人工智能算子库深度学习CANNAscend【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点击查看免费下载本篇技术指南围绕 CANN 神经网络算子库ops-nn中SigmoidCrossEntropyWithLogitsV2算子的 aclnn 接口展开完整讲解aclnnBinaryCrossEntropyWithLogits的数学原理、两段式调用流程、全部入参约束与错误码并结合仓库源码与示例给出可直接编译运行的 C 调用范例。读完本文你将能够在 NPU 上正确、高效地完成带 Sigmoid 的二分类交叉熵损失BCEWithLogitsLoss计算并理解该算子在接口层与 Kernel 层的分工。功能说明与数学原理aclnnBinaryCrossEntropyWithLogits接口用于计算输入 logitsself与标签target之间的二分类交叉熵损失BCELoss。与BinaryCrossEntropy不同该接口的输入是未经 Sigmoid 激活的 logitsSigmoid 计算被融合进算子内部因此无需在调用前手动执行Sigmoid数值稳定性更好这也是 PyTorch 中BCEWithLogitsLoss的等价语义见 算子原型定义 中 Compatible with PyTorch operator BCEWithLogitsLoss 的说明。单标签场景$$ \ell(self, target) L {l_{1},..., l_{n}}^{T} $$$$ \ell_{n} -weight_{n}[target_{n} \cdot log(\sigma(self_{n})) (1 - target_{n}) \cdot log(1 - \sigma(self_{n}))] $$其中 $\sigma$ 为 Sigmoid 函数。根据reduction参数的不同最终输出为$$ \ell(self, target) \begin{cases} L, if\ reduction none\ mean(L), if\ reduction mean\ sum(L), if\ reduction sum \end{cases} $$多标签场景当每个样本对应多个标签即target为多维度、每维取值在 0/1 区间时按类别逐元素计算$$ \ell_c(self, target) L_c {l_{1,c},..., l_{n,c}}^{T} $$$$ \ell_{n,c} -weight_{n,c}[pos_weight_{n,c} \cdot target_{n,c} \cdot log(\sigma(self_{n,c})) (1 - target_{n,c}) \cdot log(1 - \sigma(self_{n,c}))] $$其中pos_weight正类权重用于缓解类别不平衡当pos_weight 1时提高正类召回率pos_weight 1时提高负类召回率。当pos_weight未传入时其效果等价于取值为 1。产品支持情况依据 接口文档 与 算子 README该算子在不同硬件产品上的支持情况如下产品是否支持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 推理系列产品支持Atlas 训练系列产品支持注意在Atlas 推理系列产品与Atlas 训练系列产品上数据类型不支持 BFLOAT16详见后文参数说明。两段式接口与函数原型与 CANN 单算子 API 的通用调用范式一致该算子采用两段式接口必须先调用第一段接口aclnnBinaryCrossEntropyWithLogitsGetWorkspaceSize获取 workspace 大小并完成入参校验再根据返回的 workspaceSize 在 Device 侧申请内存最后调用第二段接口aclnnBinaryCrossEntropyWithLogits执行计算。第二段接口不能重复调用。aclnnStatus aclnnBinaryCrossEntropyWithLogitsGetWorkspaceSize( const aclTensor *self, const aclTensor *target, const aclTensor *weightOptional, const aclTensor *posWeightOptional, int64_t reduction, aclTensor *out, uint64_t *workspaceSize, aclOpExecutor **executor)aclnnStatus aclnnBinaryCrossEntropyWithLogits( void *workspace, uint64_t workspaceSize, aclOpExecutor *executor, const aclrtStream stream)其中aclnn为算子接口前缀BinaryCrossEntropyWithLogits为算子类型名。workspace 指除输入/输出外算子在 NPU 上完成计算所需的临时内存其大小由第一段接口计算得出。aclnnBinaryCrossEntropyWithLogitsGetWorkspaceSize 参数详解参数说明参数名输入/输出描述使用说明数据类型数据格式维度(shape)非连续TensorselfaclTensor*输入连接层输出logits-FLOAT16、FLOAT、BFLOAT16ND1-8√targetaclTensor*输入label 标签值-与 self 保持一致ND与 self 保持一致√weightOptionalaclTensor*输入二分交叉熵权重shape 需要能够 broadcast 到 target与 self 保持一致ND1-8√posWeightOptionalaclTensor*输入各类的正类权重shape 需要能够 broadcast 到 target与 self 保持一致ND1-8√reductionint64_t输入输出结果计算方式支持 0(none)|1(mean)|2(sum)其中 0 表示不做任何操作、1 表示对结果取平均值、2 表示对结果求和INT64---outaclTensor*输出输出误差如果 reduction 0shape 与 self 一致其他情况 shape 为 [1]与 target 保持一致ND与 self 保持一致√workspaceSizeuint64_t*输出返回需要在 Device 侧申请的 workspace 大小-----executoraclOpExecutor**输出返回 op 执行器包含了算子计算流程-----产品差异约束在 Atlas 推理系列产品、Atlas 训练系列产品上上述所有 Tensor 的数据类型不支持 BFLOAT16。