代码拉取完成,页面将自动刷新
同步操作将从 Ascend/MindSpeed 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
输入:
输出:
属性:
输入:
输出
属性:
import os
import torch
import torch_npu
import numpy as np
import math
from ascendspeed.op_builder import SwigluOpBuilder
x = np.random.uniform(-2, 2, (8192,1,3904))
x = torch.from_numpy(x).float().npu()
y_grad = np.random.uniform(-2, 2, (8192,1,1952))
y_grad = torch.from_numpy(y_grad).float().npu()
x.requires_grad = True
// 正向接口案例
ascendspeed_ops = SwigluOpBuilder.load()
result = ascendspeed_ops.swiglu(x, dim=-1)
// 反向接口案例
result.backward(y_grad)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。