当前位置： 首页 > news >正文

CANN ops-nn PReLU算子

news 2026/6/8 5:01:20

aclnnPrelu

【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
Atlas A2 训练系列产品/Atlas A2 推理系列产品√

功能说明

  • 算子功能：计算输入张量的 PReLU 值。当输入元素大于 0 时输出该元素本身；当输入元素小于等于 0 时输出该元素与weight的乘积。

  • 计算公式：

    $$ y_i = \begin{cases} x_i, & x_i > 0 \ x_i \times weight, & x_i \le 0 \end{cases} $$

其中weight可以为标量，也可以为通道维权重。输入self维度大于 1 时，通道维为第 1 维；输入self维度不大于 1 时，通道数按 1 处理。

函数原型

每个算子分为两段式接口，必须先调用“aclnnPreluGetWorkspaceSize”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“aclnnPrelu”接口执行计算。

aclnnStatus aclnnPreluGetWorkspaceSize( const aclTensor *self, const aclTensor *weight, aclTensor *out, uint64_t *workspaceSize, aclOpExecutor **executor)
aclnnStatus aclnnPrelu( void* workspace, uint64_t workspaceSize, aclOpExecutor* executor, aclrtStream stream)

aclnnPreluGetWorkspaceSize

  • 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
    self输入待进行 Prelu 计算的输入张量，公式中的 x。
    • 支持空Tensor。
    • shape需要与out一致。
    		FLOAT、FLOAT16、BFLOAT16ND0-8√
    weight输入Prelu 负半轴权重。
    • 支持空Tensor。
    • 元素个数为1或者元素个数与self输入的channels一致。self.shape为1维及以下时，channels = 1；self.shape大于1维时，channels = self.shape[1]。
    		FLOAT、FLOAT16、BFLOAT16ND0-8√
    out输出Prelu 计算后的输出张量，公式中的 y。数据类型、shape需要与self一致。FLOAT、FLOAT16、BFLOAT16ND0-8√
    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。-----

  • 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、weight或out是空指针。
    ACLNN_ERR_PARAM_INVALID161002self、weight或out的数据类型和数据格式不在支持的范围之内。
    self、weight和out的数据类型不一致。
    self和out shape不一致。
    weight元素个数既不是1，也不等于self的通道数。

aclnnPrelu

  • 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aclnnPreluGetWorkspaceSize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

  • self、weight、out的数据类型需要一致。
  • out的shape必须与self完全一致。
  • weight的元素个数必须为1或与self的通道数一致。

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_prelu.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) { 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); 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); 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); 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]; } *tensor = aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { 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); std::vector<int64_t> selfShape = {2, 4}; std::vector<int64_t> weightShape = {1}; std::vector<int64_t> outShape = {2, 4}; void* selfDeviceAddr = nullptr; void* weightDeviceAddr = nullptr; void* outDeviceAddr = nullptr; aclTensor* self = nullptr; aclTensor* weight = nullptr; aclTensor* out = nullptr; std::vector<float> selfHostData = {-2, 1, 2, -3, -4.7, 5.3, -6.9, 7}; std::vector<float> weightHostData = {3}; std::vector<float> outHostData = {0, 0, 0, 0, 0, 0, 0, 0}; ret = CreateAclTensor(selfHostData, selfShape, &selfDeviceAddr, aclDataType::ACL_FLOAT, &self); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(weightHostData, weightShape, &weightDeviceAddr, aclDataType::ACL_FLOAT, &weight); CHECK_RET(ret == ACL_SUCCESS, return ret); ret = CreateAclTensor(outHostData, outShape, &outDeviceAddr, aclDataType::ACL_FLOAT, &out); CHECK_RET(ret == ACL_SUCCESS, return ret); uint64_t workspaceSize = 0; aclOpExecutor* executor; ret = aclnnPreluGetWorkspaceSize(self, weight, out, &workspaceSize, &executor); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnPreluGetWorkspaceSize failed. ERROR: %d\n", ret); return ret); 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); } ret = aclnnPrelu(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclnnPrelu failed. ERROR: %d\n", ret); return ret); ret = aclrtSynchronizeStream(stream); CHECK_RET(ret == ACL_SUCCESS, LOG_PRINT("aclrtSynchronizeStream failed. ERROR: %d\n", ret); return ret); 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 resultData from device to host failed. ERROR: %d\n", ret); return ret); aclDestroyTensor(self); aclDestroyTensor(weight); aclDestroyTensor(out); aclrtFree(outDeviceAddr); aclrtFree(weightDeviceAddr); aclrtFree(selfDeviceAddr); 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

http://www.jsqmd.com/news/972487/

相关文章：

  • Open3D 0.14.1 GUI入门踩坑实录：从‘Hello Sphere’到自定义窗口布局的完整流程
  • iPhone校园网免流量刷视频？手把手教你配置IPv6（附搜狗输入法快捷输入技巧）
  • FPGA新手避坑指南：从Verilog代码到引脚分配，Quartus项目实战中那些没人告诉你的细节
  • VS2008环境下可直接编译的WinForm单线输入框控件源码（含完整项目结构）
  • 多维聚合四层数据操作：从GROUP BY到可交付报表
  • 避开5G手机研发大坑：SUL频段功率配置的那些“潜规则”与容差分析
  • Vue3 + AntV G6实战：动态切换拓扑图节点图标（在线/离线/异常状态）
  • 有界参数估计：为什么MVUE不够用？贝叶斯MSE优化实战
  • 自然码爱好者的自救指南：如何从零制作并导入一份属于你的手心输入法辅码表
  • STM32F407手环项目源码：含心率血压估算、MPU6050计步、OLED中文显示与温湿度采集
  • 【SI_Mipi D PHY 02】Mipi D PHY V2.1 数据通道高速发送端信号完整性测试
  • 解密Qwen1.5-4B-Chat：从Transformer架构到高效训练技术的完整指南
  • RAG检索增强生成：让大模型实时查资料而非死记硬背
  • 从VS安装日志入手：手把手教你解读dd_vs_Community_decompression_log.txt，精准定位闪退元凶
  • 别再只加高斯噪声了！GPR数据增强的5种高级玩法与实战对比（含GAN生成）
  • 从Netty到Kafka：看高性能框架如何用堆外内存‘卷’出效率（附性能对比Demo）
  • 别再到处找图标了！Bootstrap Icons 1.7.2 本地化部署与SVG引用全攻略
  • FPGA新手避坑指南：用Vivado 18.3和SelectIO IP核搞定LVDS接收（附完整仿真工程）
  • 自然码爱好者的‘情怀’实践：从零整理一份给手心输入法的完美辅码表
  • 别再死记硬背了！用Python模拟GBN和SR协议，彻底搞懂滑动窗口
  • 别再死记公式了！用Multisim仿真带你直观理解电感电压与电流导数的关系
  • three-bvh-csg glb Cannot read properties of undefined (reading ‘array‘)
  • 3分钟搞定！免费解锁各大音乐平台加密文件的终极方案 [特殊字符]
  • 紫光集团芯云一体战略：从并购到自主研发的半导体产业路径
  • ESP32-PICO-D4的Strapping引脚配置避坑指南：从启动模式到SDIO时序，一次讲清
  • LLM检测技术：监督对比学习框架解析与实践
  • 告别Matlab仿真：手把手教你用C语言在STM32上实现实时数字滤波（附完整代码）
  • 约束扫描法：解锁潜力的工程化实战框架
  • MAmmoTH2-8B-Plus与其他数学模型的对比分析：8大关键差异解析
  • Open Design与Claude Design对比分析：开源方案的优势与挑战