从源码实现op_api/aclnn_binary_cross_entropy_with_logits.cpp看数据类型支持范围是按 SoC 版本动态区分的ASCEND910_DTYPE_SUPPORT_LIST {DT_FLOAT, DT_FLOAT16}旧型号 SoC 仅支持 FLOAT 与 FLOAT16ASCEND910B_DTYPE_SUPPORT_LIST {DT_FLOAT, DT_FLOAT16, DT_BF16}SoC 版本位于 ASCEND910BASCEND910E 区间或运行于 RegBase 模式时额外支持 BF16。返回值与错误码第一段接口会完成入参校验返回aclnnStatus状态码完整定义见 aclnn 返回码说明。校验失败场景如下返回值错误码描述ACLNN_ERR_PARAM_NULLPTR161001传入的 self 或 out 为空指针。ACLNN_ERR_PARAM_INVALID161002self、target、weightOptional 和 posWeightOptional 的数据类型和数据格式不在支持的范围内。ACLNN_ERR_PARAM_INVALID161002self 和 target 维度不一致。ACLNN_ERR_PARAM_INVALID161002weightOptional、posWeightOptional 不能扩展成 self/target 形状。这些校验逻辑与源码一一对应CheckNotNull负责空指针检查self、target、out 任一为空即返回 161001CheckDtypeValid负责数据类型检查并要求out与target类型一致CheckReduction检查 reduction 必须落在 [0, 2] 区间CheckShape检查所有 Tensor 维度不超过 8 维、self与targetshape 必须相等、weight/pos_weight必须能通过 broadcast 扩展为 target 形状其中 shape 为空的 tensor 跳过 broadcast 判断与 GPU 行为保持一致单独输出特定值。aclnnBinaryCrossEntropyWithLogits 参数说明参数名输入/输出描述workspace输入在 Device 侧申请的 workspace 内存地址。workspaceSize输入在 Device 侧申请的 workspace 大小由第一段接口aclnnBinaryCrossEntropyWithLogitsGetWorkspaceSize获取。executor输入op 执行器包含了算子计算流程。stream输入指定执行任务的 Stream。该接口返回aclnnStatus状态码具体参见 aclnn 返回码说明。源码级实现解析接口层与 Kernel 层的分工理解该算子内部实现有助于在实际项目中合理选择reduction取值并预判性能表现。从仓库源码看该算子采用了**融合算子 接口层二次规约**的分层设计1. 算子原型与属性定义算子原型 定义了 4 个输入predict、target为必选weight、pos_weight为可选与 1 个输出loss属性reduction为字符串类型取值[none, mean, sum]默认meanHost 侧算子定义 进一步声明了 AICore 配置ascend950、ascend350并开启动态 Shape、动态 Rank 支持。2. Kernel 仅实现 reduction none在 tiling 实现 中可以看到关键注释算子本身仅实现 reduction none 的情况其他情况会在接口层面调用其他算子融合实现。tiling 阶段只接受none字符串并通过模板实例化区分四种组合同时传入weight与pos_weightSigmoidCEWithLogitsV2HasTwoWeight仅传入weightSigmoidCEWithLogitsV2WeightOnly仅传入pos_weightSigmoidCEWithLogitsV2PosWeightOnly均未传入SigmoidCEWithLogitsV2对应 Kernel 实现 中通过if constexpr在编译期展开四种 DAG数据流图并复用atvoss/broadcast/broadcast_sch.h的BroadcastSch调度框架完成广播计算说明该算子底层对 weight/pos_weight 的广播计算做了专门优化。3. 接口层融合mean/sum 由 Reduce 算子完成aclnn 接口实现 中的调用链清晰地展示了完整流程连续性转换对self、target以及非空的weight、pos_weight调用l0op::Contiguous保证后续计算基于连续内存类型提升通过PromoteType求出self与target的统一计算类型并对各输入执行l0op::Cast未传入pos_weight时用l0op::OnesLike生成全 1 张量等价替代核心计算调用融合算子l0op::SigmoidCrossEntropyWithLogitsV2(..., none)先求出 reduction none 下的逐元素损失二次规约当reduction 1mean时调用l0op::ReduceMean、reduction 2sum时调用l0op::ReduceSum对所有维度求均值/求和HandleMeanAndSumReductionOut中dimAll覆盖全部维度类型回写将结果 Cast 回out声明的数据类型最后通过l0op::ViewCopy拷贝到输出out可以是非连续 Tensor。因此从调用方视角看reduction取 mean/sum 也能得到正确结果对应 README 中直调算子当前仅支持 none 值指的是 Kernel 层接口层通过融合完整支持 0/1/2 三种取值但会额外引入一次规约算子的开销在高频小 batch 场景下值得关注。