAddV3&aclnnInplaceAddV3.md) | 完成加法计算。 | 默认确定性实现| 默认确定性实现 |38+| [aclnnAddV3&aclnnInplaceAddV3](../../math/add/docs/aclnnAddV3&aclnnInplaceAddV3.md) | 完成加法计算。 | - | 默认确定性实现 |
39| [aclnnAffineGrid](../../math/affine_grid/docs/aclnnAffineGrid.md) | 给定一组3维的仿射参数矩阵(theta)以及输出图像的大小(size)，生成一个2D或3D的网格，该网格表示仿射后图像的点在原图像上的坐标。 | 默认确定性实现| - |39| [aclnnAffineGrid](../../math/affine_grid/docs/aclnnAffineGrid.md) | 给定一组3维的仿射参数矩阵(theta)以及输出图像的大小(size)，生成一个2D或3D的网格，该网格表示仿射后图像的点在原图像上的坐标。 | 默认确定性实现| - |
40| [aclnnAll](../../math/reduce_all/docs/aclnnAll.md) | 对于给定维度dim中的每一维，如果输入Tensor中该维度对应的所有元素计算为True，则返回True，否则返回False。 | 默认确定性实现| 默认确定性实现|40| [aclnnAll](../../math/reduce_all/docs/aclnnAll.md) | 对于给定维度dim中的每一维，如果输入Tensor中该维度对应的所有元素计算为True，则返回True，否则返回False。 | 默认确定性实现| 默认确定性实现|
41| [aclnnAmax](../../math/reduce_max/docs/aclnnAmax.md) | 返回张量在指定维度(dim)上每个切片的最大值。 | 默认确定性实现| 默认确定性实现|41| [aclnnAmax](../../math/reduce_max/docs/aclnnAmax.md) | 返回张量在指定维度(dim)上每个切片的最大值。 | 默认确定性实现| 默认确定性实现|
@@ -60,7 +60,7 @@ ${INSTALL_DIR}表示CANN安装后文件路径；\$\{ops\_project\}表示算子
60| [aclnnBitwiseNot](../../math/bitwise_not/docs/aclnnBitwiseNot.md) | 输入为BOOL型tensor时，进行逻辑非运算；输入为INT型时进行按位非运算。 | 默认确定性实现| 默认确定性实现|60| [aclnnBitwiseNot](../../math/bitwise_not/docs/aclnnBitwiseNot.md) | 输入为BOOL型tensor时，进行逻辑非运算；输入为INT型时进行按位非运算。 | 默认确定性实现| 默认确定性实现|
61| [aclnnBitwiseAndScalar](../../math/bitwise_and/docs/aclnnBitwiseAndScalar.md) | 计算输入tensor中每个元素和输入标量的按位与结果。 | 默认确定性实现| 默认确定性实现 |61| [aclnnBitwiseAndScalar](../../math/bitwise_and/docs/aclnnBitwiseAndScalar.md) | 计算输入tensor中每个元素和输入标量的按位与结果。 | 默认确定性实现| 默认确定性实现 |
62| [aclnnBitwiseAndTensor](../../math/bitwise_and/docs/aclnnBitwiseAndTensor.md) | 输入为BOOL型tensor时，进行逻辑与运算；输入为INT型时，进行位与运算。 | 默认确定性实现| 默认确定性实现 |62| [aclnnBitwiseAndTensor](../../math/bitwise_and/docs/aclnnBitwiseAndTensor.md) | 输入为BOOL型tensor时，进行逻辑与运算；输入为INT型时，进行位与运算。 | 默认确定性实现| 默认确定性实现 |
63-| [aclnnBitwiseAndTensorOut&aclnnInplaceBitwiseAndTensorOut](../../math/bitwise_and/docs/aclnnBitwiseAndTensorOut&aclnnInplaceBitwiseAndTensorOut.md) | 输入为BOOL型tensor时，进行逻辑与运算；输入为INT型时，进行位与运算。 | 默认确定性实现| 默认确定性实现 |63+| [aclnnBitwiseAndTensorOut&aclnnInplaceBitwiseAndTensorOut](../../math/bitwise_and/docs/aclnnBitwiseAndTensorOut&aclnnInplaceBitwiseAndTensorOut.md) | 输入为BOOL型tensor时，进行逻辑与运算；输入为INT型时，进行位与运算。 | - | 默认确定性实现 |
64| [aclnnBitwiseOrScalar&aclnnInplaceBitwiseOrScalar](../../math/bitwise_or/docs/aclnnBitwiseOrScalar&aclnnInplaceBitwiseOrScalar.md) | 计算输入张量self中每个元素和输入标量other的按位或。 | 默认确定性实现| 默认确定性实现 |64| [aclnnBitwiseOrScalar&aclnnInplaceBitwiseOrScalar](../../math/bitwise_or/docs/aclnnBitwiseOrScalar&aclnnInplaceBitwiseOrScalar.md) | 计算输入张量self中每个元素和输入标量other的按位或。 | 默认确定性实现| 默认确定性实现 |
