aclnnRReluWithNoiseaclnnInplaceRReluWithNoise【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 查看源码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√功能说明接口功能实现了带噪声的随机修正线性单元激活函数它在输入小于等于0时斜率为a输入大于0时斜率为1计算公式$$ RReluWithNoise(self)\begin{cases} self, self\gt0 \ a*self, self\le 0 \end{cases} $$其中a是随机变量服从均匀分布$U$(lower,upper)。 如果是训练模式training truenoise计算公式如下$$ noise_i \begin{cases} 1, self_i \gt 0 \ a, self_i \le 0 \end{cases} $$函数原型aclnnRReluWithNoise和aclnnInplaceRReluWithNoise实现相同的功能使用区别如下请根据自身实际场景选择合适的算子。aclnnRReluWithNoise需新建一个输出张量对象存储计算结果。aclnnInplaceRReluWithNoise无需新建输出张量对象直接在输入张量的内存中存储计算结果。每个算子分为两段式接口必须先调用“aclnnRReluWithNoiseGetWorkspaceSize”或”aclnnInplaceRReluWithNoiseGetWorkspaceSize“接口获取入参并根据流程计算所需workspace大小再调用“aclnnRReluWithNoise”或”aclnnInplaceRReluWithNoise“接口执行计算。aclnnStatus aclnnRReluWithNoiseGetWorkspaceSize( const aclTensor *self, const aclTensor *noise, const aclScalar *lower, const aclScalar *upper, bool training, int64_t seed, int64_t offset, aclTensor *out, uint64_t *workspaceSize, aclOpExecutor **executor)aclnnStatus aclnnRReluWithNoise( void* workspace, uint64_t workspaceSize, aclOpExecutor* executor, const aclrtStream stream)aclnnStatus aclnnInplaceRReluWithNoiseGetWorkspaceSize( const aclTensor* self, const aclTensor* noise, const aclScalar* lower, const aclScalar* upper, bool training, int64_t seed, int64_t offset, uint64_t* workspaceSize, aclOpExecutor** executor)aclnnStatus aclnnInplaceRReluWithNoise( void* workspace, uint64_t workspaceSize, aclOpExecutor* executor, const aclrtStream stream)aclnnRReluWithNoiseGetWorkspaceSize参数说明参数名输入/输出描述使用说明数据类型数据格式维度(shape)非连续TensorselfaclTensor*输入待进行RReluWithNoise计算的入参公式中的self。shape支持的维度不超过32。数据类型需要和out的数据类型保持一致。shape需要和out的shape保持一致。数据格式需要和out的数据格式类型保持一致。支持空Tensor。BFLOAT16、FLOAT16、FLOATND0-32√noiseaclTensor*输入公式中的noise_i。Size需要不小于selfshape建议与self一致。数据类型需要和self的数据类型保持一致。shape需要和self的shape保持一致。shape支持的维度不超过32。支持空Tensor。BFLOAT16、FLOAT16、FLOATND0-32√loweraclScalar*输入均匀分布U中的lower。数据类型需要与self、out满足数据类型推导规则参见互推导关系。BFLOAT16、FLOAT16、FLOAT---upperaclScalar*输入均匀分布U中的upper。数据类型需要与self、out满足数据类型推导规则参见互推导关系。BFLOAT16、FLOAT16、FLOAT---trainingbool输入区分是训练还是推理。-----seedint64_t输入随机数生成器的种子影响生成的随机数序列。-----offsetint64_t输入随机数生成器的偏移量影响生成的随机数序列的位置。偏移量设置后生成的随机数序列会从指定位置开始。----outaclTensor*输出均匀分布U中的upper。数据类型需要和self的数据类型保持一致。shape需要和self的shape保持一致。数据格式需要和self的数据格式类型保持一致。BFLOAT16、FLOAT16、FLOAT---workspaceSizeuint64_t*输出返回需要在Device侧申请的workspace大小。-----executoraclOpExecutor**输出返回op执行器包含了算子计算流程。-----Atlas 训练系列产品 数据类型支持FLOAT16、FLOAT。返回值aclnnStatus返回状态码具体参见aclnn返回码。第一段接口会完成入参校验出现以下场景时报错返回码错误码描述ACLNN_ERR_PARAM_NULLPTR161001传入的self、noise或out是空指针。ACLNN_ERR_PARAM_INVALID161002self或noise的数据类型不在支持的范围之内。self的Size大于noise的Size。self、noise、out的数据类型、数据格式不一致。self、out的shape不一致。self或noise的shape维度超过32。aclnnRReluWithNoise参数说明参数名输入/输出描述workspace输入在Device侧申请的workspace内存地址。workspaceSize输入在Device侧申请的workspace大小由第一段接口aclnnRReluWithNoiseGetWorkspaceSize获取。executor输入op执行器包含了算子计算流程。stream输入指定执行任务的Stream。返回值aclnnStatus: 返回状态码具体参见aclnn返回码。aclnnInplaceRReluWithNoiseGetWorkspaceSize参数说明参数名输入/输出描述使用说明数据类型数据格式维度(shape)非连续Tensorself输入公式中的self。shape支持的维度不超过32。BFLOAT16、FLOAT16、FLOATND0-32√noise输入公式中的noise_i。Size需要不小于selfshape建议与self一致。数据类型需要和self的数据类型保持一致。数据格式需要和self的数据格式保持一致。shape支持的维度不超过32。BFLOAT16、FLOAT16、FLOATND0-32√lower输入均匀分布U中的lower。数据类型需要与self一致。BFLOAT16、FLOAT16、FLOAT---upper输入均匀分布U中的upper。数据类型需要与self一致。BFLOAT16、FLOAT16、FLOAT---training输入区分是训练还是推理。-BOOL---seed输入随机数生成器的种子影响生成的随机数序列。