MoeTokenUnpermuteWithEpGrad

产品支持情况

算子功能：aclnnMoeTokenUnpermuteWithEp的反向传播。
计算公式：
$s o r t e d I n d i c e s = s o r t e d I n d i c e s [s o r t e d I n d i c e s [r a n g e O p t i o n a l [0]] < = i < s o r t e d I n d i c e s [r a n g e O p t i o n a l [1]]]$
probs非None：
$u n p e r m u t e d T o k e n s [i] = p e r m u t e d T o k e n s O p t i o n a l [s o r t e d I n d i c e s [i]]$ $u n p e r m u t e d T o k e n s = u n p e r m u t e d T o k e n s . r e s h a p e (- 1, t o p k N u m, h i d d e n S i z e)$ $u n p e r m u t e d T o k e n s = u n p e r m u t e d T o k e n s G r a d . u n s q u e e z e (1) * u n p e r m u t e d T o k e n s$ $\sum_{k=0}^{topkNum}(unpermutedTokens_{i,j,k})$ $p e r m u t e d T o k e n s G r a d O u t [s o r t e d I n d i c e s [i]] = ((u n p e r m u t e d T o k e n s G r a d . u n s q u e e z e (1) * p r o b s . u n s q u e e z e (- 1)) . r e s h a p e (- 1, h i d d e n S i z e)) [i]$
probs为None：
$p e r m u t e d T o k e n s G r a d O u t [s o r t e d I n d i c e s [i]] = u n p e r m u t e d T o k e n s G r a d [i]$

参数名	输入/输出/属性	描述	数据类型	数据格式
unpermutedTokensGrad	输入	正向输出unpermutedTokens的梯度，对应公式中的`unpermutedTokensGrad`。	FLOAT16、BFLOAT16、FLOAT32	ND
sortedIndices	输入	对应公式中的`sortedIndices`。	INT32	ND
permutedTokensOptional	可选输入	对应公式中的`permutedTokensOptional`。	FLOAT16、BFLOAT16、FLOAT32	ND
probsOptional	可选输入	对应公式中的`probsOptional`。	FLOAT16、BFLOAT16、FLOAT32	ND
paddedMode	属性	目前仅支持false。	BOOL	-
restoreShapeOptional	属性	目前仅支持nullptr。	aclIntArray*	-
rangeOptional	属性	ep切分的有效范围，对应公式中的`rangeOptional`。	aclIntArray*	-
topkNum	属性	每个token被选中的专家个数，对应公式中的`topkNum`。	INT64	-
permutedTokensGradOut	输出	输入permutedTokens的梯度，对应公式中的`permutedTokensGradOut`。	FLOAT16、BFLOAT16、FLOAT32	ND
probsGradOut	可选输出	输入probs的梯度，对应公式中的`probsGradOut`。	FLOAT16、BFLOAT16、FLOAT32	ND

调用方式	样例代码	说明
aclnn接口	test_aclnn_moe_token_unpermute_with_ep_grad	通过aclnnMoeTokenUnpermuteWithEpGrad接口方式调用MoeTokenUnpermuteWithEpGrad算子。