CANN图像算子双三次上采样反向

aclnnUpsampleBicubic2dBackward

【免费下载链接】ops-cv本项目是CANN提供的图像处理、目标检测相关的算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-cv

📄 查看源码

产品支持情况

功能说明

• 接口功能：aclnnUpsampleBicubic2d的反向传播。如果输入张量的shape为(N, C, H, W)，则输出张量的shape为(N, C, inputSize[2], inputSize[3])。

• 计算公式：对于一个二维插值点$(N, C, h, w)$，插值$gradInput(N, C, h, w)$可以表示为：

  $$ {gradInput(N, C, h, w)}=\sum_{i=0}^{3}\sum_{j=0}^{3}{W(i, j)}*{f(h_i, w_j)} $$

  $$ scaleH =\begin{cases} (inputSize[2]-1) / (outputSize[0]-1) & alignCorners=true \ 1 / scalesH & alignCorners=false&scalesH>0\ inputSize[2] / outputSize[0] & otherwise \end{cases} $$

  $$ scaleW =\begin{cases} (inputSize[3]-1) / (outputSize[1]-1) & alignCorners=true \ 1 / scalesW & alignCorners=false&scalesW>0\ inputSize[3] / outputSize[1] & otherwise \end{cases} $$

  其中：

  • i和j是$W(i, j)$的索引变量。

  • $f(h_i, w_j)$是gradOut在$(h_i, w_j)$的像素值。

  • $W(i, j)$是双三次抗锯齿插值的权重，定义为：

    $$ W(d) =\begin{cases} (a+2)|d|^3-(a+3)|d|^2+1 & |d|\leq1 \ a|d|^3-5a|d|^2+8a|d|-4a & 1<|d|<2 \ 0 & otherwise \end{cases} $$

    其中：

    • $a=-0.75$
    • $d = |(h, w) - (h_i, w_j)|$

函数原型

每个算子分为两段式接口，必须先调用“aclnnUpsampleBicubic2dBackwardGetWorkspaceSize”接口获取入参并根据计算流程计算所需workspace大小，再调用“aclnnUpsampleBicubic2dBackward”接口执行计算。

aclnnStatus aclnnUpsampleBicubic2dBackwardGetWorkspaceSize( const aclTensor* gradOut, const aclIntArray* outputSize, const aclIntArray* inputSize, const bool alignCorners, double scalesH, double scalesW, aclTensor* gradInput, uint64_t* workspaceSize, aclOpExecutor** executor)

aclnnStatus aclnnUpsampleBicubic2dBackward( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)

aclnnUpsampleBicubic2dBackwardGetWorkspaceSize

• 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Tensor
  gradOut（aclTensor*）	输入	表示反向计算的梯度Tensor，对应公式描述中的`gradOut`。	不支持空Tensor。 数据类型与`gradInput`一致。 当数据格式为ND时，默认按照NCHW格式处理。 `gradOut`的所有维度取值均小于等于(2^31-1)。	FLOAT32、FLOAT16、BFLOAT16	NCHW、ND、NHWC	4	√
  outputSize（aclIntArray*）	输入	表示输入`gradOut`在H和W维度上的空间大小。对应公式中的`outputSize`。	size为2，且各元素均大于零。	INT64	-	-	-
  inputSize（aclIntArray*）	输入	表示输出`gradInput`分别在N、C、H、W或N、H、W、C维度上的空间大小。对应公式中的`inputSize`。	size为4，且各元素均大于零。	INT64	-	-	-
  alignCorners（bool）	输入	决定是否对齐角像素点，对应公式中的`alignCorners`。	如果为True，则输入和输出张量的角像素点会被对齐，否则不对齐。	-	-	-	-
  scalesH（double）	输入	表示输出`gradInput`的height维度乘数，对应公式中的`scalesH`。	-	-	-	-	-
  scalesW（double）	输入	表示输出`gradInput`的width维度乘数，对应公式中的`scalesW`。	-	-	-	-	-
  gradInput（aclTensor*）	输出	表示反向计算的输出张量，对应公式中的`gradInput`。	不支持空Tensor。 数据类型、数据格式与`gradOut`保持一致。 shape的N轴和C轴与`gradOut`保持一致。 `gradInput`的所有维度取值均小于等于(2^31-1)。	FLOAT32、FLOAT16、BFLOAT16	NCHW、ND、NHWC	4	√
  workspaceSize（uint64_t*）	输出	返回需要在Device侧申请的workspace大小。	-	-	-	-	-
  executor（aclOpExecutor**）	输出	返回op执行器，包含了算子计算流程。	-	-	-	-	-