65| [aclnnBitwiseOrTensor&aclnnInplaceBitwiseOrTensor](../../math/bitwise_or/docs/aclnnBitwiseOrTensor&aclnnInplaceBitwiseOrTensor.md) | 计算张量self中每个元素与other张量中对应位置的元素的按位或。 | 默认确定性实现| 默认确定性实现 |65| [aclnnBitwiseOrTensor&aclnnInplaceBitwiseOrTensor](../../math/bitwise_or/docs/aclnnBitwiseOrTensor&aclnnInplaceBitwiseOrTensor.md) | 计算张量self中每个元素与other张量中对应位置的元素的按位或。 | 默认确定性实现| 默认确定性实现 |
66| [aclnnBitwiseXorScalar&aclnnInplaceBitwiseXorScalar](../../math/bitwise_xor/docs/aclnnBitwiseXorScalar&aclnnInplaceBitwiseXorScalar.md) | 计算输入张量self中每个元素和输入标量other的按位异或，输入self和other必须是整数或布尔类型，对于布尔类型，计算逻辑异或。 | 默认确定性实现| 默认确定性实现 |66| [aclnnBitwiseXorScalar&aclnnInplaceBitwiseXorScalar](../../math/bitwise_xor/docs/aclnnBitwiseXorScalar&aclnnInplaceBitwiseXorScalar.md) | 计算输入张量self中每个元素和输入标量other的按位异或，输入self和other必须是整数或布尔类型，对于布尔类型，计算逻辑异或。 | 默认确定性实现| 默认确定性实现 |
@@ -84,7 +84,6 @@ ${INSTALL_DIR}表示CANN安装后文件路径；\$\{ops\_project\}表示算子
84| [aclnnClampMaxTensor&aclnnInplaceClampMaxTensor](../../conversion/clip_by_value_v2/docs/aclnnClampMaxTensor&aclnnInplaceClampMaxTensor.md) | 将输入的所有元素限制在[-inf, max]范围内。 | 默认确定性实现| 默认确定性实现 |84| [aclnnClampMaxTensor&aclnnInplaceClampMaxTensor](../../conversion/clip_by_value_v2/docs/aclnnClampMaxTensor&aclnnInplaceClampMaxTensor.md) | 将输入的所有元素限制在[-inf, max]范围内。 | 默认确定性实现| 默认确定性实现 |
85| [aclnnClampMin](../../conversion/clip_by_value_v2/docs/aclnnClampMin.md) | 将输入的所有元素限制在[min, inf]范围内。 | 默认确定性实现| 默认确定性实现 |85| [aclnnClampMin](../../conversion/clip_by_value_v2/docs/aclnnClampMin.md) | 将输入的所有元素限制在[min, inf]范围内。 | 默认确定性实现| 默认确定性实现 |
86| [aclnnClampMinTensor&aclnnInplaceClampMinTensor](../../conversion/clip_by_value_v2/docs/aclnnClampMinTensor&aclnnInplaceClampMinTensor.md) | 将输入的所有元素限制在[min, inf]范围内。 | 默认确定性实现| 默认确定性实现 |86| [aclnnClampMinTensor&aclnnInplaceClampMinTensor](../../conversion/clip_by_value_v2/docs/aclnnClampMinTensor&aclnnInplaceClampMinTensor.md) | 将输入的所有元素限制在[min, inf]范围内。 | 默认确定性实现| 默认确定性实现 |
87-| [aclnnCoalesceSparse](../../conversion/coalesce_sparse/docs/aclnnCoalesceSparse.md) | 将相同坐标点的value进行累加求和，进而减少Coo_Tensor的内存大小。 | 默认非确定性实现，不支持配置开启 | - |
88| [aclnnClampTensor](../../conversion/clip_by_value_v2/docs/aclnnClampTensor.md) | 将输入的所有元素限制在[min, max]范围内，如果min缺省，则无下限，如果max缺省，则无上限。 | 默认确定性实现| 默认确定性实现 |87| [aclnnClampTensor](../../conversion/clip_by_value_v2/docs/aclnnClampTensor.md) | 将输入的所有元素限制在[min, max]范围内，如果min缺省，则无下限，如果max缺省，则无上限。 | 默认确定性实现| 默认确定性实现 |
