CANN ops-nn 中 SeluGrad 算子的深度解析SELU 反向梯度计算原理、aclnnSeluBackward 接口调用与源码实现【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-nnSeluGrad 是 CANN 神经网络算子库 ops-nn 中为 SELUScaled Exponential Linear Unit激活函数配套的反向梯度算子本文以 activation/selu_grad/README.md 为骨架结合算子定义、Tiling、Kernel 与 aclnn 接口源码系统讲解其数学原理、支持的产品与数据类型、参数约束、两段式 aclnn 调用流程以及端到端示例。读者阅读后可以掌握 SeluGrad 的完整调用方式aclnnSeluBackward、如何在 NPU 上验证梯度计算结果以及算子内部多核切分与 UB 流水实现的底层机制。一、算子概述与产品支持情况SeluGrad 算子的职责非常单一给定反向传播上游梯度gradients与 SELU 前向输出outputs计算 SELU 激活函数对输入的梯度即误差对输入的导数 $\frac{\partial E}{\partial x}$供训练阶段的反向传播使用。它是 activation/selu 模块前向算子的配套反向算子aclnn 侧通过aclnnSeluBackward接口对外暴露。根据 activation/selu_grad/README.md 的产品支持表该算子在以下 NPU 产品上支持情况如下产品是否支持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√可以看到除了 Atlas 200I/500 A2 推理产品外其余主流训练/推理产品线均支持 SeluGrad。文档 docs/aclnnSeluBackward.md 中的产品支持说明与 README 完全一致并在不同产品上对数据类型做了细分详见下文数据类型支持一节。二、功能说明与数学原理2.1 SELU 前向与反向的数学关系SELU 激活函数的前向定义见 activation/selu 相关文档为$$ selu(x) \begin{cases} \text{scale} \times x, x 0 \ \text{scale} \times (\alpha \times e^x - \alpha), x \le 0 \end{cases} $$其中两个常量在 activation/selu_grad/README.md 中明确给出$\alpha 1.6732632423543772848170429916717$$\text{scale} 1.0507009873554804934193349852946$$\text{scale} \times \alpha 1.7580993408473768599402175208123$SELU 的导数即激活函数对输入的偏导为$$ \frac{\partial selu(x)}{\partial x} \begin{cases} \alpha e^x, x 0 \ 1, x \ge 0 \end{cases} $$2.2 SeluGrad 的计算公式SeluGrad 算子直接采用前向输出 上游梯度的形式计算反向梯度其计算公式README 原文$$ y \begin{cases} \text{scale} \times \text{gradients}, \text{outputs} \ge 0 \ \text{gradients} \times (\text{outputs} \text{scale} \times \alpha), \text{outputs} 0 \end{cases} $$分段行为说明当 $\text{outputs} \ge 0$ 时前向为线性区梯度被放大为 $\text{scale} \times \text{gradients}$线性区梯度当 $\text{outputs} 0$ 时前向为指数饱和区梯度为 $\text{gradients} \times (\text{outputs} \text{scale} \times \alpha)$指数饱和区梯度。这一形式与数学推导完全一致$\frac{\partial E}{\partial x} \frac{\partial E}{\partial y} \cdot \frac{\partial selu(x)}{\partial x}$其中当 $x 0$ 时 $\frac{\partial selu(x)}{\partial x} \alpha e^x$而 $selu(x) \text{scale} \times \alpha \text{scale} \times \alpha e^x$因此 $\text{gradients} \times (\text{outputs} \text{scale} \times \alpha)$ 恰为 $\frac{\partial E}{\partial y} \cdot \text{scale} \cdot \alpha e^x$当 $x \ge 0$ 时导数为 1梯度即为 $\text{scale} \times \text{gradients}$。在 Kernel 实现 op_kernel/arch35/selu_grad.h 中两个常量以 FP32 精度定义constexpr float SCALE_F 1.0507009873554804934193349852946f; constexpr float SCALE_ALPHA_PRODUCT_F 1.7580993408473768599402175208123f;2.3 计算的核心指令序列从源码看SeluGrad 的每个元素的梯度计算在 AI Core 上通过 4 条向量指令完成SeluGradSelectFp32/SeluGradSelectTfNativeCompareScalar(selMask, out, 0.0f, CMPMODE::LT, n)比较outputs 0生成选择掩码Muls(branchA, grad, SCALE, n)预计算分支 A scale * gradientsAdds(tmp, out, SCALE_ALPHA_PRODUCT, n)Mul(branchB, grad, tmp, n)预计算分支 B gradients * (outputs scale*alpha)Select(y, selMask, branchB, branchA, VSEL_TENSOR_TENSOR_MODE, n)按掩码选择最终结果。可见算子采用双分支预计算 掩码选择的策略避免了分支发散非常适合向量化流水执行。三、参数说明3.1 算子级参数README 参数表参数名输入/输出描述数据类型数据格式维度(shape)gradients输入反向传播上游梯度FLOAT、FLOAT16、BFLOAT16、INT32、INT8、UINT8ND1-8outputs输入SELU 前向输出shape 必须与 gradients 完全一致不支持广播FLOAT、FLOAT16、BFLOAT16、INT32、INT8、UINT8ND1-8y输出反向梯度结果shape 与 gradients/outputs 完全一致FLOAT、FLOAT16、BFLOAT16、INT32、INT8、UINT8ND1-8以上参数定义在算子注册文件 op_host/selu_grad_def.cpp 中算子共 2 个必选输入gradients、outputs与 1 个必选输出y无属性Attr支持的数据类型为DT_FLOAT16、DT_FLOAT、DT_BF16、DT_INT32、DT_INT8、DT_UINT8数据格式全部为 ND并标注了AutoContiguous输入输出自动连续化。