LpLoss【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√功能说明算子功能计算输入self和目标target中每个元素之间的平均绝对误差Mean Absolute Error简称MAE。reduction指定要应用到输出的缩减支持 none、mean、sum。none 表示不应用缩减mean 表示输出的总和将除以输出中的元素数sum 表示输出将被求和。计算公式当reduction为none时$$ \ell(x, y) L {l_1,\dots,l_N}^\top, \quad l_n \left| x_n - y_n \right|, $$其中$x$是self$y$是target$N$是batch的大小。如果reduction不是none, 那么$$ \ell(x, y) \begin{cases} \operatorname{mean}(L), \text{if reduction} \text{mean;}\ \operatorname{sum}(L), \text{if reduction} \text{sum.} \end{cases} $$参数说明self (aclTensor*计算输入)公式中的输入selfDevice侧的aclTensor。数据类型与target的数据类型满足数据类型推导规则参见互推导关系。shape支持0-8维shape需要与target满足broadcast规则。支持非连续的Tensor数据格式支持ND。Atlas A2 训练系列产品/Atlas A2 推理系列产品 、 Ascend 950PR/Ascend 950DT 、 Atlas A3 训练系列产品/Atlas A3 推理系列产品 数据类型支持BFLOAT16、FLOAT16、FLOAT32、INT64。target (aclTensor*计算输入)公式中的输入targetDevice侧的aclTensor。数据类型与self的数据类型满足数据类型推导规则参见互推导关系。shape支持0-8维shape需要与self满足broadcast规则。支持非连续的Tensor数据格式支持ND。Atlas A2 训练系列产品/Atlas A2 推理系列产品 、 Ascend 950PR/Ascend 950DT 、 Atlas A3 训练系列产品/Atlas A3 推理系列产品 数据类型支持BFLOAT16、FLOAT16、FLOAT32、INT64。reduction (int64_t计算输入为属性)用于指定要应用到输出的缩减公式中的输入公式中的reductionHost侧的整型。支持 0(none) | 1(mean) | 2(sum)。none 表示不应缩减mean 表示输出的总和将除以输出中的元素数sum 表示输出将被求和。out (aclTensor*计算输出)公式中的outDevice侧的aclTensor。且数据类型需要是self与target推导之后可转换的数据类型参见互转换关系。支持非连续的Tensor数据格式支持ND。当reduction的值为0时out的shape与self和target broadcast后的shape一致当reduction的值不为0时out的shape支持0维。Atlas A2 训练系列产品/Atlas A2 推理系列产品 、 Ascend 950PR/Ascend 950DT 、 Atlas A3 训练系列产品/Atlas A3 推理系列产品 数据类型支持BFLOAT16、FLOAT16、FLOAT32、INT64、COMPLEX64、COMPLEX128。约束说明确定性计算aclnnL1Loss默认确定性实现。LpLoss中p为计算loss的参数只支持p1aclnn接口名称为aclnnL1Loss。调用说明调用方式样例代码说明aclnn接口test_aclnn_l1_loss.cpp通过aclnnL1Loss接口方式调用LpLoss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