Element-wise计算接口

功能说明

两个tensor按元素相加。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个tensor中元素的数据类型需要一致， shape需要相同。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vadd(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：表示lhs + rhs，tvm.tensor类型

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vadd(data1, data2)

功能说明

两个tensor按元素相减。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个tensor中元素的数据类型需要一致， shape需要相同。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vsub(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：表示lhs - rhs，tvm.tensor类型

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vsub(data1, data2)

功能说明

两个tensor按元素相乘。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个tensor中元素的数据类型需要一致， shape需要相同。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vmul(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：表示lhs * rhs，tvm.tensor类型

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vmul(data1, data2)

功能说明

两个tensor按元素相除。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个tensor中元素的数据类型需要一致，shape需要相同。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vdiv(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：表示lhs / rhs，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vdiv(data1, data2)

功能说明

两个tensor按元素取模运算。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个Tensor中元素的数据类型需要一致，shape需要相同。

昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vmod(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vmod(data1, data2)

功能说明

两个tensor按元素比较并取较小值。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个tensor中元素的数据类型需要一致，shape需要相同。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vmin(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vmin(data1, data2)

功能说明

两个tensor按元素比较并取较大值。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个Tensor中元素的数据类型需要一致，shape需要相同。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vmax(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vmax(data1, data2)

功能说明

两个tensor元素按位取或。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个Tensor中元素的数据类型需要一致，shape需要相同。

支持的类型有int16，uint16。

函数原型

te.lang.cce.vor(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：表示lhs按位或rhs，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "int16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vor(data1, data2)

功能说明

两个tensor元素按位取与。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

两个Tensor中元素的数据类型需要一致，shape需要相同。

支持的类型有int16，uint16。

函数原型

te.lang.cce.vand(lhs, rhs)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。

返回值

res_tensor：表示lhs按位与rhs，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "int16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vand(data1, data2)

功能说明

将tensor中每个元素加上标量scalar。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

如果scalar数据类型与tensor数据类型不一致，计算中会转换为对应tensor数据类型。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vadds(raw_tensor, scalar)

参数说明

• raw_tensor：输入tensor，tvm.tensor类型。
• scalar：raw_tensor中元素要加的系数，标量类型。

返回值

res_tensor：表示raw_tensor + scalar，tvm.tensor类型

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
scalar = tvm.const(2, dtype =input_dtype)
res = te.lang.cce.vadds(data, scalar)

功能说明

将raw_tensor中每个元素与标量scalar进行比较，结果取两者间的最小者。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

scalar数据类型与raw_tensor数据类型需要一致，如果不一致计算中会把scalar转换为raw_tensor对应数据类型。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vmins(raw_tensor, scalar)

参数说明

• raw_tensor：输入tensor，tvm.tensor类型。
• scalar：raw_tensor中元素要比较的系数，标量类型。

返回值

res_tensor：结果tensor，tvm.tensor类型

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
scalar = tvm.const(2, dtype =input_dtype)
res = te.lang.cce.vmins(data, scalar)

功能说明

将raw_tensor中每个元素与标量scalar进行比较，结果取两者间的最大者。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

scalar数据类型与raw_tensor数据类型需要一致，如果不一致计算中会把scalar转换为raw_tensor对应数据类型。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vmaxs(raw_tensor, scalar)

参数说明

• raw_tensor：输入tensor，tvm.tensor类型。
• scalar：raw_tensor中元素要比较的系数，标量类型。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
scalar = tvm.const(2, dtype =input_dtype)
res = te.lang.cce.vmaxs(data, scalar)

功能说明

将raw_tensor中每个元素乘上标量scalar。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

scalar数据类型与raw_tensor数据类型需要一致，如果不一致计算中会把scalar转换为raw_tensor对应数据类型。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vmuls(raw_tensor, scalar)

参数说明

• raw_tensor：输入tensor，tvm.tensor类型。
• scalar：raw_tensor中元素要乘的系数，标量类型。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
scalar = tvm.const(2, dtype =input_dtype)
res = te.lang.cce.vmuls(data, scalar)

功能说明

lhs tensor中的元素与rhs按operation指定的操作进行比较，operation指定的操作包括eq、ne、lt、gt、le、ge，依次表示==、!=、<、>、<=、>=。如果表达式成立，mode为bool时返回True，mode为bit时返回1；如果表达式不成立，mode为bool时返回False，mode为bit时返回0。

以下通过表达式的方式来解释各操作的含义，其中，x表示lhs中的元素，y表示rhs中的元素，z表示结果tensor的元素，n（取值0~7）表示结果tensor的元素的bit位index，表达式如下：

• mode=='bool':
  • lt: z = True (x < y) or False (x >= y)
  • gt: z = True (x > y) or False (x <= y)
  • le: z = True (x <= y) or False (x > y)
  • ge: z = True (x >= y) or False (x < y)
  • eq: z = True (x == y) or False (x != y)
  • ne: z = True (x != y) or False (x == y)