3.2 aclnn 接口层参数在 aclnn 两段式接口中参数名略有不同gradOutput、result、gradInput详见 docs/aclnnSeluBackward.md参数名输入/输出描述使用说明数据类型数据格式维度非连续TensorgradOutputaclTensor*输入Selu 计算输出的梯度公式中的 ∂E/∂X支持空 Tensor数据类型、shape 需与 result、gradInput 一致FLOAT、FLOAT16、INT32、INT8、BFLOAT16ND1-8√resultaclTensor*输入Selu 计算的正向输出公式中的 y不支持空 Tensor数据类型、shape 需与 gradOutput、gradInput 一致FLOAT、FLOAT16、INT32、INT8、BFLOAT16ND1-8√gradInputaclTensor*输出Selu 计算输入的梯度公式中的 ∂E/∂X数据类型、shape 需与 gradOutput、result 一致FLOAT、FLOAT16、INT32、INT8、BFLOAT16ND1-8√workspaceSizeuint64_t*输出返回需要在 Device 侧申请的 workspace 大小-----executoraclOpExecutor**输出返回 op 执行器包含算子计算流程-----需要注意 aclnn 接口层的数据类型清单FLOAT、FLOAT16、INT32、INT8、BFLOAT16与算子注册层额外包含 UINT8并不完全一致——aclnn 接口的入参校验只放行前者这一点在编写 host 侧调用代码时要留意。此外docs/aclnnSeluBackward.md 明确指出在Atlas 推理系列产品、Atlas 训练系列产品上数据类型仅支持 FLOAT、FLOAT16、INT32、INT8不含 BFLOAT16。3.3 数据类型支持的分平台差异源码证据在 op_api/aclnn_selu_backward.cpp 中接口层按平台区分了支持列表static inline const std::initializer_listop::DataType ASCEND910_DTYPE_SUPPORT_LIST { op::DataType::DT_FLOAT, op::DataType::DT_FLOAT16, op::DataType::DT_INT32, op::DataType::DT_INT8}; static inline const std::initializer_listop::DataType ASCEND910B_DTYPE_SUPPORT_LIST { op::DataType::DT_FLOAT, op::DataType::DT_FLOAT16, op::DataType::DT_INT32, op::DataType::DT_INT8, op::DataType::DT_BF16};即 Ascend 910B ~ 910E 系列额外支持 BFLOAT16其余平台含 Atlas 推理/训练系列仅支持 FLOAT、FLOAT16、INT32、INT8与文档描述吻合。四、约束说明shape 必须完全一致不支持广播gradients 与 outputs 的 shape 必须完全一致不一致时返回错误。这一约束在三个层面都有落实aclnn 接口层 op_api/aclnn_selu_backward.cpp 中CheckShape对三者做OP_CHECK_SHAPE_NOT_EQUAL校验图编译层 op_host/selu_grad_infershape.cpp 的AreShapesCompatibleWithoutBroadcast在 rank 不一致或任一已知维不等时报错输出 shape 直接拷贝自 gradientsTiling 层 op_host/arch35/selu_grad_tiling_arch35.cpp 同样校验gradShape ! outShape || gradShape ! yShape。秩限制shape 维度为 1-8READMEinfershape 中MAX_SUPPORTED_RANK 8超过 8 秩会返回GRAPH_FAILED见 op_host/selu_grad_infershape.cpp。数据类型一致性gradients 与 outputs 的数据类型必须相同Tiling 层校验 dtype 相等aclnn 层校验三者 dtype 相同。确定性计算SeluGrad 默认确定性实现aclnn 接口与 README 均明确说明即相同输入多次运行结果可复现。4.1 入参校验的错误码第一段接口aclnnSeluBackwardGetWorkspaceSize会完成入参校验错误场景及返回码如下返回码错误码描述ACLNN_ERR_PARAM_NULLPTR161001传入的 gradOutput、result、gradInput 是空指针ACLNN_ERR_PARAM_INVALID161002gradOutput、result、gradInput 的数据类型和数据格式不在支持范围之内ACLNN_ERR_PARAM_INVALID161002gradOutput、result、gradInput 的 shape 不一致ACLNN_ERR_PARAM_INVALID161002gradOutput、result、gradInput 的数据类型不满足数据类型推导规则这些校验逻辑在 op_api/aclnn_selu_backward.cpp 中按CheckNotNull → CheckDtypeValid → CheckShape顺序执行返回码定义可参考文档 docs/zh/context/aclnn_return_code.md。五、调用说明aclnnSeluBackward 两段式接口每个 aclnn 算子都采用两段式接口设计详见 docs/zh/context/two_phase_api.md必须先调用aclnnSeluBackwardGetWorkspaceSize获取计算所需 workspace 大小及包含算子计算流程的执行器再调用aclnnSeluBackward执行计算。