Star803
1603
代码
代码
Issues172
Pull Requests253
Actions
项目讨论
Wiki
分析
Star803
1603
cann-robotcann-robotdocs目录基本概念md中文名改为英文名
a04f015f创建于 1 天前历史提交
文件最后提交记录最后更新时间
docs
docs目录基本概念md中文名改为英文名 Co-authored-by: chenjiao<chenjiao31@huawei.com> # message auto-generated for no-merge-commit merge: !7857 merge master into master docs目录基本概念md中文名改为英文名 Created-by: gitcode-chenjiao Commit-by: gitcode-chenjiao;chenjiao Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述你的改动，包括改动的原因和所采取的方法。--> docs目录基本概念md文件名改为英文： 避免link中的中文字符引发的跳转异常，例如两段式接口.md变成%E4%B8%A4%E6%AE%B5%E5%BC%8F%E6%8E%A5%E5%8F%A3.md，不易于维护，可能导致其他平台跳转有问题。 ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> [#4260](https://gitcode.com/cann/ops-nn/issues/4260) ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ok ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> docs/zh/context所有md和对应的link ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x ] 文档更新 - [ ] 其他，请描述： ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!7857
1 天前
examples
format cpp Co-authored-by: yang-di52<yangdi52@huawei.com> # message auto-generated for no-merge-commit merge: !6784 merge issue_fix into master format cpp Created-by: yang-di52 Commit-by: yang-di52 Merged-by: cann-robot Description: ## 描述 批量刷新cpp代码格式 ## 关联的Issue [#3791](https://gitcode.com/cann/ops-nn/issues/3791) ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [x] 其他，请描述：代码格式化 ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!6784
19 天前
framework
TF plugin开源 Co-authored-by: sunchun<sunchun4@h-partners.com> # message auto-generated for no-merge-commit merge: !7516 merge nn into master TF plugin开源 Created-by: sunchun Commit-by: sunchun Merged-by: cann-robot Description: ## 描述 TF plugin开源修改 ## 关联的Issue https://gitcode.com/cann/ops-nn/issues/4196 ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!7516
3 天前
op_api
format cpp Co-authored-by: yang-di52<yangdi52@huawei.com> # message auto-generated for no-merge-commit merge: !6784 merge issue_fix into master format cpp Created-by: yang-di52 Commit-by: yang-di52 Merged-by: cann-robot Description: ## 描述 批量刷新cpp代码格式 ## 关联的Issue [#3791](https://gitcode.com/cann/ops-nn/issues/3791) ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [x] 其他，请描述：代码格式化 ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!6784
19 天前
op_graph
新增或整改算子mish、prelu、sparse_slice、softmax_grad_ext 、erfinv，适配下一代芯片 Co-authored-by: dyd-dmy<dengyidan@huawei.com> # message auto-generated for no-merge-commit merge: !2508 merge code_migration into master 新增或整改算子mish、prelu、sparse_slice、softmax_grad_ext 、erfinv，适配下一代芯片 Created-by: dyd-dmy Commit-by: dyd-dmy Merged-by: cann-robot Description: ## 描述 ### 新增算子： 1. prelu：一种激活函数，当Tensor中value大于0，取该value，小于0时取权重与value的乘积。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>x</td> <td>输入</td> <td>待进行PRelu计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>weight</td> <td>输入</td> <td>计算的权重参数，元素个数为1或者元素个数与x输入的channel数量一致，channel为输入维度的第二维度。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>PRelu计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> 2. sparse_slice：基于start和size对SparseTensor进行切片操作。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>indices</td> <td>输入</td> <td>SparseTensor的索引，形状为[n, rank]，其中n为输入值数量，rank为值索引的维度。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>values</td> <td>输入</td> <td>SparseTensor的值，形状为[n]。</td> <td>INT64、INT32、UINT16、INT16、UINT8、INT8、FLOAT16、FLOAT、DOUBLE、COMPLEX64、COMPLEX128、BOOL、STRING、RESOURCE、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>shape</td> <td>输入</td> <td>SparseTensor的形状，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>start</td> <td>输入</td> <td>切片的起始位置，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>size</td> <td>输入</td> <td>切片的大小，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>y_indices</td> <td>输出</td> <td>切片后SparseTensor的索引。