-INT64---offset输入随机数生成器的偏移量影响生成的随机数序列的位置。偏移量设置后生成的随机数序列会从指定位置开始。INT64---workspaceSize输出返回需要在Device侧申请的workspace大小。-----executor输出返回op执行器包含了算子计算流程。-----Atlas 训练系列产品 数据类型支持FLOAT16、FLOAT。返回值aclnnStatus返回状态码具体参见aclnn返回码。第一段接口会完成入参校验出现以下场景时报错返回码错误码描述ACLNN_ERR_PARAM_NULLPTR161001传入的self或noise是空指针。ACLNN_ERR_PARAM_INVALID161002self或noise的数据类型不在支持的范围之内。self的Size大于noise的Size。self、noise的数据类型、数据格式不一致。self或noise的shape维度超过32。aclnnInplaceRReluWithNoise参数说明参数名输入/输出描述workspace输入在Device侧申请的workspace内存地址。workspaceSize输入在Device侧申请的workspace大小由第一段接口aclnnInplaceRReluWithNoiseGetWorkspaceSize获取。executor输入op执行器包含了算子计算流程。stream输入指定执行任务的Stream。返回值aclnnStatus: 返回状态码具体参见aclnn返回码。约束说明确定性计算aclnnRReluWithNoiseaclnnInplaceRReluWithNoise默认确定性实现。调用示例示例代码如下仅供参考具体编译和执行过程请参考编译与运行样例。#include iostream #include vector #include acl/acl.h #include aclnnop/aclnn_rrelu_with_noise.h #define CHECK_RET(cond, return_expr) \ do { \ if (!(cond)) { \ return_expr; \ } \ } while (0) #define LOG_PRINT(message, ...) \ do { \ printf(message, ##__VA_ARGS__); \ } while (0) int64_t GetShapeSize(const std::vectorint64_t shape) { int64_t shape_size 1; for (auto i: shape) { shape_size * i; } return shape_size; } int Init(int32_t deviceId, aclrtStream* stream) { // 固定写法资源初始化 auto ret aclInit(nullptr); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclInit failed. ERROR: %d\n, ret); return ret); ret aclrtSetDevice(deviceId); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtSetDevice failed. ERROR: %d\n, ret); return ret); ret aclrtCreateStream(stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtCreateStream failed. ERROR: %d\n, ret); return ret); return 0; } template typename T int CreateAclTensor(const std::vectorT hostData, const std::vectorint64_t shape, void** deviceAddr, aclDataType dataType, aclTensor** tensor) { auto size GetShapeSize(shape) * sizeof(T); // 调用aclrtMalloc申请device侧内存 auto ret aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtMalloc failed. ERROR: %d\n, ret); return ret); // 调用aclrtMemcpy将host侧数据拷贝到device侧内存上 ret aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtMemcpy failed. ERROR: %d\n, ret); return ret); // 计算连续tensor的strides std::vectorint64_t strides(shape.size(), 1); for (int64_t i shape.size() - 2; i 0; i--) { strides[i] shape[i 1] * strides[i 1]; } // 调用aclCreateTensor接口创建aclTensor *tensor aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { // 1. 固定写法device/stream初始化参考acl API手册 // 根据自己的实际device填写deviceId int32_t deviceId 0; aclrtStream stream; auto ret Init(deviceId, stream); // check根据自己的需要处理 CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(Init acl failed. ERROR: %d\n, ret); return ret); // 2. 构造输入与输出需要根据API的接口自定义构造 std::vectorint64_t selfShape {2, 2}; std::vectorint64_t outShape {2, 2}; std::vectorint64_t noiseShape {2, 2}; void* selfDeviceAddr nullptr; void* outDeviceAddr nullptr; void* noiseDeviceAddr nullptr; aclTensor* self nullptr; aclTensor* out nullptr; aclTensor* noise nullptr; aclScalar* lower nullptr; aclScalar* upper nullptr; std::vectorfloat selfHostData {1, 2, 3, 4}; std::vectorfloat outHostData {0, 0, 0, 0}; std::vectorfloat noiseHostData {4, 3, 2, 1}; float lowerValue 0.1f; float upperValue 0.3f; // 创建self aclTensor ret CreateAclTensor(selfHostData, selfShape, selfDeviceAddr, aclDataType::ACL_FLOAT, self); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建out aclTensor ret CreateAclTensor(outHostData, outShape, outDeviceAddr, aclDataType::ACL_FLOAT, out); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建noise