5.1 函数原型aclnnStatus aclnnSeluBackwardGetWorkspaceSize( const aclTensor* gradOutput, const aclTensor* result, aclTensor* gradInput, uint64_t* workspaceSize, aclOpExecutor** executor)aclnnStatus aclnnSeluBackward( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)5.2 第二段接口参数参数名输入/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 大小由第一段接口获取executor输入op 执行器包含算子计算流程stream输入指定执行任务的 Stream5.3 接口内部的处理流程源码解读从 op_api/aclnn_selu_backward.cpp 的ExecSeluBackwardGetWorkspaceSize可以看出第一段接口在入参校验通过后内部会依次执行空 Tensor 快速路径gradOutput-IsEmpty() || result-IsEmpty()时 workspaceSize 置 0 直接返回Contiguous 化对 gradOutput、result 调用l0op::Contiguous这也是接口支持非连续 Tensor 的原因参数表中非连续Tensor一列为 √高维退化当维度数超过MAX_SUPPORT_DIMS_NUMS时先将输入 reshape 为一维计算完成后再 reshape 回原始 shape核心计算调用l0op::SeluGrad(gradOutputContiguous, resultContiguous, executor)生成算子计算节点类型转换与视图拷贝l0op::Cast将结果转换为 gradInput 的目标数据类型再通过l0op::ViewCopy写入输出 TensorgradInput-GetDataType()决定目标类型实现输出 dtype 推导——这也对应 graph 层的 InferDataType 逻辑见 op_graph/selu_grad_graph_infer.cpp输出数据类型直接取输入 0 的数据类型返回 workspaceSize 与 executor。第二段接口aclnnSeluBackward则直接调用CommonOpExecutorRun在指定 stream 上异步执行。六、调用示例与端到端验证仓库提供了两个调用样例examples/arch35/test_aclnn_selu_grad.cpp与 README 中链接的./examples/arch35/test_aclnn_selu_grad.cpp对应以及 examples/test_aclnn_selu_grad.cpp两者内容一致此外还有 examples/arch35/test_geir_selu_grad.cppGEIR 图模式调用。README 中给出了完整的调用说明表格调用方式调用样例说明aclnn 调用examples/arch35/test_aclnn_selu_grad.cpp通过 docs/aclnnSeluBackward.md 中的 aclnnSeluBackward 接口方式调用 SeluGrad 算子编译与运行的完整流程参考 docs/zh/context/compile_and_run_sample.md。下面给出示例的核心逻辑拆解完整代码见 docs/aclnnSeluBackward.md 的调用示例一节6.1 环境初始化int Init(int32_t deviceId, aclrtStream* stream) { auto ret aclInit(nullptr); // 初始化 ACL ret aclrtSetDevice(deviceId); // 设置计算设备 ret aclrtCreateStream(stream); // 创建 Stream return 0; }6.2 构造 aclTensor 与输入数据示例使用 shape{4, 2}梯度全 1SELU 前向输出覆盖正负区间{-2, -1, 0, 1, 2, 3, -0.5, 0.5}std::vectorint64_t shape {4, 2}; const float SCALE 1.0507009873554804f; const float ALPHA 1.6732632423543772f; const float SCALE_ALPHA_PRODUCT SCALE * ALPHA; std::vectorfloat gradHostData {1, 1, 1, 1, 1, 1, 1, 1}; std::vectorfloat outHostData {-2, -1, 0, 1, 2, 3, -0.5, 0.5}; std::vectorfloat yHostData(8, 0);CreateAclTensor模板函数负责aclrtMalloc分配 Device 内存、aclrtMemcpy将 Host 数据拷贝到 Device并计算连续 strides 后调用aclCreateTensor创建 ND 格式的aclTensor。SELU 常量必须与算子内部常量一致否则验证会失败。6.3 两段式调用uint64_t workspaceSize 0; aclOpExecutor* executor; ret aclnnSeluBackwardGetWorkspaceSize(gradients, result, y, workspaceSize, executor); void* workspaceAddr nullptr; if (workspaceSize 0) { ret aclrtMalloc(workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); } ret aclnnSeluBackward(workspaceAddr, workspaceSize, executor, stream); ret aclrtSynchronizeStream(stream);6.4 结果校验计算完成后将结果从 Device 拷回 Host逐元素与期望值比对误差阈值 0.01ffor (int64_t i 0; i size; i) { float expected; if (outHostData[i] 0) { expected gradHostData[i] * (outHostData[i] SCALE_ALPHA_PRODUCT); } else { expected SCALE * gradHostData[i]; } bool ok std::fabs(resultData[i] - expected) 0.01f; // 打印 PASS/FAIL 并统计 }以 shape{4, 2}、梯度全 1 为例手工推导预期结果元素outputs分支预期 y0-2.001 × (-2.0 1.7581) -0.24191-1.001 × (-1.0 1.7581) 0.758120.0≥01 × 1.0507 1.050731.0≥01 × 1.0507 1.050742.0≥01 × 1.0507 1.050753.0≥01 × 1.0507 1.05076-0.501 × (-0.5 1.7581) 1.258170.5≥01 × 1.0507 1.0507资源释放顺序为aclDestroyTensor销毁三个 Tensor →aclrtFree释放 Device 内存含 workspace→aclrtDestroyStream→aclrtResetDevice→aclFinalize。七、源码级实现解析从 Tiling 到 Kernel7.1 算子注册与图编译op_host / op_graph算子定义 op_host/selu_grad_def.cpp 中OpAICoreConfig设置了DynamicCompileStaticFlag(true)、DynamicRankSupportFlag(true)、DynamicShapeSupportFlag(true)、PrecisionReduceFlag(true)等即该算子支持动态 shape 与动态 rank并开启精度归约能力形状推导 op_host/selu_grad_infershape.cpp 将输出 shape 直接赋为 gradients 的 shape其中对未知维-1做了兼容处理只要未知维与已知维不冲突即放行数据类型推导 op_graph/selu_grad_graph_infer.cpp 将输出数据类型置为输入 0 的数据类型。