SoftplusV2Grad

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：aclnnSoftplus的反向传播，根据前向输入self和上游梯度gradOutput，计算对前向输入的梯度gradInput。

• 计算公式：

  $$gradInput=gradOutput\cdot \{\begin{array}{ll}\frac{1}{1+e^{(-\beta \cdot self)}},& \beta \cdot self\le threshold\\ 1,& \beta \cdot self>threshold\end{array}$$

  当 $\beta \cdot self>threshold$ 时梯度退化为1.0（即 $gradInput=gradOutput$），避免 $exp$ 溢出，保证数值稳定性。

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
input_gradients	输入	上游梯度张量，公式中的gradOutput，支持0D~8D，与input_features同dtype、满足broadcast关系。	FLOAT、FLOAT16、BFLOAT16	ND
input_features	输入	前向传播的原始输入张量，公式中的self，支持0D~8D，与input_gradients同dtype、满足broadcast关系。	FLOAT、FLOAT16、BFLOAT16	ND
beta	可选属性	公式中的beta，控制softplus陡峭程度，beta越大越接近ReLU。 默认值为1.0。	FLOAT	-
threshold	可选属性	公式中的threshold，数值稳定性阈值，超过后梯度退化为1.0。 默认值为20.0。	FLOAT	-
output_backprops	输出	对前向输入的梯度，公式中的gradInput，shape与dtype与input_features相同。	FLOAT、FLOAT16、BFLOAT16	ND

约束说明

• input_gradients和input_features的dtype必须一致，不支持混合精度。
• input_gradients和input_features满足broadcast关系，broadcast后shape与input_features相同；output_backprops的shape与input_features相同。
• beta和threshold为Host侧标量属性，非Tensor。
• 默认确定性实现。

调用说明

调用方式	调用样例	说明
aclnn调用	test_aclnn_softplus_v2_grad	通过aclnnSoftplusBackward接口方式调用SoftplusV2Grad算子。
图模式调用	test_geir_softplus_v2_grad	通过算子IR构图方式调用SoftplusV2Grad算子。