Erf【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言原生支持C和C标准规范主要由类库和语言扩展层构成提供多层级API满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit产品支持情况Ascend 950PR/Ascend 950DT支持Atlas A3 训练系列产品/Atlas A3 推理系列产品支持Atlas A2 训练系列产品/Atlas A2 推理系列产品支持Atlas 200I/500 A2 推理产品不支持Atlas 推理系列产品AI Core支持Atlas 推理系列产品Vector Core不支持Atlas 训练系列产品不支持Kirin X90支持Kirin 9030支持功能说明按元素做误差函数计算也称为高斯误差函数error function or Gauss error function。计算公式如下函数原型通过sharedTmpBuffer入参传入临时空间源操作数Tensor全部/部分参与计算template typename T, bool isReuseSource false, const ErfConfig config defaultErfConfig __aicore__ inline void Erf(const LocalTensorT dstTensor, const LocalTensorT srcTensor, const LocalTensoruint8_t sharedTmpBuffer, const uint32_t calCount)源操作数Tensor全部参与计算template typename T, bool isReuseSource false, const ErfConfig config defaultErfConfig __aicore__ inline void Erf( const LocalTensorT dstTensor, const LocalTensorT srcTensor, const LocalTensoruint8_t sharedTmpBuffer)接口框架申请临时空间源操作数Tensor全部/部分参与计算template typename T, bool isReuseSource false, const ErfConfig config defaultErfConfig __aicore__ inline void Erf(const LocalTensorT dstTensor, const LocalTensorT srcTensor, const uint32_t calCount)源操作数Tensor全部参与计算template typename T, bool isReuseSource false, const ErfConfig config defaultErfConfig __aicore__ inline void Erf(const LocalTensorT dstTensor, const LocalTensorT srcTensor)由于该接口的内部实现中涉及复杂的数学计算需要额外的临时空间来存储计算过程中的中间变量。临时空间支持开发者通过sharedTmpBuffer入参传入和接口框架申请两种方式。通过sharedTmpBuffer入参传入使用该tensor作为临时空间进行处理接口框架不再申请。该方式开发者可以自行管理sharedTmpBuffer内存空间并在接口调用完成后复用该部分内存内存不会反复申请释放灵活性较高内存利用率也较高。接口框架申请临时空间开发者无需申请但是需要预留临时空间的大小。通过sharedTmpBuffer传入的情况开发者需要为tensor申请空间接口框架申请的方式开发者需要预留临时空间。临时空间大小BufferSize的获取方式如下通过GetErfMaxMinTmpSize接口获取需要预留空间范围的大小。参数说明表1模板参数说明参数名描述T操作数的数据类型。支持的数据类型为half、float。isReuseSource是否允许修改源操作数。该参数预留传入默认值false即可。config该参数仅支持Ascend 950PR/Ascend 950DT。Erf算法的相关配置此参数可选配ErfConfig类型具体定义如下方代码所示其中参数的含义为algoErf内部实现使用的算法。ErfAlgo类型支持的取值如下PADE_APPROXIMATION默认值高性能算法。该算法通过帕德近似算法实现Erf接口。SUBSECTION_POLYNOMIAL_APPROXIMATION高精度算法。该算法通过将数值分段采用不同的系数对分段的数据进行多项式逼近以实现Erf接口。enum class ErfAlgo { PADE_APPROXIMATION 0, SUBSECTION_POLYNOMIAL_APPROXIMATION, }; struct ErfConfig { ErfAlgo algo ErfAlgo::PADE_APPROXIMATION; };表2接口参数说明参数名输入/输出描述dstTensor输出目的操作数。类型为LocalTensor支持的TPosition为VECIN/VECCALC/VECOUT。srcTensor输入源操作数。类型为LocalTensor支持的TPosition为VECIN/VECCALC/VECOUT。源操作数的数据类型需要与目的操作数保持一致。sharedTmpBuffer输入临时缓存。类型为LocalTensor支持的TPosition为VECIN/VECCALC/VECOUT。临时空间大小BufferSize的获取方式请参考GetErfMaxMinTmpSize。calCount输入参与计算的元素个数。返回值说明无约束说明不支持源操作数与目的操作数地址重叠。操作数地址对齐要求请参见通用地址对齐约束。调用示例完整的调用样例请参考Erf样例。// dstLocal: 存放计算结果的Tensor // srcLocal: 参与计算的输入Tensor AscendC::ErfsrcType, false(dstLocal, srcLocal); // algoErf内部使用的算法默认为高性能算法。此处algo为高精度算法 // static constexpr AscendC::ErfAlgo algo AscendC::ErfAlgo::SUBSECTION_POLYNOMIAL_APPROXIMATION; // static constexpr AscendC::ErfConfig config { algo }; // AscendC::ErfsrcType, falseconfig(dstLocal, srcLocal);结果示例如下输入数据(srcLocal): [2.015634 -2.3880906 -0.2151161 ... -2.5 0. 2.5 ] 输出数据(dstLocal): [0.99563545 -0.999268 -0.23903976 ... -0.9995931 0. 0.9995931]【免费下载链接】asc-devkit本项目是CANN 推出的昇腾AI处理器专用的算子程序开发语言原生支持C和C标准规范主要由类库和语言扩展层构成提供多层级API满足多维场景算子开发诉求。项目地址: https://gitcode.com/cann/asc-devkit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考