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>y_values</td> <td>输出</td> <td>切片后SparseTensor的值，类型与输入values相同。</td> <td>INT64、INT32、UINT16、INT16、UINT8、INT8、FLOAT16、FLOAT、DOUBLE、COMPLEX64、COMPLEX128、BOOL、STRING、RESOURCE、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>y_shape</td> <td>输出</td> <td>切片后SparseTensor的形状。</td> <td>INT64</td> <td>ND</td> </tr> </tbody></table> 3. softmax_grad_ext： <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>grad</td> <td>输入</td> <td>反向输入张量。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>x1</td> <td>输入</td> <td>反向梯度，与grad具有相同的类型、格式和形状。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>x2</td> <td>输入</td> <td>反向缩放因子，与grad具有相同的类型。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>y</td> <td>输出</td> <td>反向输出，与grad具有相同的类型、格式和形状。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>axes</td> <td>属性</td> <td>归约的轴，默认值为1。</td> <td>INT</td> <td>-</td> </tr> <tr> <td>keep_dims</td> <td>属性</td> <td>是否保持维度数，默认值为true。true表示保留长度为1的归约维度。</td> <td>BOOL</td> <td>-</td> </tr> </tbody></table> 4. erfinv：erfinv是高斯误差函数erf的反函数。返回输入Tensor中每个元素对应在标准正态分布函数的分位数。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>self</td> <td>输入</td> <td>待进行erfinv计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>erfinv计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> ### 整改算子： 1. mish：一个自正则化的非单调神经网络激活函数。主要整改原Mish算子不合理的目录结构、代码和文档，新增适配下一代芯片的功能代码与测试代码。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>self</td> <td>输入</td> <td>待进行Mish激活计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>Mish激活计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> https://gitcode.com/cann/ops-nn/issues/1684 ## 测试 1、算子包编译成功，部署成功，aclnn通路验证成功 2、david冒烟、二级冒烟、st用例都通过 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> 更新p_relu、mish、erfinv算子的README.md文件 ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： See merge request: cann/ops-nn!2508
3 个月前
op_host
format cpp Co-authored-by: yang-di52<yangdi52@huawei.com> # message auto-generated for no-merge-commit merge: !6784 merge issue_fix into master format cpp Created-by: yang-di52 Commit-by: yang-di52 Merged-by: cann-robot Description: ## 描述 批量刷新cpp代码格式 ## 关联的Issue [#3791](https://gitcode.com/cann/ops-nn/issues/3791) ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [x] 其他，请描述：代码格式化 ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!6784
19 天前
op_kernel
新增或整改算子mish、prelu、sparse_slice、softmax_grad_ext 、erfinv，适配下一代芯片 Co-authored-by: dyd-dmy<dengyidan@huawei.com> # message auto-generated for no-merge-commit merge: !2508 merge code_migration into master 新增或整改算子mish、prelu、sparse_slice、softmax_grad_ext 、erfinv，适配下一代芯片 Created-by: dyd-dmy Commit-by: dyd-dmy Merged-by: cann-robot Description: ## 描述 ### 新增算子： 1. prelu：一种激活函数，当Tensor中value大于0，取该value，小于0时取权重与value的乘积。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>x</td> <td>输入</td> <td>待进行PRelu计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>weight</td> <td>输入</td> <td>计算的权重参数，元素个数为1或者元素个数与x输入的channel数量一致，channel为输入维度的第二维度。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>PRelu计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> 2. sparse_slice：基于start和size对SparseTensor进行切片操作。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>indices</td> <td>输入</td> <td>SparseTensor的索引，形状为[n, rank]，其中n为输入值数量，rank为值索引的维度。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>values</td> <td>输入</td> <td>SparseTensor的值，形状为[n]。</td> <td>INT64、INT32、UINT16、INT16、UINT8、INT8、FLOAT16、FLOAT、DOUBLE、COMPLEX64、COMPLEX128、BOOL、STRING、RESOURCE、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>shape</td> <td>输入</td> <td>SparseTensor的形状，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>start</td> <td>输入</td> <td>切片的起始位置，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>size</td> <td>输入</td> <td>切片的大小，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>y_indices</td> <td>输出</td> <td>切片后SparseTensor的索引。