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TBE实现的 SyncBatchNormBackwardElemt算子进行重构，完成对Atlas A2 训练系列产品/Atlas 800I A2 推理系列产品的适配。

Origin（信息来源）

外部贡献

Benefit / Necessity （价值/作用）

SyncBatchNormBackwardElemt 算子是BatchNormElemt的反向计算。用于计算输入张量的元素级梯度，以便在反向传播过程中更新模型参数。

• 计算公式：

  $$gradInput = ({gradOut} - \frac{sumDy}{ {counter}}) - ((input - mean) * (invstd^{2} * (\frac{sumDyXmu}{ {counter}}))) * invstd * weight$$

• 数据类型支持：
  支持 float16、float32, bfloat16。

Design（设计方案）

1 使能方式

Aclnn直调。

2 总体设计

2.1host侧设计

可以将host侧将数据视为一维向量，不需要考虑到排布对实现的影响，只需要考虑数据个数，不考虑数据维度信息。
任务均分：coreNum 根据输入长度和块大小动态调整，确保每个核心处理的数据块数均匀。
批量搬运：SyncBatchNormBackwardElemtBlockNum 和 SyncBatchNormBackwardElemtDataNum 计算单次搬运的数据量，通过 finalSmallSyncBatchNormBackwardElemtNum 和 finalBigSyncBatchNormBackwardElemtNum 确定小核/大核的搬运次数，将多次搬运合并为批量操作，减少冗余开销。尾块的处理逻辑确保不完整块也能被合并到计算流程中，避免数据碎片。

2.1.1分核策略

优先使用满核的原则。
如果核间能均分，可视作无大小核区分，大核小核数据块一致；
如果核间不能均分，需要将余出的数据块分配到前几个核上。
输入数据大小计算：通过GetInputShape和GetDataTypeLength函数获取输入数据的大小和类型长度，计算出输入数据的总字节数。
UB内存大小和核心数量获取：通过平台信息获取UB内存大小和核心数量，并根据这些信息调整核心数量。

2.1.2数据分块和内存优化策

充分使用UB空间的原则。
需要考虑不同硬件的UB大小不同、是否开启double buffer、kernel侧API实现过程中是否需要临时数据的储存，综合考虑单核内切分的大小。
UB内存大小获取：通过GetCoreMemSize函数获取UB内存的大小，用于后续的数据切分计算。
SyncBatchNormBackwardElemt块计算：根据UB内存大小和预定义的BLOCK_SIZE及BUFFER_NUM和不同类型下的ubDataNum，计算出每个SyncBatchNormBackwardElemt块的数据数量。
数据切分：将输入数据按照计算出的SyncBatchNormBackwardElemt块大小进行切分，计算出每个core需要处理的数据块数量和最后一个block的剩余数据量。
设置切分参数：将计算出的切分参数（如每个core的数据量、SyncBatchNormBackwardElemt块大小等）设置到SyncBatchNormBackwardElemtTilingData对象中。
这些策略确保了数据在多个核心之间的均匀分布，并且在单个核心内进行了合理的切分，以提高并行处理的效率。

2.1.3tilingKey规划策略

根据不同tilingkey，启动不同kernel。

2.2kernel侧设计

2.2.1kernel侧实现描述

kernel侧分为Init和Process两个阶段，其中Process包括数据搬入（CopyIn）、计算（Compute）、搬出（CopyOut）三个阶段。

3 支持硬件

Atlas A2 训练系列产品/Atlas 800I A2 推理系列产品