对应单测 tests/ut/op_host/test_selu_grad_infershape.cpp 覆盖了四种场景同 shape 成功、可广播 shape 失败、含动态维成功、动态维不掩盖已知 mismatch 失败直接印证了shape 必须完全一致、不支持广播的约束。7.2 Tiling 策略OneDim 多核切分Tiling 实现位于 op_host/arch35/selu_grad_tiling_arch35.cpp仅保留SELU_GRAD_ONE_DIMOneDim 连续分块一种调度模式。核心流程平台信息获取通过PlatformAscendC读取 AIV 核数与 UB 大小shape/dtype 校验三个 Tensor 的 storage shape 必须完全一致gradients 与 outputs 的 dtype 必须相同TilingData 计算ComputeOneDimTilingtotalElements输出总元素数rank0 标量按 1 处理blockFormer每核元素数 CeilAlign(CeilDiv(totalElements, coreNum), ubBlockSize)即按核数均分并对齐到 UB blockubFormer单次 UB 处理元素数 FloorAlign(FloorDiv(availableUb, bytesPerElem), ubBlockSize)其中availableUb ubSize - SELECT_UB_RESERVE预留 8192 字节给 Select 指令动态设置核数SetUsedCoreNum根据元素数反推实际使用的核数并通过context-SetBlockDim设置小 tensor 不会浪费全部 AIV 核空 Tensor 快速路径totalElements 0时直接 SetBlockDim(1) 返回。TilingData 结构体op_kernel/arch35/selu_grad_tiling_data.h仅三个字段struct SeluGradTilingData { int64_t totalElements 0; // 总元素数 int64_t blockFormer 0; // 每核元素数 int64_t ubFormer 0; // 每次 UB 处理的元素数 };每元素 UB 字节数按 dtype 区分GetBytesPerElem例如 FLOAT 为 29B7 个 float 缓冲 1B selMask、FLOAT16/BF16 为 34B、INT8 为 35B、UINT8 为 37B、INT32 为 44B这反映了不同数据类型在计算过程中所需的中间缓冲数量差异。7.3 Kernel 实现双 Kit 设计与向量流水Kernel 主体在 op_kernel/selu_grad.cpp 与 op_kernel/arch35/selu_grad.h设计上把计算逻辑封装为两个Kit模板计算单元把搬运/切分逻辑封装为 OneDim 驱动类SeluGradDirectKitTfloat / half / bfloat16 在原始 dtype 上直接计算。其中 float 走 FP32 精度的SeluGradSelectFp32使用 float 常量做 Muls/Adds避免 half 精度截断half/bfloat16 走SeluGradSelectTfNative对齐 TensorFlow 在输入 dtype 上计算的行为常量static_castT到对应类型SeluGradTransitKitT整数类型上浮计算——int8/uint8 先Cast到 FP16 计算再转回int32 先Cast到 FP32 计算回写时 int32 使用RoundMode::CAST_TRUNC向零截断int8/uint8 使用CAST_NONE。这与注释kIntegerTransit的定义一致int32/int8/uint8触发 Transit 路径编译期通过std::conditional_t自动选择 Kit。驱动类SeluGradOneDim的Process()按CopyIn → Compute → CopyOut三级流水循环处理先用DataCopyPad从 Global Memory 搬运ubFormer个元素到 UBVECIN 队列调用 Kit 计算后通过 VECOUT 队列写回 Global Memory最后一个分块按剩余元素数处理。Kernel 入口 op_kernel/selu_grad.cpp 通过REGISTER_TILING_DEFAULT/GET_TILING_DATA_WITH_STRUCT获取 TilingData并按SELU_GRAD_ONE_DIM调度模式实例化SeluGradOneDimOpDTYPE_GRADIENTS——其中DTYPE_GRADIENTS由算子定义驱动展开6 种 dtype × 1 种调度模式共编译 6 个实例。八、测试覆盖与验证仓库在 activation/selu_grad/tests 下提供了完整的测试矩阵UT单元测试tests/ut/op_host/test_selu_grad_infershape.cppshape 推导的 4 个用例tests/ut/op_host/arch35/test_selu_grad_tiling.cppTiling 参数计算用例tests/ut/op_host/op_api/test_aclnn_selubackward.cppaclnn 接口层用例。ST系统测试tests/st/aclnnSeluBackward/executor_aclnnSeluBackward.py 与 tests/st/aclnnSeluBackward/atk_aclnnSeluBackward.json基于 ATK 框架的端到端用例与配置可在真实 NPU 上运行验证。九、小结SeluGrad 是 SELU 激活函数在训练场景下的必备反向算子。通过本文可以掌握数学本质$y \text{scale} \times \text{gradients}$outputs ≥ 0与 $y \text{gradients} \times (\text{outputs} \text{scale} \times \alpha)$outputs 0两个常量必须严格使用文档给定值调用方式两段式 aclnnSeluBackward 接口的完整调用流程与入参校验错误码161001/161002关键约束三个 Tensor 的 shape 必须完全一致不支持广播、dtype 一致、维度 1-8、非连续 Tensor 受支持底层实现OneDim 多核切分 UB 分块流水整数类型上浮到 FP16/FP32 计算后回写保证精度与性能的平衡。如果需要进一步了解 SELU 前向算子的定义与接口可参考 activation/selu 模块的 README 与 aclnn 接口文档。【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
CANN ops-nn 中 SeluGrad 算子的深度解析：SELU 反向梯度计算原理、aclnnSeluBackward 接口调用与源码实现
