AvgPoolGrad

根据输入梯度对平均池化前的特征图计算反向传播梯度。

\[output_{b, x_h, x_w, c} += \frac{input_{b, y_h, y_w, c}}{\text{window}_h \cdot \text{window}_w}\]

其中 \((y_h, y_w)\) 与 \((x_h, x_w)\) 之间满足窗口与步长的映射关系。

输入：

  • input - 反向传播输入梯度张量首地址。

  • params - 参数数组，包含12个int类型数据，按顺序赋值以下元素：

    • batch - 批大小。

    • output_h - 池化输出高度。

    • output_w - 池化输出宽度。

    • channel - 通道数。

    • input_w - 池化输入宽度。

    • input_h - 池化输入高度。

    • stride_w - 水平步长。

    • stride_h - 垂直步长。

    • pad_l - 左侧填充大小。

    • pad_u - 上侧填充大小。

    • window_w - 池化窗口宽度。

    • window_h - 池化窗口高度。

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

输出：

  • output - 原地累加平均池化反向传播梯度。

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_avg_pool_grad_s(half *input, half *output, int *params, int core_mask)
void fp_avg_pool_grad_s(float *input, float *output, int *params, int core_mask)

C调用示例：

 1// FT78NE 多核示例
 2#include <stdio.h>
 3
 4int main(void) {
 5    const float *input = (const float *)0xA0000000;  // DDR 存储
 6    float *output = (float *)0xB0000000;
 7    int batch = 16;
 8    int output_h = 7;
 9    int output_w = 7;
10    int channel = 64;
11    int input_w = 14;
12    int input_h = 14;
13    int stride_w = 2;
14    int stride_h = 2;
15    int pad_l = 0;
16    int pad_u = 0;
17    int window_w = 2;
18    int window_h = 2;
19    int params[12] = {batch, output_h, output_w, channel, input_w, input_h, stride_w, stride_h, pad_l, pad_u, window_w, window_h};
20    int core_mask = 0xff;
21    fp_avg_pool_grad_s(input, output, params, core_mask);
22    return 0;
23}

私有存储版本:

void hp_avg_pool_grad_p(half *input, half *output, int *params)
void fp_avg_pool_grad_p(float *input, float *output, int *params)

C调用示例：

 1// MT7004 单核示例
 2#include <stdio.h>
 3
 4int main(void) {
 5    const half *input = (const half *)0x10000000;    // L2 存储
 6    half *output = (half *)0x10004000;
 7    int batch = 4;
 8    int output_h = 4;
 9    int output_w = 4;
10    int channel = 128;
11    int input_w = 8;
12    int input_h = 8;
13    int stride_w = 2;
14    int stride_h = 2;
15    int pad_l = 0;
16    int pad_u = 0;
17    int window_w = 2;
18    int window_h = 2;
19    int params[12] = {batch, output_h, output_w, channel, input_w, input_h, stride_w, stride_h, pad_l, pad_u, window_w, window_h};
20    hp_avg_pool_grad_p(input, output, params);
21    return 0;
22}