4. 空 Tensor 的特殊处理源码中HandleEmptyTensor专门处理输入self为空 Tensor 的情况reduction none时直接返回空 Tensorreduction mean时输出填充 NaN 的结果与 PyTorch 语义一致reduction sum时输出填充 0 的结果。约束说明确定性计算aclnnBinaryCrossEntropyWithLogits默认采用确定性实现即相同输入在多次运行中产生一致输出便于调试与回归验证相关背景可参考 确定性计算说明。维度上限所有输入 Tensor 的维度rank不超过 8。形状一致性self与target的 shape 必须完全一致weight、pos_weight的 shape 必须能够 broadcast 到target广播机制详见 broadcast 关系说明。输出形状规则reduction 0时out的 shape 与self一致reduction 1或2时out为标量shape 为[1]。类型一致性target与self类型一致out与target类型一致。完整调用示例以下示例代码完整展示了从资源初始化、Tensor 构造、两段式调用到结果回拷与资源释放的全流程源码同时收录于仓库 examples/test_aclnn_sigmoid_cross_entropy_with_logits_v2.cpp具体编译与执行过程请参考 编译与运行样例#include iostream #include vector #include acl/acl.h #include aclnnop/aclnn_binary_cross_entropy_with_logits.h #define CHECK_RET(cond, return_expr) \ do { \ if (!(cond)) { \ return_expr; \ } \ } while (0) #define LOG_PRINT(message, ...) \ do { \ printf(message, ##__VA_ARGS__); \ } while (0) int64_t GetShapeSize(const std::vectorint64_t shape) { int64_t shapeSize 1; for (auto i : shape) { shapeSize * i; } return shapeSize; } int Init(int32_t deviceId, aclrtStream* stream) { // 固定写法资源初始化 auto ret aclInit(nullptr); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclInit failed. ERROR: %d\n, ret); return ret); ret aclrtSetDevice(deviceId); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtSetDevice failed. ERROR: %d\n, ret); return ret); ret aclrtCreateStream(stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtCreateStream failed. ERROR: %d\n, ret); return ret); return 0; } template typename T int CreateAclTensor(const std::vectorT hostData, const std::vectorint64_t shape, void** deviceAddr, aclDataType dataType, aclTensor** tensor) { auto size GetShapeSize(shape) * sizeof(T); // 调用aclrtMalloc申请Device侧内存 auto ret aclrtMalloc(deviceAddr, size, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtMalloc failed. ERROR: %d\n, ret); return ret); // 调用aclrtMemcpy将Host侧数据拷贝到Device侧内存上 ret aclrtMemcpy(*deviceAddr, size, hostData.data(), size, ACL_MEMCPY_HOST_TO_DEVICE); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtMemcpy failed. ERROR: %d\n, ret); return ret); // 计算连续tensor的strides std::vectorint64_t strides(shape.size(), 1); for (int64_t i shape.size() - 2; i 0; i--) { strides[i] shape[i 1] * strides[i 1]; } // 调用aclCreateTensor接口创建aclTensor *tensor aclCreateTensor(shape.data(), shape.size(), dataType, strides.data(), 0, aclFormat::ACL_FORMAT_ND, shape.data(), shape.size(), *deviceAddr); return 0; } int main() { // 1.固定写法device/stream初始化参考acl API手册 // 根据自己的实际device填写deviceId int32_t deviceId 0; aclrtStream stream; auto ret Init(deviceId, stream); // check根据自己的需要处理 CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(Init acl failed. ERROR: %d\n, ret); return ret); // 2. 