CANN ops-nn 中 SeluGrad 算子的深度解析SELU 反向梯度计算原理、aclnnSeluBackward 接口调用与源码实现【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-nnSeluGrad 是 CANN 神经网络算子库 ops-nn 中为 SELUScaled Exponential Linear Unit激活函数配套的反向梯度算子本文以 activation/selu_grad/README.md 为骨架结合算子定义、Tiling、Kernel 与 aclnn 接口源码系统讲解其数学原理、支持的产品与数据类型、参数约束、两段式 aclnn 调用流程以及端到端示例。读者阅读后可以掌握 SeluGrad 的完整调用方式aclnnSeluBackward、如何在 NPU 上验证梯度计算结果以及算子内部多核切分与 UB 流水实现的底层机制。一、算子概述与产品支持情况SeluGrad 算子的职责非常单一给定反向传播上游梯度gradients与 SELU 前向输出outputs计算 SELU 激活函数对输入的梯度即误差对输入的导数 $\frac{\partial E}{\partial x}$供训练阶段的反向传播使用。它是 activation/selu 模块前向算子的配套反向算子aclnn 侧通过aclnnSeluBackward接口对外暴露。根据 activation/selu_grad/README.md 的产品支持表该算子在以下 NPU 产品上支持情况如下产品是否支持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√可以看到除了 Atlas 200I/500 A2 推理产品外其余主流训练/推理产品线均支持 SeluGrad。文档 docs/aclnnSeluBackward.md 中的产品支持说明与 README 完全一致并在不同产品上对数据类型做了细分详见下文数据类型支持一节。二、功能说明与数学原理2.1 SELU 前向与反向的数学关系SELU 激活函数的前向定义见 activation/selu 相关文档为$$ selu(x) \begin{cases} \text{scale} \times x, x 0 \ \text{scale} \times (\alpha \times e^x - \alpha), x \le 0 \end{cases} $$其中两个常量在 activation/selu_grad/README.md 中明确给出$\alpha 1.6732632423543772848170429916717$$\text{scale} 1.0507009873554804934193349852946$$\text{scale} \times \alpha 1.7580993408473768599402175208123$SELU 的导数即激活函数对输入的偏导为$$ \frac{\partial selu(x)}{\partial x} \begin{cases} \alpha e^x, x 0 \ 1, x \ge 0 \end{cases} $$2.2 SeluGrad 的计算公式SeluGrad 算子直接采用前向输出 上游梯度的形式计算反向梯度其计算公式README 原文$$ y \begin{cases} \text{scale} \times \text{gradients}, \text{outputs} \ge 0 \ \text{gradients} \times (\text{outputs} \text{scale} \times \alpha), \text{outputs} 0 \end{cases} $$分段行为说明当 $\text{outputs} \ge 0$ 时前向为线性区梯度被放大为 $\text{scale} \times \text{gradients}$线性区梯度当 $\text{outputs} 0$ 时前向为指数饱和区梯度为 $\text{gradients} \times (\text{outputs} \text{scale} \times \alpha)$指数饱和区梯度。这一形式与数学推导完全一致$\frac{\partial E}{\partial x} \frac{\partial E}{\partial y} \cdot \frac{\partial selu(x)}{\partial x}$其中当 $x 0$ 时 $\frac{\partial selu(x)}{\partial x} \alpha e^x$而 $selu(x) \text{scale} \times \alpha \text{scale} \times \alpha e^x$因此 $\text{gradients} \times (\text{outputs} \text{scale} \times \alpha)$ 恰为 $\frac{\partial E}{\partial y} \cdot \text{scale} \cdot \alpha e^x$当 $x \ge 0$ 时导数为 1梯度即为 $\text{scale} \times \text{gradients}$。在 Kernel 实现 op_kernel/arch35/selu_grad.h 中两个常量以 FP32 精度定义constexpr float SCALE_F 1.0507009873554804934193349852946f; constexpr float SCALE_ALPHA_PRODUCT_F 1.7580993408473768599402175208123f;2.3 计算的核心指令序列从源码看SeluGrad 的每个元素的梯度计算在 AI Core 上通过 4 条向量指令完成SeluGradSelectFp32/SeluGradSelectTfNativeCompareScalar(selMask, out, 0.0f, CMPMODE::LT, n)比较outputs 0生成选择掩码Muls(branchA, grad, SCALE, n)预计算分支 A scale * gradientsAdds(tmp, out, SCALE_ALPHA_PRODUCT, n)Mul(branchB, grad, tmp, n)预计算分支 B gradients * (outputs scale*alpha)Select(y, selMask, branchB, branchA, VSEL_TENSOR_TENSOR_MODE, n)按掩码选择最终结果。可见算子采用双分支预计算 掩码选择的策略避免了分支发散非常适合向量化流水执行。三、参数说明3.1 算子级参数README 参数表参数名输入/输出描述数据类型数据格式维度(shape)gradients输入反向传播上游梯度FLOAT、FLOAT16、BFLOAT16、INT32、INT8、UINT8ND1-8outputs输入SELU 前向输出shape 必须与 gradients 完全一致不支持广播FLOAT、FLOAT16、BFLOAT16、INT32、INT8、UINT8ND1-8y输出反向梯度结果shape 与 gradients/outputs 完全一致FLOAT、FLOAT16、BFLOAT16、INT32、INT8、UINT8ND1-8以上参数定义在算子注册文件 op_host/selu_grad_def.cpp 中算子共 2 个必选输入gradients、outputs与 1 个必选输出y无属性Attr支持的数据类型为DT_FLOAT16、DT_FLOAT、DT_BF16、DT_INT32、DT_INT8、DT_UINT8数据格式全部为 ND并标注了AutoContiguous输入输出自动连续化。