89| [aclnnComplex](../../math/complex/docs/aclnnComplex.md) | 输入两个Shape和Dtype一致的Tensor：real和imag。 | 默认确定性实现| - |88| [aclnnComplex](../../math/complex/docs/aclnnComplex.md) | 输入两个Shape和Dtype一致的Tensor：real和imag。 | 默认确定性实现| - |
90| [aclnnConfusionTranspose](../../conversion/confusion_transpose_d/docs/aclnnConfusionTranspose.md) | 融合reshape和transpose运算。 | 默认确定性实现| 默认确定性实现 |89| [aclnnConfusionTranspose](../../conversion/confusion_transpose_d/docs/aclnnConfusionTranspose.md) | 融合reshape和transpose运算。 | 默认确定性实现| 默认确定性实现 |
Mmath/add/docs/aclnnAddV3&aclnnInplaceAddV3.md+4-6
@@ -7,11 +7,11 @@
7| 产品 | 是否支持 |7| 产品 | 是否支持 |
8| :----------------------------------------------------------- | :------: |8| :----------------------------------------------------------- | :------: |
9| <term>Ascend 950PR/Ascend 950DT</term> | √ |9| <term>Ascend 950PR/Ascend 950DT</term> | √ |
10-| <term>Atlas A3 训练系列产品/Atlas A3 推理系列产品</term> | √ |10+| <term>Atlas A3 训练系列产品/Atlas A3 推理系列产品</term> | × |
11-| <term>Atlas A2 训练系列产品/Atlas A2 推理系列产品</term> | √ |11+| <term>Atlas A2 训练系列产品/Atlas A2 推理系列产品</term> | × |
12| <term>Atlas 200I/500 A2 推理产品</term> | × |12| <term>Atlas 200I/500 A2 推理产品</term> | × |
13-| <term>Atlas 推理系列产品</term> | √ |13+| <term>Atlas 推理系列产品</term> | × |
14-| <term>Atlas 训练系列产品</term> | √ |14+| <term>Atlas 训练系列产品</term> | × |
15 15 
16## 功能说明16## 功能说明
17 17 
@@ -165,8 +165,6 @@
165 </tbody>165 </tbody>
166 </table>166 </table>
167 167 
168- - <term>Atlas 训练系列产品</term>、<term>Atlas 推理系列产品</term>：不支持BFLOAT16数据类型。
169- 
170- **返回值：**168- **返回值：**
171 169 
172 aclnnStatus：返回状态码，具体参见[aclnn返回码](../../../docs/zh/context/aclnn返回码.md)。170 aclnnStatus：返回状态码，具体参见[aclnn返回码](../../../docs/zh/context/aclnn返回码.md)。
Mmath/bitwise_and/docs/aclnnBitwiseAndTensorOut&aclnnInplaceBitwiseAndTensorOut.md+3-3
@@ -5,11 +5,11 @@
5|产品 | 是否支持 |5|产品 | 是否支持 |
6|:-------------------------|:----------:|6|:-------------------------|:----------:|
7| <term>Ascend 950PR/Ascend 950DT</term> | √ |7| <term>Ascend 950PR/Ascend 950DT</term> | √ |
8-| <term>Atlas A3 训练系列产品/Atlas A3 推理系列产品</term> | √ |8+| <term>Atlas A3 训练系列产品/Atlas A3 推理系列产品</term> | × |
9-| <term>Atlas A2 训练系列产品/Atlas A2 推理系列产品</term> | √ |9+| <term>Atlas A2 训练系列产品/Atlas A2 推理系列产品</term> | × |
10| <term>Atlas 200I/500 A2 推理产品</term> | × |10| <term>Atlas 200I/500 A2 推理产品</term> | × |
11| <term>Atlas 推理系列产品</term> | × |11| <term>Atlas 推理系列产品</term> | × |
12-| <term>Atlas 训练系列产品</term> | √ |12+| <term>Atlas 训练系列产品</term> | × |
13 13 
14## 功能说明14## 功能说明
15 15