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>y_values</td> <td>输出</td> <td>切片后SparseTensor的值，类型与输入values相同。</td> <td>INT64、INT32、UINT16、INT16、UINT8、INT8、FLOAT16、FLOAT、DOUBLE、COMPLEX64、COMPLEX128、BOOL、STRING、RESOURCE、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>y_shape</td> <td>输出</td> <td>切片后SparseTensor的形状。</td> <td>INT64</td> <td>ND</td> </tr> </tbody></table> 3. softmax_grad_ext： <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>grad</td> <td>输入</td> <td>反向输入张量。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>x1</td> <td>输入</td> <td>反向梯度，与grad具有相同的类型、格式和形状。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>x2</td> <td>输入</td> <td>反向缩放因子，与grad具有相同的类型。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>y</td> <td>输出</td> <td>反向输出，与grad具有相同的类型、格式和形状。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>axes</td> <td>属性</td> <td>归约的轴，默认值为1。</td> <td>INT</td> <td>-</td> </tr> <tr> <td>keep_dims</td> <td>属性</td> <td>是否保持维度数，默认值为true。true表示保留长度为1的归约维度。</td> <td>BOOL</td> <td>-</td> </tr> </tbody></table> 4. erfinv：erfinv是高斯误差函数erf的反函数。返回输入Tensor中每个元素对应在标准正态分布函数的分位数。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>self</td> <td>输入</td> <td>待进行erfinv计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>erfinv计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> ### 整改算子： 1. mish：一个自正则化的非单调神经网络激活函数。主要整改原Mish算子不合理的目录结构、代码和文档，新增适配下一代芯片的功能代码与测试代码。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>self</td> <td>输入</td> <td>待进行Mish激活计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>Mish激活计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> https://gitcode.com/cann/ops-nn/issues/1684 ## 测试 1、算子包编译成功，部署成功，aclnn通路验证成功 2、david冒烟、二级冒烟、st用例都通过 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> 更新p_relu、mish、erfinv算子的README.md文件 ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： See merge request: cann/ops-nn!2508
3 个月前
tests
format cpp Co-authored-by: yang-di52<yangdi52@huawei.com> # message auto-generated for no-merge-commit merge: !6784 merge issue_fix into master format cpp Created-by: yang-di52 Commit-by: yang-di52 Merged-by: cann-robot Description: ## 描述 批量刷新cpp代码格式 ## 关联的Issue [#3791](https://gitcode.com/cann/ops-nn/issues/3791) ## 测试 <!--描述进行了哪些测试来验证你的改动。--> ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [x] 其他，请描述：代码格式化 ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!6784
19 天前
CMakeLists.txt
新增或整改算子mish、prelu、sparse_slice、softmax_grad_ext 、erfinv，适配下一代芯片 Co-authored-by: dyd-dmy<dengyidan@huawei.com> # message auto-generated for no-merge-commit merge: !2508 merge code_migration into master 新增或整改算子mish、prelu、sparse_slice、softmax_grad_ext 、erfinv，适配下一代芯片 Created-by: dyd-dmy Commit-by: dyd-dmy Merged-by: cann-robot Description: ## 描述 ### 新增算子： 1. prelu：一种激活函数，当Tensor中value大于0，取该value，小于0时取权重与value的乘积。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>x</td> <td>输入</td> <td>待进行PRelu计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>weight</td> <td>输入</td> <td>计算的权重参数，元素个数为1或者元素个数与x输入的channel数量一致，channel为输入维度的第二维度。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>PRelu计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> 2. sparse_slice：基于start和size对SparseTensor进行切片操作。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>indices</td> <td>输入</td> <td>SparseTensor的索引，形状为[n, rank]，其中n为输入值数量，rank为值索引的维度。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>values</td> <td>输入</td> <td>SparseTensor的值，形状为[n]。