3.2 aclnn 接口层参数在 aclnn 两段式接口中参数名略有不同gradOutput、result、gradInput详见 docs/aclnnSeluBackward.md参数名输入/输出描述使用说明数据类型数据格式维度非连续TensorgradOutputaclTensor*输入Selu 计算输出的梯度公式中的 ∂E/∂X支持空 Tensor数据类型、shape 需与 result、gradInput 一致FLOAT、FLOAT16、INT32、INT8、BFLOAT16ND1-8√resultaclTensor*输入Selu 计算的正向输出公式中的 y不支持空 Tensor数据类型、shape 需与 gradOutput、gradInput 一致FLOAT、FLOAT16、INT32、INT8、BFLOAT16ND1-8√gradInputaclTensor*输出Selu 计算输入的梯度公式中的 ∂E/∂X数据类型、shape 需与 gradOutput、result 一致FLOAT、FLOAT16、INT32、INT8、BFLOAT16ND1-8√workspaceSizeuint64_t*输出返回需要在 Device 侧申请的 workspace 大小-----executoraclOpExecutor**输出返回 op 执行器包含算子计算流程-----需要注意 aclnn 接口层的数据类型清单FLOAT、FLOAT16、INT32、INT8、BFLOAT16与算子注册层额外包含 UINT8并不完全一致——aclnn 接口的入参校验只放行前者这一点在编写 host 侧调用代码时要留意。此外docs/aclnnSeluBackward.md 明确指出在Atlas 推理系列产品、Atlas 训练系列产品上数据类型仅支持 FLOAT、FLOAT16、INT32、INT8不含 BFLOAT16。3.3 数据类型支持的分平台差异源码证据在 op_api/aclnn_selu_backward.cpp 中接口层按平台区分了支持列表static inline const std::initializer_listop::DataType ASCEND910_DTYPE_SUPPORT_LIST { op::DataType::DT_FLOAT, op::DataType::DT_FLOAT16, op::DataType::DT_INT32, op::DataType::DT_INT8}; static inline const std::initializer_listop::DataType ASCEND910B_DTYPE_SUPPORT_LIST { op::DataType::DT_FLOAT, op::DataType::DT_FLOAT16, op::DataType::DT_INT32, op::DataType::DT_INT8, op::DataType::DT_BF16};即 Ascend 910B ~ 910E 系列额外支持 BFLOAT16其余平台含 Atlas 推理/训练系列仅支持 FLOAT、FLOAT16、INT32、INT8与文档描述吻合。四、约束说明shape 必须完全一致不支持广播gradients 与 outputs 的 shape 必须完全一致不一致时返回错误。这一约束在三个层面都有落实aclnn 接口层 op_api/aclnn_selu_backward.cpp 中CheckShape对三者做OP_CHECK_SHAPE_NOT_EQUAL校验图编译层 op_host/selu_grad_infershape.cpp 的AreShapesCompatibleWithoutBroadcast在 rank 不一致或任一已知维不等时报错输出 shape 直接拷贝自 gradientsTiling 层 op_host/arch35/selu_grad_tiling_arch35.cpp 同样校验gradShape ! outShape || gradShape ! yShape。秩限制shape 维度为 1-8READMEinfershape 中MAX_SUPPORTED_RANK 8超过 8 秩会返回GRAPH_FAILED见 op_host/selu_grad_infershape.cpp。数据类型一致性gradients 与 outputs 的数据类型必须相同Tiling 层校验 dtype 相等aclnn 层校验三者 dtype 相同。确定性计算SeluGrad 默认确定性实现aclnn 接口与 README 均明确说明即相同输入多次运行结果可复现。4.1 入参校验的错误码第一段接口aclnnSeluBackwardGetWorkspaceSize会完成入参校验错误场景及返回码如下返回码错误码描述ACLNN_ERR_PARAM_NULLPTR161001传入的 gradOutput、result、gradInput 是空指针ACLNN_ERR_PARAM_INVALID161002gradOutput、result、gradInput 的数据类型和数据格式不在支持范围之内ACLNN_ERR_PARAM_INVALID161002gradOutput、result、gradInput 的 shape 不一致ACLNN_ERR_PARAM_INVALID161002gradOutput、result、gradInput 的数据类型不满足数据类型推导规则这些校验逻辑在 op_api/aclnn_selu_backward.cpp 中按CheckNotNull → CheckDtypeValid → CheckShape顺序执行返回码定义可参考文档 docs/zh/context/aclnn_return_code.md。五、调用说明aclnnSeluBackward 两段式接口每个 aclnn 算子都采用两段式接口设计详见 docs/zh/context/two_phase_api.md必须先调用aclnnSeluBackwardGetWorkspaceSize获取计算所需 workspace 大小及包含算子计算流程的执行器再调用aclnnSeluBackward执行计算。