ThreeInterpolateBackward
【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
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：根据grad_x, idx, weight进行三点插值计算梯度得到grad_y。
计算公式：
$$ grad_y[b,c,idx[b,n,i]] = grad_y[b,c,idx[b,n,i]] + grad_x[b,c,n]*weight[b,n,i]\ i\in[0,2]\ b\in[0,B) \ c\in[0,C) \ n\in[0,N) $$
参数说明
| 参数名 | 输入/输出/属性 | 描述 | 数据类型 | 数据格式 |
|---|---|---|---|---|
| grad_x | 输入 | 网络反向传播前一步的梯度值，对应公式中的`grad_x`。 | FLOAT32、FLOAT16 | 5HD |
| idx | 输入 | 目标特征三个相邻点的特征索引，对应公式中的`idx`。 | INT32、INT64 | ND |
| weight | 输入 | 目标特征三个相邻点的特征权重，对应公式中的`weight`。 | FLOAT32、FLOAT16 | ND |
| grad_y | 输出 | 梯度计算结果，对应公式中的`grad_y`。数据类型和数据格式需要与`grad_x`的数据类型和数据格式一致。 | FLOAT32、FLOAT16 | 5HD |
约束说明
无
调用说明
| 调用方式 | 样例代码 | 说明 |
|---|---|---|
| aclnn接口 | test_aclnn_three_interpolate_backward | 通过aclnnThreeInterpolateBackward接口方式调用ThreeInterpolateBackward算子。 |
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
