CANN/ops-nn融合偏置LeakyReLU梯度算子

FusedBiasLeakyReluGrad【免费下载链接】ops-nn本项目是CANN提供的神经网络类计算算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-nn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BiasAdd LeakyReLU Scale 三合一反向梯度算子来自 MMCV 框架的 FusedBiasLeakyReLU 反向。给定上游梯度 y_grad 和前向特征值 features根据 features 的符号生成梯度掩码与 y_grad 逐元素相乘后再乘以 scale 缩放因子输出输入特征的梯度 x_grad。计算公式$$ x_grad[i] scale \cdot y_grad[i] \cdot \begin{cases} 1.0 \text{if } features[i] 0 \ negative_slope \text{if } features[i] \leq 0 \end{cases} $$参数说明参数名输入/输出/属性描述数据类型数据格式y_grad输入上游回传的梯度张量数据类型需与 features 一致。FLOAT16、FLOATNDfeatures输入前向特征值张量用于符号判断features 0 作为梯度掩码shape 需与 y_grad 广播兼容。FLOAT16、FLOATNDnegative_slope属性LeakyReLU 负半轴斜率系数默认值 0.2。FLOAT-scale属性方差保持缩放因子默认值 sqrt(2) ≈ 1.414213562373。FLOAT-x_grad输出输入特征的梯度shape 为 y_grad 和 features 广播后的结果。同y_gradND约束说明y_grad 和 features 的数据类型必须相同。y_grad 和 features 的 shape 必须满足广播规则广播后的 rank 不超过 8。支持空 Tensor元素数为 0 时返回空输出。Atlas 训练系列产品 、 Atlas 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 数据类型支持FLOAT16、FLOAT。Ascend 950PR/Ascend 950DT 数据类型支持FLOAT16、FLOAT。调用说明调用方式样例代码说明图模式test_geir_fused_bias_leaky_relu_grad通过算子IR构图方式调用FusedBiasLeakyReluGrad算子。【免费下载链接】ops-nn本项目是CANN提供的神经网络类计算算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-nn创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考