构造输入与输出需要根据API的接口自定义构造 std::vectorint64_t inputShape {4, 2}; std::vectorint64_t targetShape {4, 2}; std::vectorint64_t weightShape {4, 2}; std::vectorint64_t posWeightShape {4, 2}; std::vectorint64_t outShape {4, 2}; void* inputDeviceAddr nullptr; void* targetDeviceAddr nullptr; void* weightDeviceAddr nullptr; void* posWeightDeviceAddr nullptr; void* outDeviceAddr nullptr; aclTensor* input nullptr; aclTensor* target nullptr; aclTensor* weight nullptr; aclTensor* posWeight nullptr; aclTensor* out nullptr; std::vectorfloat inputHostData {0.1, 0.1, 0.2, 0.2, 0.3, 0.3, 0.4, 0.4}; std::vectorfloat targetHostData {0.2, 0.2, 0.1, 0.1, 0.2, 0.2, 0.1, 0.1}; std::vectorfloat weightHostData {0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5}; std::vectorfloat posWeightHostData {0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5}; std::vectorfloat outHostData {0, 0, 0, 0, 0, 0, 0, 0}; // 创建input aclTensor ret CreateAclTensor(inputHostData, inputShape, inputDeviceAddr, aclDataType::ACL_FLOAT, input); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建target aclTensor ret CreateAclTensor(targetHostData, targetShape, targetDeviceAddr, aclDataType::ACL_FLOAT, target); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建weight aclTensor ret CreateAclTensor(weightHostData, weightShape, weightDeviceAddr, aclDataType::ACL_FLOAT, weight); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建posWeight aclTensor ret CreateAclTensor(posWeightHostData, posWeightShape, posWeightDeviceAddr, aclDataType::ACL_FLOAT, posWeight); CHECK_RET(ret ACL_SUCCESS, return ret); // 创建out aclTensor ret CreateAclTensor(outHostData, outShape, outDeviceAddr, aclDataType::ACL_FLOAT, out); CHECK_RET(ret ACL_SUCCESS, return ret); int64_t reduction 0; uint64_t workspaceSize 0; aclOpExecutor* executor; // 3. 调用CANN算子库API先调第一段接口获取workspace大小 ret aclnnBinaryCrossEntropyWithLogitsGetWorkspaceSize(input, target, weight, posWeight, reduction, out, workspaceSize, executor); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnBinaryCrossEntropyWithLogitsGetWorkspaceSize failed. ERROR: %d\n, ret); return ret); // 根据第一段接口计算出的workspaceSize申请device内存 void* workspaceAddr nullptr; if (workspaceSize 0) { ret aclrtMalloc(workspaceAddr, workspaceSize, ACL_MEM_MALLOC_HUGE_FIRST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(allocate workspace failed. ERROR: %d\n, ret); return ret); } // 再调用第二段接口执行计算 ret aclnnBinaryCrossEntropyWithLogits(workspaceAddr, workspaceSize, executor, stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclnnBinaryCrossEntropyWithLogits failed. ERROR: %d\n, ret); return ret); // 4.