Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.

Backgroud（背景信息）

使用AscendC对BinaryCrossEntropyGrad算子进行实现，实现了AscendC实现的BinaryCrossEntropyGrad算子对Atlas 200/500 A2推理产品和Atlas 800I/T A2硬件的适配。

Origin（信息来源）

哈工大算子团队

Benefit / Necessity （价值/作用）

   BinaryCrossEntropyGrad 算子的主要功能是计算二元交叉熵损失函数对输入的梯度，用于反向传播。支持在“reduction=none/ sum / mean ”三种模式下求得梯度，支持对正样本添加可学习的权重（pos_weight），支持对输入进行单点/批量梯度计算。常用于深度学习模型的二分类任务（如图像前景-背景分割、文本情感分类、CTR 预估）、生成对抗网络（GAN）中判别器的损失回传、多标签分类场景以及需要逐像素/逐 token 二值决策的计算机视觉与自然语言处理任务。
   给定样本真实标签 (logits)、模型预测概率 (labels)、上游梯度 (grad) 及可选权重 (weight)，算子逐元素计算关于预测值的梯度 (Z)：

$$z_i= weight_i * grad_i * （logits_i - labels_i）$$

   目前该算子支持 float / float16  数据类型 ，  int32 / int16 数据类型只支持 none （ELEMENTWISE_TPL_SCH_MODE_0）场景

Design（设计方案）

1. Host 侧设计
   1. 1 分核策略：
   • 计算总元素数（totalIdx = 输入形状总大小），结合数据类型长度得到总字节数（inputLengthBytes = totalIdx × 数据类型长度）。
   • 按512B粒度估算总block数（blocksTotal = (总字节数 + 511) / 512，即(inputLengthBytes + BLOCK_SIZE - 1) / BLOCK_SIZE，其中BLOCK_SIZE = 512）。
   • 若总block数 < 可用核心数（coreNum），则核数裁剪为总block数（最少1个核）。
   • 前tailBlockNum个核作为“大核”（每个多处理1个block），其余为“小核”（处理基本block数），其中tailBlockNum为总block数除以核心数的余数。
   1. 2 单核内切分：
   • tileBlockNum基于UB大小计算，公式为(ubSize / BLOCK_SIZE / BUFFER_NUM) / ubDataNumber（ubDataNumber根据数据类型字节数调整，确保UB可容纳缓冲区。
   • tileDataNum（每个tile的元素数）为(tileBlockNum × BLOCK_SIZE) / 数据类型长度，最少为1。
   • 每核数据切分成若干tile，最后一个tile为尾片（tailDataNum），大核使用bigTailDataNum，小核使用smallTailDataNum，通过总数据量与完整tile数据量的差值计算。
   1. 3 tiling key 规划：
   • 按 reduction 的值映射到schMode，支持 none （ELEMENTWISE_TPL_SCH_MODE_0）、 sum 和 mean（ELEMENTWISE_TPL_SCH_MODE_1）用于区分kernel分支。
2. Kernel 侧设计
   进行Init和Process两个阶段，其中Process包括数据搬入（CopyIn）、计算（Compute）、数据搬出（CopyOut）三个阶段，实现计算。
   2. 1 初始化
   • 获取当前核 ID（blockIdx）
   • 依据 tiling 参数计算本核负责的数据量 coreDataNum、分块数 tileNum、尾块元素数 tailDataNum 以及全局偏移 globalBufferIndex
   • 将 Global Memory 中的 5 个张量（grad、logits、labels、weight、outgrad）映射到本核的 GlobalTensor，并绑定 Queue 缓冲区（VECIN *4 + VECOUT *1）
   2. 2 计算流程
   • 从 VECIN 队列弹出 4 个 LocalTensor
   • 计算中间量：
     logits = logits – labels
     logits = logits * grad
     outgrad = logits * weight
   • 将结果 LocalTensor 推入 VECOUT 队列，并释放 4 个输入 LocalTensor