• mode=='bit':
  • lt: z[n] = 1 (x < y) or 0 (x >= y)
  • gt: z[n] = 1 (x > y) or 0 (x <= y)
  • le: z[n] = 1 (x <= y) or 0 (x > y)
  • ge: z[n] = 1 (x >= y) or 0 (x < y)
  • eq: z[n] = 1 (x == y) or 0 (x != y)
  • ne: z[n] = 1 (x != y) or 0 (x == y)

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

• 进行比较操作的左操作数和右操作数的数据类型需要一致。
• 当mode为bool时，调用te.lang.cce.cce_build_code接口进行编译时，传入的config参数中需要设置bool_storage_as_1bit为False。否则会出现某些shape的输出结果不符合预期。

  因为bool_storage_as_1bit的默认值为True，表示按照1 bit进行存储。

  编译配置config如下所示：

  with tvm.target.cce():
      schedule = generic.auto_schedule(res)
  config = {"name": kernel_name,
            "tensor_list": [data_x, data_y, res],
            "bool_storage_as_1bit": False}
  te.lang.cce.cce_build_code(schedule, config)

• 当mode为bit时，左操作数的shape的最后一维必须被8整除。
• 如果右操作数也为tensor，那么两个tensor的shape需要相同。
• 昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vcmp(lhs, rhs, operation='lt', mode='bool')

参数说明

• lhs：进行比较操作的左操作数，tvm.tensor类型。
• rhs：进行比较操作的右操作数，tvm.tensor或者 scalar类型。
• operation : 操作类型，支持eq, ne, lt, gt, ge, le，默认为lt。
• mode：模式类型，支持bool和bit，默认为bool。

返回值

res_tensor：结果tensor，tvm.tensor类型。mode为bool时数据类型为bool，mode为bit时数据类型为uint8。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vcmp(data1, data2, 'lt', 'bit')

功能说明

两个tensor按元素进行逻辑and/or操作，或者一个tensor进行逻辑not操作。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

支持的数据类型为bool，两个tensor元素的数据类型需要一致。

函数原型

te.lang.cce.vlogic(lhs, rhs=None, operation='logic_and')

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。
• operation : 操作类型，支持logic_and, logic_or, logic_not，默认为logic_and。若执行logic_not操作，则需要将rhs设置为None。

返回值

res_tensor：结果tensor，tvm.tensor类型

调用示例

shape = (1024,1024)
input_dtype = "bool"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
res = te.lang.cce.vlogic(data1, data2, 'logic_and')

功能说明

根据condition的数据类型，将condition中的元素与True或1比较，如果表达式成立返回x对应的值，否则返回y对应的值。

• condition的数据类型为bool时，将condition元素的值和True比较，如果表达式成立返回x对应的值，否则返回y对应的值；
• condition的数据类型为uint8时，将condition元素按bit位和1比较，如果表达式成立返回x对应的值，否则返回y对应的值。

以下通过表达式的方式来解释如何比较，其中，i是表示condition中的元素，x'表示x的元素或者x，y'表示y的元素或者y，z表示结果tensor的元素，n（取值0~7）表示condition元素的bit位index，表达式如下：

• condition数据类型为bool：

  z = (i==True)？x'：y'

• condition数据类型为uint8：

  z = (i[n]==1)？x'：y'

  您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

• x、y元素的数据类型需要一致。
• 当condition的数据类型为uint8时，x、y的shape最后一维要能被8整除。
• 当condition的数据类型为bool时，调用te.lang.cce.cce_build_code接口进行编译时，传入的config参数中需要设置bool_storage_as_1bit为False。否则会出现某些shape的输出结果不符合预期。

  因为bool_storage_as_1bit的默认值为True，表示按照1 bit进行存储。

  编译配置config如下所示：

  with tvm.target.cce():
      schedule = generic.auto_schedule(res)
  config = {"name": kernel_name,
            "tensor_list": [data_x, data_y, res],
            "bool_storage_as_1bit": False}
  te.lang.cce.cce_build_code(schedule, config)

昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vsel(condition, x, y)

参数说明

• condition：条件tensor，tvm.tensor类型，数据类型为bool、uint8。
• x：可能的返回值，数据类型支持tvm.tensor、scalar。
• y：可能的返回值，数据类型支持tvm.tensor、scalar。

返回值

res_tensor： 结果tensor，tvm.tensor类型

功能说明

tensor lhs中的元素和rhs按operation处的操作进行比较，operation处的操作包括eq、ne、lt、gt、le、ge，依次表示==、!=、<、>、<=、>=。如果表达式成立，返回slhs对应的值，否则返回srhs对应的值。

