HardSigmoidGradV2 算子

HardSigmoid 激活函数的反向梯度算子，基于 Ascend C 实现。

算子功能

计算 HardSigmoid 的梯度：

grad_input = grad_output * (1/6)    当 -3 < self < 3
grad_input = 0                      其他情况

输入：

• grad_output：上游梯度张量
• self：前向传播的输入张量

输出：

• grad_input：计算得到的梯度张量（shape 与输入相同）

支持的数据类型

数据类型	支持	精度标准
float16 (fp16)	是	rtol=0.001, atol=0.001
float32 (fp32)	是	rtol=0.0001, atol=0.0001
bfloat16 (bf16)	是	rtol=0.004, atol=0.004

目标芯片

• 芯片型号：Ascend910B
• 架构：arch32
• CANN 版本：9.0.0

编译与安装

前置条件

• 已安装 CANN Toolkit（9.0.0 或兼容版本）
• 已配置 ASCEND_HOME_PATH 环境变量

编译算子包

cd /path/to/hard_sigmoid_grad_v2
mkdir -p build && cd build
cmake .. -DASCEND_COMPUTE_UNIT=ascend910b
make -j$(nproc)
make binary
make package

或使用构建脚本（推荐）：

bash build.sh --soc=ascend910b

安装算子包

编译完成后在 build/ 目录下生成 custom_opp_ubuntu_aarch64.run 安装包：

./build/custom_opp_ubuntu_aarch64.run

安装后算子包位于 $ASCEND_OPP_PATH/vendors/ 目录下。

使用方法

ACLNN 接口

#include "aclnn_hard_sigmoid_grad_v2.h"

// 获取 workspace 大小
aclnnStatus ret = aclnnHardSigmoidGradV2GetWorkspaceSize(
    gradOutput, self, gradInput, &workspaceSize, &executor);

// 执行算子
ret = aclnnHardSigmoidGradV2(workspace, workspaceSize, executor, stream);

运行测试

单元测试（UT）

cd tests/ut
bash run.sh

UT 包含 22 个测试用例，覆盖 Tiling 分支和 InferShape 逻辑。

系统测试（ST）

cd tests/st
bash run.sh --mode=real --device=0

ST 包含 24 个测试用例，在真实 NPU 上验证精度：

• fp16：12 个用例
• fp32：4 个用例
• bf16：8 个用例

目录结构

hard_sigmoid_grad_v2/
├── CMakeLists.txt                          # 顶层 CMake 配置
├── README.md                               # 本文件
├── op_kernel/
│   ├── CMakeLists.txt                      # Kernel 编译配置
│   ├── hard_sigmoid_grad_v2_arch32.cpp        # Kernel 入口（模板实例化）
│   └── arch32/
│       ├── hard_sigmoid_grad_v2.h             # Kernel 核心实现
│       ├── hard_sigmoid_grad_v2_tiling_data.h # Tiling 数据结构定义
│       └── hard_sigmoid_grad_v2_tiling_key.h  # TilingKey 定义（6 个 Key）
├── op_host/
│   ├── CMakeLists.txt                      # Host 编译配置
│   ├── hard_sigmoid_grad_v2_def.cpp           # 算子注册与 dtype/format 定义
│   ├── hard_sigmoid_grad_v2_infershape.cpp    # Shape 推导（elementwise）
│   └── arch32/
│       └── hard_sigmoid_grad_v2_tiling.cpp    # Host 端 Tiling 策略实现
├── docs/
│   ├── DEVELOPMENT_LOG.md                  # 开发日志
│   ├── REQUIREMENT_ANALYSIS.md             # 需求分析文档
│   ├── hard_sigmoid_grad_v2_DETAILED_DESIGN.md # 详细设计文档
│   ├── hard_sigmoid_grad_v2_TEST_DESIGN.md    # 测试设计文档
│   ├── hard_sigmoid_grad_v2_ITERATION_PLAN.md # 迭代计划
│   ├── final_precision_report.md           # 最终精度验收报告
│   └── INTEGRATION_REPORT.md              # 代码集成报告
├── tests/
│   ├── ut/                                 # 单元测试（22 用例）
│   │   ├── CMakeLists.txt
│   │   ├── run.sh
│   │   └── op_host/                        # Tiling/InferShape 测试
│   ├── st/                                 # 系统测试（24 用例）
│   │   ├── CMakeLists.txt
│   │   ├── run.sh
│   │   ├── test_aclnn_hard_sigmoid_grad_v2.cpp
│   │   └── testcases/                      # L0/L1 测试用例表
│   └── reports/                            # 各迭代测试报告
└── probe/                                  # 穿刺验证工程

实现说明

TilingKey 策略

算子使用 6 个 TilingKey，由数据类型和 Buffer 模式组合而成：

TilingKey	数据类型	Buffer 模式
0	fp16	单 buffer
1	fp16	双 buffer
2	fp32	单 buffer
3	fp32	双 buffer
4	bf16	单 buffer
5	bf16	双 buffer

关键实现细节

• 标量比较：使用 Compares API（Level 2）进行 self 与边界值（-3, 3）的比较
• bf16 处理：bf16 不支持直接 Compares，通过 Cast 到 float 进行计算后再 Cast 回 bf16
• 对齐要求：Compares Level 2 要求 count*sizeof(T) 按 256 字节对齐，ubFactor 对齐到 256/sizeof(ComputeT)