ApplyMomentum

对权重张量执行 Momentum/改进动量优化更新。

\[\begin{split}\begin{aligned} accu_t &= moment \cdot accu_{t-1} + g_t \\ update_t &= \begin{cases} (accu_t \cdot moment + g_t), & \text{if nesterov = True} \\ accu_t, & \text{otherwise} \end{cases} \\ weight_t &= weight_{t-1} - learning\_rate \cdot update_t \end{aligned}\end{split}\]
输入：

  • weight - 待更新权重张量首地址。

  • accumulate - 动量累积张量首地址。

  • gradient - 梯度张量首地址。

  • learning_rate - 学习率。

  • moment - 动量系数。

  • nesterov - 是否启用 Nesterov 动量。

  • start - 参与计算的起始索引（闭区间）。

  • end - 参与计算的结束索引（开区间）。

  • core_mask(int, 可选) - 核掩码（仅适用于共享存储版本）。

输出：

  • weight - 原地写回更新后的权重张量。

  • accumulate - 原地写回更新后的动量张量。

支持平台：

FT78NE MT7004

备注

  • FT78NE 支持 fp32 数据类型。

  • MT7004 支持 fp16、fp32 数据类型。

共享存储版本:

void hp_applymomentum_s(half *weight, half *accumulate, const half *gradient, float learning_rate, float moment, bool nesterov, int start, int end, int core_mask)
void fp_applymomentum_s(float *weight, float *accumulate, const float *gradient, float learning_rate, float moment, bool nesterov, int start, int end, int core_mask)

C调用示例：

 1// FT78NE 多核示例
 2#include <stdio.h>
 3#include <stdbool.h>
 4
 5int main(void) {
 6    float *weight = (float *)0xA0000000;      // DDR 存储
 7    float *accumulate = (float *)0xB0000000;
 8    float *gradient = (float *)0xC0000000;
 9    int start = 0;
10    int end = 4096;
11    int core_mask = 0xff;
12    float learning_rate = 1e-2f;
13    float moment = 0.99f;
14    bool nesterov = false;
15    fp_applymomentum_s(weight, accumulate, gradient,
16                        learning_rate, moment, nesterov,
17                        start, end, core_mask);
18    return 0;
19}

私有存储版本:

void hp_applymomentum_p(half *weight, half *accumulate, const half *gradient, float learning_rate, float moment, bool nesterov, int length)
void fp_applymomentum_p(float *weight, float *accumulate, const float *gradient, float learning_rate, float moment, bool nesterov, int length)

C调用示例：

 1// MT7004 单核示例
 2#include <stdio.h>
 3#include <stdbool.h>
 4
 5int main(void) {
 6    half *weight = (half *)0x10000000;       // L2 存储
 7    half *accumulate = (half *)0x10002000;
 8    half *gradient = (half *)0x10004000;
 9    int length = 2048;
10    float learning_rate = 5e-3f;
11    float moment = 0.9f;
12    bool nesterov = true;
13    hp_applymomentum_p(weight, accumulate, gradient,
14                       learning_rate, moment, nesterov,
15                       length);
16    return 0;
17}