aclTensor ret CreateAclTensor(noiseHostData, noiseShape, noiseDeviceAddr, aclDataType::ACL_FLOAT, noise); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建lower aclScalar lower aclCreateScalar(lowerValue, aclDataType::ACL_FLOAT); CHECK_RET(lower ! nullptr, return ret); // 创建upper aclScalar upper aclCreateScalar(upperValue, aclDataType::ACL_FLOAT); CHECK_RET(upper ! nullptr, return ret); bool training false; int64_t seed 0; int64_t offset 0; uint64_t workspaceSize 0; aclOpExecutor* executor; // aclnnRReluWithNoise接口调用示例 // 3. 调用aclnnRReluWithNoise第一段接口 ret aclnnRReluWithNoiseGetWorkspaceSize(self, noise, lower, upper, training, seed, offset, out, workspaceSize, executor); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnRReluWithNoiseGetWorkspaceSize failed. ERROR: %d\n, ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 void* workspaceAddr nullptr; if (workspaceSize 0) { ret aclrtMalloc(workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(allocate workspace failed. ERROR: %d\n, ret); return ret); } // 调用aclnnRReluWithNoise第二段接口 ret aclnnRReluWithNoise(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnRReluWithNoise failed. ERROR: %d\n, ret); return ret); // 4. 固定写法同步等待任务执行结束 ret aclrtSynchronizeStream(stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtSynchronizeStream failed. ERROR: %d\n, ret); return ret); // 5. 获取输出的值将device侧内存上的结果拷贝至host侧需要根据具体API的接口定义修改 auto size GetShapeSize(outShape); std::vectorfloat resultData(size, 0); ret aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), outDeviceAddr, size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(copy result from device to host failed. ERROR: %d\n, ret); return ret); for (int64_t i 0; i size; i) { LOG_PRINT(result[%ld] is: %f\n, i, resultData[i]); } // aclnnInplaceRReluWithNoise接口调用示例 // step3.调用aclnnInplaceRReluWithNoise第一段接口 ret aclnnInplaceRReluWithNoiseGetWorkspaceSize(self, noise, lower, upper, training, seed, offset, workspaceSize, executor); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnInplaceRReluWithNoiseGetWorkspaceSize failed. ERROR: %d\n, ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 if (workspaceSize 0) { ret aclrtMalloc(workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(allocate workspace failed. ERROR: %d\n, ret); return ret); } // 调用aclnnInplaceRReluWithNoise第二段接口 ret aclnnInplaceRReluWithNoise(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnInplaceRReluWithNoise failed. ERROR: %d\n, ret); return ret); // step4. 固定写法同步等待任务执行结束 ret aclrtSynchronizeStream(stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtSynchronizeStream failed. ERROR: %d\n, ret); return ret); // step5. 获取输出的值将device侧内存上的结果拷贝至host侧需要根据具体API的接口定义修改 ret aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), outDeviceAddr, size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(copy result from device to host failed. ERROR: %d\n, ret); return ret); for (int64_t i 0; i size; i) { LOG_PRINT(result[%ld] is: %f\n, i, resultData[i]); } // 6. 释放aclTensor需要根据具体API的接口定义修改 aclDestroyTensor(self); aclDestroyTensor(out); aclDestroyTensor(noise); aclDestroyScalar(lower); aclDestroyScalar(upper); // 7. 释放device资源需要根据具体API的接口定义参数 aclrtFree(selfDeviceAddr); aclrtFree(outDeviceAddr); aclrtFree(noiseDeviceAddr); if (workspaceSize 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }【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