5.1 函数原型aclnnStatus aclnnSeluBackwardGetWorkspaceSize( const aclTensor* gradOutput, const aclTensor* result, aclTensor* gradInput, uint64_t* workspaceSize, aclOpExecutor** executor)aclnnStatus aclnnSeluBackward( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, aclrtStream stream)5.2 第二段接口参数参数名输入/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 大小由第一段接口获取executor输入op 执行器包含算子计算流程stream输入指定执行任务的 Stream5.3 接口内部的处理流程源码解读从 op_api/aclnn_selu_backward.cpp 的ExecSeluBackwardGetWorkspaceSize可以看出第一段接口在入参校验通过后内部会依次执行空 Tensor 快速路径gradOutput-IsEmpty() || result-IsEmpty()时 workspaceSize 置 0 直接返回Contiguous 化对 gradOutput、result 调用l0op::Contiguous这也是接口支持非连续 Tensor 的原因参数表中非连续Tensor一列为 √高维退化当维度数超过MAX_SUPPORT_DIMS_NUMS时先将输入 reshape 为一维计算完成后再 reshape 回原始 shape核心计算调用l0op::SeluGrad(gradOutputContiguous, resultContiguous, executor)生成算子计算节点类型转换与视图拷贝l0op::Cast将结果转换为 gradInput 的目标数据类型再通过l0op::ViewCopy写入输出 TensorgradInput-GetDataType()决定目标类型实现输出 dtype 推导——这也对应 graph 层的 InferDataType 逻辑见 op_graph/selu_grad_graph_infer.cpp输出数据类型直接取输入 0 的数据类型返回 workspaceSize 与 executor。第二段接口aclnnSeluBackward则直接调用CommonOpExecutorRun在指定 stream 上异步执行。六、调用示例与端到端验证仓库提供了两个调用样例examples/arch35/test_aclnn_selu_grad.cpp与 README 中链接的./examples/arch35/test_aclnn_selu_grad.cpp对应以及 examples/test_aclnn_selu_grad.cpp两者内容一致此外还有 examples/arch35/test_geir_selu_grad.cppGEIR 图模式调用。README 中给出了完整的调用说明表格调用方式调用样例说明aclnn 调用examples/arch35/test_aclnn_selu_grad.cpp通过 docs/aclnnSeluBackward.md 中的 aclnnSeluBackward 接口方式调用 SeluGrad 算子编译与运行的完整流程参考 docs/zh/context/compile_and_run_sample.md。下面给出示例的核心逻辑拆解完整代码见 docs/aclnnSeluBackward.md 的调用示例一节6.1 环境初始化int Init(int32_t deviceId, aclrtStream* stream) { auto ret aclInit(nullptr); // 初始化 ACL ret aclrtSetDevice(deviceId); // 设置计算设备 ret aclrtCreateStream(stream); // 创建 Stream return 0; }6.2 构造 aclTensor 与输入数据示例使用 shape{4, 2}梯度全 1SELU 前向输出覆盖正负区间{-2, -1, 0, 1, 2, 3, -0.5, 0.5}std::vectorint64_t shape {4, 2}; const float SCALE 1.0507009873554804f; const float ALPHA 1.6732632423543772f; const float SCALE_ALPHA_PRODUCT SCALE * ALPHA; std::vectorfloat gradHostData {1, 1, 1, 1, 1, 1, 1, 1}; std::vectorfloat outHostData {-2, -1, 0, 1, 2, 3, -0.5, 0.5}; std::vectorfloat yHostData(8, 0);CreateAclTensor模板函数负责aclrtMalloc分配 Device 内存、aclrtMemcpy将 Host 数据拷贝到 Device并计算连续 strides 后调用aclCreateTensor创建 ND 格式的aclTensor。SELU 常量必须与算子内部常量一致否则验证会失败。6.3 两段式调用uint64_t workspaceSize 0; aclOpExecutor* executor; ret aclnnSeluBackwardGetWorkspaceSize(gradients, result, y, workspaceSize, executor); void* workspaceAddr nullptr; if (workspaceSize 0) { ret aclrtMalloc(workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); } ret aclnnSeluBackward(workspaceAddr, workspaceSize, executor, stream); ret aclrtSynchronizeStream(stream);6.4 结果校验计算完成后将结果从 Device 拷回 Host逐元素与期望值比对误差阈值 0.01ffor (int64_t i 0; i size; i) { float expected; if (outHostData[i] 0) { expected gradHostData[i] * (outHostData[i] SCALE_ALPHA_PRODUCT); } else { expected SCALE * gradHostData[i]; } bool ok std::fabs(resultData[i] - expected) 0.01f; // 打印 PASS/FAIL 并统计 }以 shape{4, 2}、梯度全 1 为例手工推导预期结果元素outputs分支预期 y0-2.001 × (-2.0 1.7581) -0.24191-1.001 × (-1.0 1.7581) 0.758120.0≥01 × 1.0507 1.050731.0≥01 × 1.0507 1.050742.0≥01 × 1.0507 1.050753.0≥01 × 1.0507 1.05076-0.501 × (-0.5 1.7581) 1.258170.5≥01 × 1.0507 1.0507资源释放顺序为aclDestroyTensor销毁三个 Tensor →aclrtFree释放 Device 内存含 workspace→aclrtDestroyStream→aclrtResetDevice→aclFinalize。