</td> <td>INT64、INT32、UINT16、INT16、UINT8、INT8、FLOAT16、FLOAT、DOUBLE、COMPLEX64、COMPLEX128、BOOL、STRING、RESOURCE、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>shape</td> <td>输入</td> <td>SparseTensor的形状，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>start</td> <td>输入</td> <td>切片的起始位置，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>size</td> <td>输入</td> <td>切片的大小，形状为[rank]。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>y_indices</td> <td>输出</td> <td>切片后SparseTensor的索引。</td> <td>INT64</td> <td>ND</td> </tr> <tr> <td>y_values</td> <td>输出</td> <td>切片后SparseTensor的值，类型与输入values相同。</td> <td>INT64、INT32、UINT16、INT16、UINT8、INT8、FLOAT16、FLOAT、DOUBLE、COMPLEX64、COMPLEX128、BOOL、STRING、RESOURCE、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>y_shape</td> <td>输出</td> <td>切片后SparseTensor的形状。</td> <td>INT64</td> <td>ND</td> </tr> </tbody></table> 3. softmax_grad_ext： <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>grad</td> <td>输入</td> <td>反向输入张量。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>x1</td> <td>输入</td> <td>反向梯度，与grad具有相同的类型、格式和形状。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>x2</td> <td>输入</td> <td>反向缩放因子，与grad具有相同的类型。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>y</td> <td>输出</td> <td>反向输出，与grad具有相同的类型、格式和形状。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>axes</td> <td>属性</td> <td>归约的轴，默认值为1。</td> <td>INT</td> <td>-</td> </tr> <tr> <td>keep_dims</td> <td>属性</td> <td>是否保持维度数，默认值为true。true表示保留长度为1的归约维度。</td> <td>BOOL</td> <td>-</td> </tr> </tbody></table> 4. erfinv：erfinv是高斯误差函数erf的反函数。返回输入Tensor中每个元素对应在标准正态分布函数的分位数。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>self</td> <td>输入</td> <td>待进行erfinv计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>erfinv计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> ### 整改算子： 1. mish：一个自正则化的非单调神经网络激活函数。主要整改原Mish算子不合理的目录结构、代码和文档，新增适配下一代芯片的功能代码与测试代码。 <table style="undefined;table-layout: fixed; width: 980px"><colgroup> <col style="width: 100px"> <col style="width: 150px"> <col style="width: 280px"> <col style="width: 330px"> <col style="width: 120px"> </colgroup> <thead> <tr> <th>参数名</th> <th>输入/输出/属性</th> <th>描述</th> <th>数据类型</th> <th>数据格式</th> </tr></thead> <tbody> <tr> <td>self</td> <td>输入</td> <td>待进行Mish激活计算的入参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> <tr> <td>out</td> <td>输出</td> <td>Mish激活计算的出参。</td> <td>FLOAT、FLOAT16、BFLOAT16</td> <td>ND</td> </tr> </tbody></table> ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> https://gitcode.com/cann/ops-nn/issues/1684 ## 测试 1、算子包编译成功，部署成功，aclnn通路验证成功 2、david冒烟、二级冒烟、st用例都通过 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> 更新p_relu、mish、erfinv算子的README.md文件 ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： See merge request: cann/ops-nn!2508
3 个月前
README.md
Label the chip Co-authored-by: zhouwenfang<zhouwenfang3@h-partners.com> # message auto-generated for no-merge-commit merge: !7823 merge master into master Label the chip Created-by: zhouwenfang Commit-by: zhouwenfang Merged-by: cann-robot Description: ## 描述 Label the chip ## 关联的Issue https://gitcode.com/cann/ops-nn/issues/4245 ## 测试 NA ## 文档更新 activation目录所有的aclnn.md文件 ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x ] 文档更新 - [ ] 其他，请描述： ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!7823
2 天前
README

PRelu

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：一种激活函数，当Tensor中value大于0，取该value，小于0时取权重与value的乘积。

  • 计算公式：

outi=PRelu(xi)=max⁡(0,xi)+weight×min⁡(0,xi)out_i=\mathrm{PRelu}(x_i)=\max(0, x_i) + weight \times \min(0, x_i)

参数说明

参数名 输入/输出/属性 描述 数据类型 数据格式
x 输入 待进行PRelu计算的入参，公式中的x。 FLOAT、FLOAT16、BFLOAT16 ND
weight 输入 计算的权重参数，元素个数为1或者元素个数与x输入的channel数量一致，channel为输入维度的第二维度。 FLOAT、FLOAT16、BFLOAT16 ND
out 输出 PRelu计算的出参，对应计算公式中的out。 FLOAT、FLOAT16、BFLOAT16 ND
  • Atlas 推理系列产品、Atlas 训练系列产品：数据类型支持FLOAT、FLOAT16。

约束说明

无

调用说明

调用方式 调用样例 说明
aclnn调用 test_aclnn_prelu 通过aclnnPrelu接口方式调用Prelu算子。