aclnnUnfoldGrad

产品支持情况

产品	是否支持
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	√

功能说明

• 算子功能：实现Unfold算子的反向功能，计算相应的梯度。

  Unfold算子根据入参self，计算出维度$dim$的所有大小为$size$的切片。两个切片之间的步长由$step$给出。如果$sizedim$是入参self的维度$dim$的大小，则返回的张量中维度$dim$的大小将为$(sizedim-size)/step+1$。返回的张量中附加了一个大小为$size$的附加维度。

  UnfoldGrad算子入参gradOutput的shape为Unfold正向输出的shape，入参inputSizes为Unfold正向输入self的shape，UnfoldGrad算子出参gradIn的shape为Unfold正向入参self的shape。

  例子：

  >>> x = torch.arange(1., 8)
  >>> x
  tensor([ 1.,  2.,  3.,  4.,  5.,  6.,  7.])
  >>> x.unfold(0, 2, 1)
  tensor([[ 1.,  2.],
          [ 2.,  3.],
          [ 3.,  4.],
          [ 4.,  5.],
          [ 5.,  6.],
          [ 6.,  7.]])
  >>> grad = x.unfold(0, 2, 2)
  tensor([[ 1.,  2.],
          [ 3.,  4.],
          [ 5.,  6.]])
  >>> res = torch.ops.aten.unfold_backward(grad, [7], 0, 2, 2)
  tensor([1, 2, 3, 4, 5, 6, 0])
  

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
gradOutput	输入张量	表示梯度更新系数，shape为(..., (sizedim-size)/step+1, size)，要求满足gradOutput的第dim维等于$(inputSizes[dim]-size)/step+1$和gradOut的size等于inputSizes的size+1。	FLOAT、FLOAT16、BFLOAT16	ND
inputSizes	输入数组	表示输出张量的形状，值为(..., sizedim)，inputSizes的size小于等于8。	INT64	ND
dim	输入	公式中的$dim$。表示展开发生的维度。$dim$需要满足dim大于等于0且dim小于inputSizes的size。	INT64	-
size	输入	公式中的$size$。表示展开的每个切片的大小。$size$需要满足size大于0且size小于等于inputSizes的第dim维。	INT64	-
step	输入	公式中的$step$。表示每个切片之间的步长。$step$需要满足step大于0。	INT64
gradIn	输出	表示Unfold的对应梯度，数据类型必须和gradOut一致。	FLOAT、FLOAT16、BFLOAT16

约束说明

gradOutput的shape满足约束:

• gradOutput的第dim维等于(inputSizes[dim]-size)/step+1。
• gradOutput的size等于inputSizes的size+1。

dim大于等于0且dim小于inputSizes的size。size大于0且size小于等于inputSizes的第dim维。step大于0。

调用说明

调用方式	样例代码	说明
aclnn接口	test_unfold_grad	通过aclnnUnfoldGrad接口方式调用UnfoldGrad算子。