七、源码级实现解析从 Tiling 到 Kernel7.1 算子注册与图编译op_host / op_graph算子定义 op_host/selu_grad_def.cpp 中OpAICoreConfig设置了DynamicCompileStaticFlag(true)、DynamicRankSupportFlag(true)、DynamicShapeSupportFlag(true)、PrecisionReduceFlag(true)等即该算子支持动态 shape 与动态 rank并开启精度归约能力形状推导 op_host/selu_grad_infershape.cpp 将输出 shape 直接赋为 gradients 的 shape其中对未知维-1做了兼容处理只要未知维与已知维不冲突即放行数据类型推导 op_graph/selu_grad_graph_infer.cpp 将输出数据类型置为输入 0 的数据类型。对应单测 tests/ut/op_host/test_selu_grad_infershape.cpp 覆盖了四种场景同 shape 成功、可广播 shape 失败、含动态维成功、动态维不掩盖已知 mismatch 失败直接印证了shape 必须完全一致、不支持广播的约束。7.2 Tiling 策略OneDim 多核切分Tiling 实现位于 op_host/arch35/selu_grad_tiling_arch35.cpp仅保留SELU_GRAD_ONE_DIMOneDim 连续分块一种调度模式。核心流程平台信息获取通过PlatformAscendC读取 AIV 核数与 UB 大小shape/dtype 校验三个 Tensor 的 storage shape 必须完全一致gradients 与 outputs 的 dtype 必须相同TilingData 计算ComputeOneDimTilingtotalElements输出总元素数rank0 标量按 1 处理blockFormer每核元素数 CeilAlign(CeilDiv(totalElements, coreNum), ubBlockSize)即按核数均分并对齐到 UB blockubFormer单次 UB 处理元素数 FloorAlign(FloorDiv(availableUb, bytesPerElem), ubBlockSize)其中availableUb ubSize - SELECT_UB_RESERVE预留 8192 字节给 Select 指令动态设置核数SetUsedCoreNum根据元素数反推实际使用的核数并通过context-SetBlockDim设置小 tensor 不会浪费全部 AIV 核空 Tensor 快速路径totalElements 0时直接 SetBlockDim(1) 返回。TilingData 结构体op_kernel/arch35/selu_grad_tiling_data.h仅三个字段struct SeluGradTilingData { int64_t totalElements 0; // 总元素数 int64_t blockFormer 0; // 每核元素数 int64_t ubFormer 0; // 每次 UB 处理的元素数 };每元素 UB 字节数按 dtype 区分GetBytesPerElem例如 FLOAT 为 29B7 个 float 缓冲 1B selMask、FLOAT16/BF16 为 34B、INT8 为 35B、UINT8 为 37B、INT32 为 44B这反映了不同数据类型在计算过程中所需的中间缓冲数量差异。7.3 Kernel 实现双 Kit 设计与向量流水Kernel 主体在 op_kernel/selu_grad.cpp 与 op_kernel/arch35/selu_grad.h设计上把计算逻辑封装为两个Kit模板计算单元把搬运/切分逻辑封装为 OneDim 驱动类SeluGradDirectKitTfloat / half / bfloat16 在原始 dtype 上直接计算。其中 float 走 FP32 精度的SeluGradSelectFp32使用 float 常量做 Muls/Adds避免 half 精度截断half/bfloat16 走SeluGradSelectTfNative对齐 TensorFlow 在输入 dtype 上计算的行为常量static_castT到对应类型SeluGradTransitKitT整数类型上浮计算——int8/uint8 先Cast到 FP16 计算再转回int32 先Cast到 FP32 计算回写时 int32 使用RoundMode::CAST_TRUNC向零截断int8/uint8 使用CAST_NONE。这与注释kIntegerTransit的定义一致int32/int8/uint8触发 Transit 路径编译期通过std::conditional_t自动选择 Kit。驱动类SeluGradOneDim的Process()按CopyIn → Compute → CopyOut三级流水循环处理先用DataCopyPad从 Global Memory 搬运ubFormer个元素到 UBVECIN 队列调用 Kit 计算后通过 VECOUT 队列写回 Global Memory最后一个分块按剩余元素数处理。Kernel 入口 op_kernel/selu_grad.cpp 通过REGISTER_TILING_DEFAULT/GET_TILING_DATA_WITH_STRUCT获取 TilingData并按SELU_GRAD_ONE_DIM调度模式实例化SeluGradOneDimOpDTYPE_GRADIENTS——其中DTYPE_GRADIENTS由算子定义驱动展开6 种 dtype × 1 种调度模式共编译 6 个实例。八、测试覆盖与验证仓库在 activation/selu_grad/tests 下提供了完整的测试矩阵UT单元测试tests/ut/op_host/test_selu_grad_infershape.cppshape 推导的 4 个用例tests/ut/op_host/arch35/test_selu_grad_tiling.cppTiling 参数计算用例tests/ut/op_host/op_api/test_aclnn_selubackward.cppaclnn 接口层用例。ST系统测试tests/st/aclnnSeluBackward/executor_aclnnSeluBackward.py 与 tests/st/aclnnSeluBackward/atk_aclnnSeluBackward.json基于 ATK 框架的端到端用例与配置可在真实 NPU 上运行验证。九、小结SeluGrad 是 SELU 激活函数在训练场景下的必备反向算子。通过本文可以掌握数学本质$y \text{scale} \times \text{gradients}$outputs ≥ 0与 $y \text{gradients} \times (\text{outputs} \text{scale} \times \alpha)$outputs 0两个常量必须严格使用文档给定值调用方式两段式 aclnnSeluBackward 接口的完整调用流程与入参校验错误码161001/161002关键约束三个 Tensor 的 shape 必须完全一致不支持广播、dtype 一致、维度 1-8、非连续 Tensor 受支持底层实现OneDim 多核切分 UB 分块流水整数类型上浮到 FP16/FP32 计算后回写保证精度与性能的平衡。如果需要进一步了解 SELU 前向算子的定义与接口可参考 activation/selu 模块的 README 与 aclnn 接口文档。【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