  • Atlas 训练系列产品 ：

    • 参数gradOut、gradInput的数据类型不支持BFLOAT16。
    • 参数gradOut、gradInput的数据格式不支持NHWC。

  • Atlas A2 训练系列产品/Atlas A2 推理系列产品 、 Atlas A3 训练系列产品/Atlas A3 推理系列产品 ：

    参数gradOut、gradInput的数据格式不支持NHWC。

• 返回值

  aclnnStatus：返回状态码，具体参见aclnn返回码。

  第一段接口完成入参校验，出现以下场景时报错：

  返回码	错误码	描述
  ACLNN_ERR_PARAM_NULLPTR	161001	传入的gradOut、outputSize、inputSize或gradInput是空指针。
  ACLNN_ERR_PARAM_INVALID	161002	gradOut的数据类型和数据格式不在支持的范围内。
  		gradOut和gradInput的数据类型不一致。
  		gradOut的维度不为4维。
  		outputSize的size不等于2。
  		outputSize的某个元素值小于1。
  		inputSize的size不等于4。
  		inputSize的某个元素值小于1。
  		gradOut与inputSize在N、C维度上的size不同。
  		gradOut在H、W维度上的size与outputSize[0]和outputSize[1]不一致。
  		gradOut和gradInput的N/C轴的维度大小不相等。
  		gradOut和gradInput的数据格式不在支持的范围之内。

aclnnUpsampleBicubic2dBackward

• 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aclnnUpsampleBicubic2dBackwardGetWorkspaceSize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

• 参数inputSize、outputSize、scalesH、scalesW需要满足如下约束：

  $$ outputSize_H = floor(inputSize_H * scalesH) $$

  $$ outputSize_W = floor(inputSize_W * scalesW) $$

• 确定性计算：

  aclnnUpsampleBicubic2dBackward默认非确定性实现，支持通过aclrtCtxSetSysParamOpt开启确定性。当满足如下条件时不支持确定性计算：

  • $inputSize_W$ > 130000
  • $inputSize_H$/$outputSize_H$ >=50
  • $inputSize_W$/$outputSize_W$ >=50 && $inputSize_N$ * $inputSize_C$ * $inputSize_H$ > $inputSize_W$ * 0.5
  • $inputSize_H$/$outputSize_H$ < 0.02 && $inputSize_W$/$outputSize_W$ < 0.02 && $inputSize_N$ * $inputSize_C$ * $inputSize_H$ > $inputSize_W$ * 10000

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_upsample_bicubic_2d_backward.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::vector<int64_t> &shape) { int64_t shapeSize = 1; for (auto i : shape) { shapeSize *= i; } return shapeSize; } 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::vector<T> &hostData, const std::vector<int64_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::vector<int64_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_NCHW, 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_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::vector<int64_t> selfShape = {1, 1, 2, 2}; std::vector<int64_t> outShape = {1, 1, 3, 3}; void *selfDeviceAddr = nullptr; void *outDeviceAddr = nullptr; aclTensor *self = nullptr; aclTensor *out = nullptr; std::vector<float> selfHostData = {1, 2, 3, 4.1}; std::vector<float> outHostData = {0, 0, 0, 0, 0, 0, 0, 0, 0}; // 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); std::vector<int64_t> outArraySize = {2, 2}; const aclIntArray *outputSize = aclCreateIntArray(outArraySize.data(), outArraySize.size()); CHECK_RET(outputSize != nullptr, return ACL_ERROR_INTERNAL_ERROR); std::vector<int64_t> inputArraySize = {1, 1, 3, 3}; const aclIntArray *inputSize = aclCreateIntArray(inputArraySize.data(), inputArraySize.size()); CHECK_RET(inputSize != nullptr, return ACL_ERROR_INTERNAL_ERROR); // 3. 调用CANN算子库API，需要修改为具体的Api名称 uint64_t workspaceSize = 0; aclOpExecutor *executor; // 调用aclnnUpsampleBicubic2dBackward第一段接口 ret = aclnnUpsampleBicubic2dBackwardGetWorkspaceSize( self, outputSize, inputSize, 1, 1.1, 1.1, out, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnUpsampleBicubic2dBackwardGetWorkspaceSize 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aclnnUpsampleBicubic2dBackward第二段接口 ret = aclnnUpsampleBicubic2dBackward(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnUpsampleBicubic2dBackward 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::vector<float> 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]); } // 6. 释放aclTensor，需要根据具体API的接口定义修改 aclDestroyTensor(self); aclDestroyTensor(out); aclDestroyIntArray(outputSize); aclDestroyIntArray(inputSize); // 7. 释放device资源，需要根据具体API的接口定义修改 aclrtFree(selfDeviceAddr); aclrtFree(outDeviceAddr); if (workspaceSize > 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }

【免费下载链接】ops-cv本项目是CANN提供的图像处理、目标检测相关的算子库，实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-cv