CANN/ops-cv Im2col反向传播算子

aclnnIm2colBackward

【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

• 算子功能：从批处理输入张量中提取滑动局部块，将滑动局部块数组合并为一个大张量。

• 计算公式：

  考虑一个形状为 $(N,C,)$的批处理input张量，其中$N$是批处理维度，$C$是通道维度，而$$表示任意空间维度。

  此操作将input空间维度内的每个滑动kernel_size大小的块展平为形状是$(N,C×\prod(kernel_size),L)$ 的 3-D output张量的列（即最后一维）。

  其中：

  • $C×\prod(kernel_size)$ 是每个块内的值的数量（一个块有$\prod(kernel_size)$ 个空间位置，每个空间位置都包含一个$C$ 通道向量），而$L$是这些块的总数：

    $$ L=\prod_d⌊{\frac{spatial_size[d]+2×padding[d]−dilation[d]×(kernel_size[d]−1)−1}{stride[d]}+1}⌋ $$

  • spatial_size由input(上面的$*$)的空间维度构成，而$d$覆盖所有空间维度。 因此，在最后一个维度（列维度）索引，output会给出某个块内的所有值。

函数原型

每个算子分为两段式接口，必须先调用“aclnnIm2colBackwardGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用“aclnnIm2colBackward”接口执行计算。

aclnnStatus aclnnIm2colBackwardGetWorkspaceSize( const aclTensor *gradOutput, const aclIntArray *inputSize, const aclIntArray *kernelSize, const aclIntArray *dilation, const aclIntArray *padding, const aclIntArray *stride, aclTensor *out, uint64_t *workspaceSize, aclOpExecutor **executor)

aclnnStatus aclnnIm2colBackward( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)

aclnnIm2colBackwardGetWorkspaceSize

• 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
  gradOutput	输入	输入tensor。	shape为(C×kernel_size[0]×kernel_size[1],L)或(N,C×kernel_size[0]×kernel_size[1],L)。	BFLOAT16、FLOAT16、FLOAT	ND	支持2维和3维	√
  inputSize	输入	输入张量的形状。	值大于0。	INT64	-	-	-
  kernelSize	输入	卷积核的大小。	值大于0。	INT64	-	-	-
  dilation	输入	膨胀参数。	值大于0。	INT64	-	-	-
  padding	输入	卷积的填充大小。	值大于等于0。	INT64	-	-	-
  stride	输入	卷积的步长。	值大于0。	INT64	-	-	-
  out	输出	输出tensor。	shape为(C,spatial_size[0],spatial_size[1])或(N,C,spatial_size[0],spatial_size[1])。	BFLOAT16、FLOAT16、FLOAT	ND	支持3维和4维，且维度比gradOutput的大1。	√
  workspaceSize	输出	返回用户需要在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。	-	-	-	-	-

• 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：

  返回值	错误码	描述
  ACLNN_ERR_PARAM_NULLPTR	161001	传入的gradOutput、inputSize、kernelSize、dilation、padding、stride或out是空指针。
  ACLNN_ERR_PARAM_INVALID	161002	gradOutput的数据类型不在支持的范围之内。
  		gradOutput的维度不是2维且不是3维。
  		gradOutput是2维时，out不是3维；gradOutput是3维时，out不是4维。
  		inputSize、kernelSize、dilation、padding或stride的size不为2。
  		kernelSize、dilation或stride存在值等于或小于0的元素。
  		padding存在值小于0的元素。
  		gradOutput的shape不符合参数说明中的shape。
  		out的shape不符合参数说明中的shape。

aclnnIm2colBackward

• 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aclnnIm2colBackwardGetWorkspaceSize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

无。

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_im2col_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_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_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> gradShape = {4, 2}; std::vector<int64_t> outShape = {1, 1, 1}; void* gradDeviceAddr = nullptr; void* outDeviceAddr = nullptr; aclTensor* grad = nullptr; aclIntArray* inputSize = nullptr; aclIntArray* kernelSize = nullptr; aclIntArray* dilation = nullptr; aclIntArray* padding = nullptr; aclIntArray* stride = nullptr; aclTensor* out = nullptr; std::vector<float> gradHostData = {0.1, 1.1, 2.1, 3.1, 4.1, 5.1, 6.1, 7.1}; std::vector<int64_t> inputSizeData = {1, 1}; std::vector<int64_t> kernelSizeData = {2, 2}; std::vector<int64_t> dilationData = {1, 1}; std::vector<int64_t> paddingData = {1, 1}; std::vector<int64_t> strideData = {1, 2}; std::vector<float> outHostData = {0.0}; // 创建grad aclTensor ret = CreateAclTensor(gradHostData, gradShape, &gradDeviceAddr, aclDataType::ACL_FLOAT, &grad); 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aclIntArray inputSize = aclCreateIntArray(inputSizeData.data(), 2); CHECK_RET(inputSize != nullptr, return ret); kernelSize = aclCreateIntArray(kernelSizeData.data(), 2); CHECK_RET(kernelSize != nullptr, return ret); dilation = aclCreateIntArray(dilationData.data(), 2); CHECK_RET(dilation != nullptr, return ret); padding = aclCreateIntArray(paddingData.data(), 2); CHECK_RET(padding != nullptr, return ret); stride = aclCreateIntArray(strideData.data(), 2); CHECK_RET(stride != nullptr, return ret); // 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aclnnIm2colBackward第一段接口 ret = aclnnIm2colBackwardGetWorkspaceSize(grad, inputSize, kernelSize, dilation, padding, stride, out, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnIm2colBackwardGetWorkspaceSize 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aclnnIm2colBackward第二段接口 ret = aclnnIm2colBackward(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnIm2colBackward 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和aclIntArray，需要根据具体API的接口定义修改 aclDestroyTensor(grad); aclDestroyIntArray(inputSize); aclDestroyIntArray(kernelSize); aclDestroyIntArray(dilation); aclDestroyIntArray(padding); aclDestroyIntArray(stride); aclDestroyTensor(out); // 7. 释放device资源，需要根据具体API的接口定义修改 aclrtFree(gradDeviceAddr); 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