文件	最后提交记录	最后更新时间
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	1 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	1 个月前
op_kernel	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	1 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	1 个月前
CMakeLists.txt	EluGrad算子贡献 Co-authored-by: ilovescrapy<2623969821@qq.com> # message auto-generated for no-merge-commit merge: !3221 merge master into master EluGrad算子贡献 Created-by: ilovescrapy Commit-by: ilovescrapy Merged-by: cann-robot Description: ## 描述 # 需求背景（required） ## 需求来源背景介绍 ### EluGrad算子实现优化基于EluGrad算子历史TBE版本使用Ascend C编程语言进行优化。 EluGrad算子（TBE）实现路径和相关API路径 EluGrad算子实现路径为：/usr/local/Ascend/ascend-toolkit/latest/opp/built-in/op_impl/ai_core/tbe/impl EluGrad算子实现中的API路径：/usr/local/Ascend/ascend-toolkit/latest/python/site-packages/tbe/dsl ### EluGrad算子现状分析通过对EluGrad算子TBE版本的功能分析，当前支持的能力如下： ①输出参数为z，输入参数有2个，grads和activations是参与计算的参数，支持float16，float32，bfloat16、int32、int8五种格式的输入. ②EluGrad算子功能是: $$ y=grads⋅(min(activations,0)+1) $$ EluGrad算子TBE版本的整体流程图如下图所示： ![tbe.jpg](https://raw.gitcode.com/user-images/assets/7665709/2dc3da92-c2e3-4cc9-97cd-5c60a7d6d07b/tbe.jpg 'tbe.jpg') # 需求分析 ## 外部组件依赖不涉及外部组件依赖。 ## 内部适配模块适配Aclnn接口调用。 ## 需求模块设计 ### 算子原型 * 需要注意的是虽然在算子原型中有NC1HWC0,FRACTAL_Z,C1HWNCoC0,ND四种排布格式，但经过实测，tbe并不支持C1HWNCoC0格式，而tbe额外支持了NCHW, NHWC所以做出如下修改。 \| \| \| \| \| \| \| \| ------ \| ---- \| -------------- \| ------ \| ------ \| ---- \| \| 名称 \| 类别 \| dtype \| format \| shape \| 介绍 \| \| grads \| 输入 \| fp16/fp32/bf16 \| ND, NCHW, NHWC, NC1HWC0, FRACTAL_Z \| all \| 输入 \| \| activations \| 输入 \| fp16/fp32/bf16 \| ND, NCHW, NHWC, NC1HWC0, FRACTAL_Z \| all \| 输入 \| \| y \| 输出 \| fp16/fp32/bf16 \| ND, NCHW, NHWC, NC1HWC0, FRACTAL_Z \| 同输入 \| 输出 \| 1. 相关约束 Atlas A2 训练系列产品/Atlas 800I A2推理产品float16、float32、bfloat16、int32、int8 # 需求详细设计 ## 使能方式 \| 上层框架 \| 涉及的框架勾选 \| \| ---------------- \| ------------------ \| \| TF训练/推理 \| \| \| Pytorch训练/推理 \| \| \| ATC推理 \| √ \| \| Aclnn直调 \| √ \| \| OPAT调优 \| \| \| SGAT子图切分 \| \| ## 需求总体设计 3.2.1 host侧设计： tiling策略：当不需要广播的情况下，算子计算过程不涉及数据的维度信息，故在host侧将数据视为一维向量，仅考虑数据个数，不考虑数据维度信息。虽然tbe代码中有将标量1广播到x.shape的操作，在AscendC中通过Duplicate接口可以复制标量1，该接口不需要shape传入。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：tailTileLength 和 formerTileLength 计算单次搬运的数据量，通过 tailTileNum 和 formerTileNum 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。 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。 1. 数据分块和内存优化策略充分使用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。 Tile块计算：根据UB内存大小和预定义的BLOCK_SIZE及BUFFER_NUM，计算出每个Tile块的数据数量。数据切分：将输入数据按照计算出的Tile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、Tile块大小等）设置到EluGradTilingData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。 1. tilingkey规划策略无数据检测：对不支持AscendC::Cast()bfloat16向float32转换的硬件进行直接在tiling策略时返回Get Operator Workspace failed. error code is 561002报错。 3.2.2 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）、搬出（CopyOut）三个阶段。 1. 由于支持Ascend C开发的硬件中AscendC::EluGrad支持float16、float32和bfloat16数据的输入，可以将bfloat16和float16的数据都转成float32进行计算，计算完成后在将精度转换回去. 2. tilingkey始终为0。 3. 会用到的API有：Cast、Adds、Mul、Compare等等。 4. Ascend C的EluGrad算子流程见下图。 ![AscendC.jpg](https://raw.gitcode.com/user-images/assets/7665709/d9201c91-4278-4007-a9cc-ced3a498aaf1/AscendC.jpg 'AscendC.jpg') ## 支持硬件 \| 支持的芯片版本 \| 涉及勾选 \| \| ------------------------- \| ------------ \| \| 香橙派OrangePi AIpro \| \| \| Atlas 200I/500 A2推理产品 \| \| \| Atlas 800I/T A2 \| √ \| ## 算子约束限制不支持广播。 ## 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/1754 ## 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!3221	4 个月前
README.md	更新SigmoidCrossEntropyWithLogitsGradV2等算子文档说明 Co-authored-by: fullt<full.fu@huawei.com> # message auto-generated for no-merge-commit merge: !4530 merge readme into master 更新SigmoidCrossEntropyWithLogitsGradV2等算子文档说明 Created-by: fullt Commit-by: fullt Merged-by: cann-robot Description: ## 描述优化SigmoidCrossEntropyWithLogitsGradV2等算子文档说明 ## 关联的Issue https://gitcode.com/cann/ops-nn/issues/2519 ## 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README.md和算子docs下的接口文档 ## 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： See merge request: cann/ops-nn!4530	3 个月前

EluGrad

产品支持情况

产品	是否支持
Atlas A2 训练系列产品/Atlas 800I A2 推理产品件	√

功能说明

算子功能：求elu函数梯度。
计算公式：

y = (m i n (a c t i v a t i o n s, 0) + 1) * g r a d s

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
grads	输入	对应Elu操作的反向传播梯度	FLOAT、FLOAT16、BFLOAT16	ND
activations	输入	与"grads"具有相同的类型、格式和形状。对应Elu操作的输出值。	FLOAT、FLOAT16、BFLOAT16	ND
y	输出	公式中的输出张量	同grads	ND

调用说明

调用方式	样例代码	说明
aclnn接口调用	test_aclnn_elu_grad.cpp	通过自动生成的aclnn接口调用EluGrad算子。

约束说明

无

贡献说明

贡献者	贡献方	贡献算子	贡献时间	贡献内容
ilovescrapy	个人开发者	EluGrad	2026/3/23	EluGrad算子适配开源仓