• 如果rhs为None，tensor lhs中的元素会与float数2.0进行比较。
• 如果slhs为None，表达式成立时，返回lhs对应的值。
• 如果srhs为None并且rhs类型为tensor，表达式不成立时，返回rhs对应的值。

如果srhs为None并且rhs类型为scalar，表达式不成立时，返回float数0.0。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

所有参数的数据类型需要一致。

昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vcmpsel(lhs,rhs=None,operation='lt', slhs=None, srhs=None)

参数说明

• lhs：进行比较操作的左操作数，tvm.tensor类型。
• rhs：进行比较操作的右操作数，tvm.tensor 或者 scalar类型，默认为None。
• slhs：比较表达式成立时返回的值，tvm.tensor或者 scalar类型，默认为None。
• srhs：比较表达式不成立时返回的值，tvm.tensor或者 scalar类型，默认为None。
• operation : 操作类型，支持eq, ne, lt, gt, ge, le，默认为lt。

返回值

res_tensor：结果tensor ，tvm.tensor类型

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype) 
data3 = tvm.placeholder(shape, name="data3", dtype=input_dtype)
data4 = tvm.placeholder(shape, name="data4", dtype=input_dtype)
res = te.lang.cce.vcmpsel(data1, data2, 'gt', data3, data4)

功能说明

对raw_tensor中的每个元素做对数ln(x)运算。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vlog(raw_tensor, priority_flag=0)

参数说明

• raw_tensor：输入tensor，tvm.tensor类型。
• priority_flag：优先级标记，scalar类型。
  • 1表示精度优先：精度优先时，由于计算过程复杂，性能会有所下降。
  • 0表示性能优先：性能优先时，精度会有所下降。

  默认值为0。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vlog(data)

功能说明

对tensor中的每个元素做自然指数运算e^x。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vexp(raw_tensor)

参数说明

raw_tensor：输入tensor，tvm.tensor类型。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vexp(data)

功能说明

对tensor中的每个元素做绝对值运算|x|。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

昇腾310 AI处理器：支持的数据类型有float16、float32

函数原型

te.lang.cce.vabs(raw_tensor)

参数说明

raw_tensor：输入tensor，tvm.tensor类型。

返回值

res_tensor：表示|raw_tensor|，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vabs(data)

功能说明

对tensor中的每个元素做倒数运算 1 / x。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

昇腾310 AI处理器：支持的数据类型有float16、float32

函数原型

te.lang.cce.vrec(raw_tensor)

参数说明

raw_tensor：输入tensor，tvm.tensor类型。

返回值

res_tensor：表示1 / raw_tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vrec(data)

功能说明

对tensor中的每个元素做线性整流运算relu。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vrelu(raw_tensor)

参数说明

raw_tensor：输入tensor，tvm.tensor类型。

返回值

res_tensor：表示relu(raw_tensor)，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vrelu(data)

功能说明

对tensor中的每个元素按位取反。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

支持的类型有int16，uint16。

函数原型

te.lang.cce.vnot(raw_tensor)

参数说明

raw_tensor：输入tensor，tvm.tensor类型。

返回值

res_tensor：表示raw_tensor按位取反，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "int16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vnot(data)

功能说明

对tensor中的每个元素取平方根。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

昇腾310 AI处理器：支持的数据类型有float16、float32

函数原型

te.lang.cce.vsqrt(raw_tensor, priority_flag=0)

参数说明

• raw_tensor：输入tensor，tvm.tensor类型。
• priority_flag：优先级标记，scalar类型。
  • 1表示精度优先：精度优先时，由于计算过程复杂，性能会有所下降。
  • 0表示性能优先：性能优先时，精度会有所下降。

  默认值为0。

返回值

res_tensor：表示raw_tensor取平方根，tvm.tensor类型

调用示例

shape = (1024,1024)
input_dtype = "float 16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vsqrt(data)

功能说明

对tensor中的每个元素求平方根倒数。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

昇腾310 AI处理器：支持的数据类型有float16、float32

函数原型

te.lang.cce.vrsqrt(raw_tensor, priority_flag=0)

参数说明

• raw_tensor：输入tensor，tvm.tensor类型。
• priority_flag：优先级标记，scalar类型。
  • 1表示精度优先：精度优先时，由于计算过程复杂，性能会有所下降。
  • 0表示性能优先：性能优先时，精度会有所下降。

  默认值为0。

返回值

res_tensor：表示raw_tensor取平方根倒数，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float 16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vrsqrt(data)

功能说明

将lhs中每个元素乘上标量scalar，再加上rhs中的对应元素。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

• lhs和rhs tensor的数据类型要求一致，shape一致。
• scalar的数据类型如果跟tensor不一致，会被转换成tensor的数据类型。

昇腾310 AI处理器：支持的数据类型有float16、float32

函数原型

te.lang.cce.vaxpy(lhs, rhs, scalar)

