AvgPool3DGrad【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×功能说明算子功能三维平均池化的反向传播计算三维平均池化正向传播的输入梯度。计算公式$$ D_{out} \left\lfloor \frac{D_{in} 2 \times \text{pads}[0] - \text{ksize}[0]}{\text{strides}[0]} 1 \right\rfloor $$$$ H_{out} \left\lfloor \frac{H_{in} 2 \times \text{pads}[1] - \text{ksize}[1]}{\text{strides}[1]} 1 \right\rfloor $$$$ W_{out} \left\lfloor \frac{W_{in} 2 \times \text{pads}[2] - \text{ksize}[2]}{\text{strides}[2]} 1 \right\rfloor $$若属性ceil_mode为True且满足条件$(D_{out} - 1) \times \text{stride}[0] \geq D_{in} \text{padding}[0]$则会跳过最后一个窗口这将导致维度$D_{out}$减少 1。此规则同样适用于维度$W_{out}$和$H_{out}$。参数说明参数名输入/输出/属性描述数据类型数据格式orig_input_shape输入表示正向的输入shape的值。输入的值为[NCDinHinWin]。INT32NDgrads输入表示反向输入的梯度。输入shape为[NCDoutHoutWout]或者[NDoutHoutWoutC]。FLOAT、FLOAT16、BFLOAT16NDksize属性表示池化窗口大小。数值必须大于0。INT64-strides属性表示池化操作的步长。数值必须大于0。INT64-pads属性表示在输入的D、H、W方向上pads补0的层数。数值必须大于等于0。INT64-ceil_mode可选属性表示正向平均池化过程中推导的输出的shape是否向上取整True表示向上取整。默认值为false。BOOL-count_include_pad可选属性计算正向平均池化时是否包括pads填充的0True表示包括填充的0。默认值为true。BOOL-divisor_override可选属性表示取平均的除数。如果指定它将用作平均计算中的除数当值为0时该属性不生效。默认值为0。INT-data_format可选属性指定输入grads数据格式。取值必须为[NDHWC,NCDHW]之一默认值为NDHWC。STRING-output输出待进行AvgPool3DGrad计算的出参。shape需要与orig_input_shape的值一致。FLOAT、FLOAT16、BFLOAT16ND约束说明无。调用说明调用方式样例代码说明aclnn接口test_aclnn_avgpool3d_backward.cpp通过aclnnAvgPool3dBackward接口方式调用AvgPool3DGrad算子。【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