固定写法同步等待任务执行结束 ret aclrtSynchronizeStream(stream); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(aclrtSynchronizeStream failed. ERROR: %d\n, ret); return ret); // 5. 获取输出的值将Device侧内存上的结果拷贝至Host侧 auto size GetShapeSize(outShape); std::vectorfloat resultData(size, 0); ret aclrtMemcpy(resultData.data(), resultData.size() * sizeof(resultData[0]), outDeviceAddr, size * sizeof(resultData[0]), ACL_MEMCPY_DEVICE_TO_HOST); CHECK_RET(ret ACL_SUCCESS, LOG_PRINT(copy result from device to host failed. ERROR: %d\n, ret); return ret); for (int64_t i 0; i size; i) { LOG_PRINT(result[%ld] is: %f\n, i, resultData[i]); } // 6. 释放aclTensor aclDestroyTensor(input); aclDestroyTensor(target); aclDestroyTensor(weight); aclDestroyTensor(posWeight); aclDestroyTensor(out); // 7. 释放device资源 aclrtFree(inputDeviceAddr); aclrtFree(targetDeviceAddr); aclrtFree(weightDeviceAddr); aclrtFree(posWeightDeviceAddr); aclrtFree(outDeviceAddr); if (workspaceSize 0) { aclrtFree(workspaceAddr); } aclrtDestroyStream(stream); aclrtResetDevice(deviceId); aclFinalize(); return 0; }示例要点解读两段式调用顺序不可颠倒必须先GetWorkspaceSize再执行workspaceSize可能为 0例如空 Tensor 场景下直接返回此时无需申请 workspace 内存示例中的if (workspaceSize 0)判断覆盖了该边界。Tensor 构造与清理成对出现aclrtMalloc申请的 Device 内存与aclCreateTensor创建的aclTensor对象必须在最后分别用aclrtFree与aclDestroyTensor释放避免显存与句柄泄漏。reduction 取值扩展示例中reduction 0输出与输入同 shape 的逐元素损失若改为 1 或 2需将outShape调整为{1}标量输出。非连续 Tensor 支持接口允许传入非连续 Tensor内部会通过Contiguous自动做连续性转换示例中展示的 strides 计算是构造连续 Tensor 的标准写法非连续 Tensor 的相关语义可参考 非连续 Tensor 说明。测试与验证路径仓库为该算子提供了完整的测试与配置资产可用于功能验证与回归UT 测试op_api 单测 覆盖接口调用层面的正确性tiling 单测 覆盖 Host 侧 tiling 逻辑。ST 测试执行器用例 与配套的 ATK 配置 用于端到端功能验收。二进制配置ascend350 配置 与 ascend950 配置 定义了不同 dtype 组合float16/float32/bfloat16 输入与输出对应的 kernel 二进制可见算子对输入 float16 输出 float32这类精度提升场景有专门的 kernel 变体支持。小结aclnnBinaryCrossEntropyWithLogits是 CANN ops-nn 中实现带 Sigmoid 融合的二分类交叉熵损失的高效接口其Kernel 只算 none、mean/sum 由接口层 Reduce 融合的分层设计兼顾了 kernel 复用与接口语义完整性。使用时重点把握三点严格遵守两段式调用顺序、保证self/targetshape 与类型一致、理解reduction三种取值对应的输出 shape 规则。结合仓库中提供的示例与测试用例开发者可以快速在 Atlas 训练/推理系列产品上落地 BCEWithLogitsLoss 相关的训练与推理场景。赞分享人工智能算子库深度学习CANNAscend【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点击查看免费下载相关推荐基于 CANN ops-nn 的 aclnnBinaryCrossEntropyWithLogits 两段式接口详解SigmoidCrossEntropyWithLogitsV2 算子实战指南基于 CANN ops nn 的 aclnnBinaryCrossEntropyWithLogits 两段式接口详解SigmoidCrossEntropyWi人工智能算子库深度学习CANNAscendCANN ops-nn 算子详解aclnnRepeatInterleaveIntWithDim 两段式接口使用指南CANN ops nn 算子详解aclnnRepeatInterleaveIntWithDim 两段式接口使用指南 本文是 CANN 神经网络算子库ops人工智能算子库深度学习CANNAscendCANN ops-nn HingeLossGrad 算子两段式接口 aclnnHingeLossGrad 使用指南CANN ops nn HingeLossGrad 算子两段式接口 aclnnHingeLossGrad 使用指南 Hinge Loss 是 SVM 等分类任务人工智能算子库深度学习CANNAscend创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考