参数说明

• lhs：左tensor，tvm.tensor类型。
• rhs：右tensor，tvm.tensor类型。
• scalar：lhs中元素要乘的系数，标量类型。

返回值

res_tensor：表示lhs * scalar + rhs，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
scalar = tvm.const(2, dtype =input_dtype)
res = te.lang.cce.vaxpy(data1, data2, scalar)

功能说明

将tensor_0中每个元素乘上tensor_1中的对应元素，再加上tensor_2中的对应元素，对应的计算为tensor_0 * tensor_1 + tensor_2。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

三个tensor的数据类型要求一致，shape需相同。

昇腾310 AI处理器：支持的数据类型有float16、float32

函数原型

te.lang.cce.vmla(tensor_0, tensor_1, tensor_2)

参数说明

• tensor_0：tensor，tvm.tensor类型。
• tensor_1：tensor，tvm.tensor类型。
• tensor_2：tensor，tvm.tensor类型。

返回值

res_tensor：表示tensor_0 * tensor_1 + tensor_2，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
data3 = tvm.placeholder(shape, name="data3", dtype=input_dtype)
res = te.lang.cce.vmla(data1, data2, data3)

功能说明

将tensor_0中每个元素乘上tensor_2中的对应元素，再加上tensor_1中的对应元素，对应的计算为tensor_0 * tensor_2 + tensor_1。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

三个tensor的数据类型要求一致，shape需相同。

昇腾310 AI处理器：支持的数据类型有float16、float32

函数原型

te.lang.cce.vmadd(tensor_0, tensor_1, tensor_2)

参数说明

• tensor_0：tensor，tvm.tensor类型。
• tensor_1：tensor，tvm.tensor类型。
• tensor_2：tensor，tvm.tensor类型。

返回值

res_tensor：表示tensor_0 * tensor_2 + tensor_1，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
data3 = tvm.placeholder(shape, name="data3", dtype=input_dtype)
res = te.lang.cce.vmadd(data1, data2, data3)

功能说明

将tensor_0中每个元素乘上tensor_2中的对应元素，再加上tensor_1中的对应元素，然后做线性整流，对应的计算为relu(tensor_0 * tensor_2 + tensor_1)。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

三个tensor的数据类型要求一致。

昇腾310 AI处理器：支持的数据类型有float16、float32

函数原型

te.lang.cce.vmaddrelu(tensor_0, tensor_1, tensor_2)

参数说明

• tensor_0：tensor，tvm.tensor类型。
• tensor_1：tensor，tvm.tensor类型。
• tensor_2：tensor，tvm.tensor类型。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
data2 = tvm.placeholder(shape, name="data2", dtype=input_dtype)
data3 = tvm.placeholder(shape, name="data3", dtype=input_dtype)
res = te.lang.cce.vmaddrelu(data1, data2, data3)

功能说明

对tensor中每个元素做leaky relu的计算，当元素大于等于0则结果是其本身，否则要乘上一个常量alpha。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

三个tensor的数据类型要求一致。

昇腾310 AI处理器：支持的数据类型有float16、float32、int32

函数原型

te.lang.cce.vlrelu(raw_tensor, alpha=0)

参数说明

• raw_tensor：输入tensor，tvm.tensor类型。
• alpha：输入scalar。

返回值

res_tensor：结果tensor，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
res = te.lang.cce.vlrelu(data, alpha=0.01)

功能说明

将tensor_0中每个元素加上tensor_1中的对应元素，然后做线性整流，对应的计算为relu(tensor_0 + tensor_1)。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

三个tensor的数据类型要求一致。

昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vaddrelu(lhs, rhs)

参数说明

• lhs：输入tensor，tvm.tensor类型。
• rhs：输入tensor，tvm.tensor类型。

返回值

res_tensor：表示relu(lhs+rhs)，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
res = te.lang.cce.vaddrelu(data, data1)

功能说明

将tensor_0中每个元素减tensor_1中的对应元素，然后做线性整流，对应的计算为relu(tensor_0 - tensor_1)。

您可以在ATC安装目录下的“python/site-packages/te/lang/cce/te_compute/elewise_compute.py”查看接口定义。

约束说明

三个tensor的数据类型要求一致。

昇腾310 AI处理器：支持的数据类型有float16

函数原型

te.lang.cce.vsubrelu(lhs, rhs)

参数说明

• lhs：输入tensor，tvm.tensor类型。
• rhs：输入tensor，tvm.tensor类型。

返回值

res_tensor：表示relu(lhs-rhs)，tvm.tensor类型。

调用示例

shape = (1024,1024)
input_dtype = "float16"
data = tvm.placeholder(shape, name="data", dtype=input_dtype)
data1 = tvm.placeholder(shape, name="data1", dtype=input_dtype)
res = te.lang.cce.vsubrelu(data, data1)