• 正文前感谢昇腾各位工作人员，没有你们的辛勤就没有我们的进步
• 本文立意交流大赛MseLossGrad算子编译过程

• 正向算子MseLoss如下

• MseLossGrad算子是反向算子，怎么计算的就是一个难点，连公式都不知，那怎么继续编写算子
• 通过对提供的案例进行分析，得到计算公式如下

reduction = "mean"
    if 'mean' == reduction:
        reduce_elts = 1.0
        for i in input_predict.shape:
            reduce_elts *= i
        cof = (reduce_elts**(-1)) * 2.0
    else:
        cof = 2.0

    sub_res = input_predict - input_label
    norm_grad = sub_res * cof
    golden = norm_grad * input_dout复制

• 由公式可知有标量计算
• 那么如何从输入string “mean” 转换成 float型，再输入op_kernel参与计算便是其中另一难点

 const char *pvalue = context->GetAttrs()->GetStr(0);
  float reduce_elts = 1.0;
  float cof = 1.0;
  uint8_t i =0;
  uint8_t j =0;
  printf("getstr %s\r\n", pvalue);
  if(strcmp(pvalue,"mean") == 0)
  {
    for(i = 0;i<dimNum0;i++)
    {
        reduce_elts = reduce_elts*shape0[i];
    }
    cof = 1.0/reduce_elts*2.0;
    print("cof info %f",cof);
    tiling.set_cof(cof);//获取属性值
  }
  else
  {
    tiling.set_cof(2.0);//获取属性值
  }
  复制

• compute函数应该设计为

  __aicore__ inline void Compute(int32_t progress) {
    LocalTensor<DTYPE_PREDICT> inLocal = inQueueIN.DeQue<DTYPE_PREDICT>();
    LocalTensor<DTYPE_PREDICT> predictLocal = inLocal;
    LocalTensor<DTYPE_LABEL> labelLocal = inLocal[this->tileLength];
    LocalTensor<DTYPE_LABEL> doutLocal = inLocal[2*this->tileLength];

    LocalTensor<DTYPE_Y> outLocal = outQueueOUT.AllocTensor<DTYPE_Y>();

    //采用div + Muls + Add实现
    Sub(outLocal, predictLocal, labelLocal, this->tileLength);
    Muls(outLocal,outLocal,static_cast<DTYPE_Y>(this->cof),this->tileLength);
    Mul(outLocal,outLocal,doutLocal,this->tileLength);
    outQueueOUT.EnQue<DTYPE_Y>(outLocal);

    inQueueIN.FreeTensor(inLocal);
  }复制

• 下列展示测试案例
• 第一个测试案例

• 第二个测试案例

• 第三个测试案例

• 第四个测试案例

• 第五个测试案例