add

python/paddle/utils/code_gen/api.yaml

@@ -467,28 +467,150 @@
 # argsort; kernel why input?
 - api : argsort
   args : (Tensor x, int axis, bool descending)
-  output : Tensor(out), tensor(indices)
+  output : Tensor(out), Tensor(indices)
   infer_meta :
     func : XXXXInferMeta
   kernel :
     func : argsort
 
-# auc
-
+# auc; kernel why input?
+- api : auc
+  args : (Tensor x, Tensor label, Tensor stat_pos, Tenosr stat_neg, string curve, int num_thresholds, int slide_steps)
+  output : Tensor(auc), Tensor(stat_pos_out), Tensor(stat_neg_out)
+  infer_meta :
+    func : AucInferMeta
+  kernel :
+    func : auc
 
 # batch_norm
+- api : batch_norm
+  args : (Tensor x, Tensor scale, Tensor bias, Tensor mean, Tensor variance, float momentum, float epsilon, string data_layout, bool is_test, bool use_global_stats, bool trainable_statistics, bool fuse_with_relu)
+  output : Tensor(out), Tensor(mean_out), Tensor(variance_out), Tensor(saved_mean), Tensor(saved_variance), Tensor(reserve_space)
+  infer_meta :
+    func : XXXXInferMeta
+  kernel :
+    func : batch_norm
+  backward: batch_norm_grad
+
 # bernoulli
-# bilinear_tensor_product
-# bincount
+- api : bernoulli
+  args : (Tensor x)
+  output : Tensor
+  infer_meta :
+    func : BernoulliInferMeta
+  kernel :
+    func : bernoulli
+
+# bilinear_tensor_product ?? optional
+- api : bilinear_tensor_product
+  args : (Tensor x, Tensor y, Tensor weight, Tensor bias)
+  output : Tensor
+  infer_meta :
+    func : BilinearTensorProductInferMeta
+  kernel :
+    func : bilinear_tensor_product
+  backward : bilinear_tensor_product_grad
+
+# bincount ?? optional
+- api : bincount
+  args : (Tensor x, Tensor weight, int minlength)
+  output : Tensor
+  infer_meta :
+    func : BincountInferMeta
+  kernel :
+    func : bincount
+
+
 # bitwise_and
+- api : bitwise_and
+  args : (Tensor x, Tensor y)
+  output : Tensor
+  infer_meta :
+    func : BitwiseInferMeta
+  kernel :
+    func : bitwise_and
+
+# bitwise_or
+- api : bitwise_or
+  args : (Tensor x, Tensor y)
+  output : Tensor
+  infer_meta :
+    func : BitwiseInferMeta
+  kernel :
+    func : bitwise_or
+
+
+# bitwise_xor
+- api : bitwise_xor
+  args : (Tensor x, Tensor y)
+  output : Tensor
+  infer_meta :
+    func : BitwiseInferMeta
+  kernel :
+    func : bitwise_xor
+
+# bitwise_not
+- api : bitwise_not
+  args : (Tensor x)
+  output : Tensor
+  infer_meta :
+    func : UnchangedInferMeta
+  kernel :
+    func : bitwise_not
+
 # broadcast_tensors
+- api : broadcast_tensors
+  args : (Tensor[] x)
+  output : Tensor[]
+  infer_meta :
+    func : BroadcastTensorsInferMeta
+  kernel :
+    func : broadcast_tensors
+  backward : broadcast_tensors_grad
+
 # cholesky
+- api : cholesky
+  args : (Tensor x, bool upper)
+  output : Tensor
+  infer_meta :
+    func : CholeskyInferMeta
+  kernel :
+    func : cholesky
+  backward : cholesky_grad
+  
 # cholesky_solve
+- api : cholesky_solve
+  args : (Tensor x, Tensor y, bool upper)
+  output : Tensor
+  infer_meta :
+    func : CholeskySolveInferMeta
+  kernel :
+    func : cholesky_solve
+  backward : cholesky_solve_grad
+
 # conv2d
 # copy
+
+
 # cumsum
+- api : cumsum
+  args : (Tensor x, int axis, bool flatten, bool exclusive, bool reverse)
+  output : Tensor
+  infer_meta :
+    func : CumsumInferMeta
+  kernel :
+    func : cumsum
+
 # depthwise_conv2d
-# dropout
+# dropout ?? optional, intermediate
+- api : dropout
+  args : (Tensor x, Tensor seed_tensor, float p, bool is_test, string mode, int seed, bool fix_seed)
+  output : Tensor(out), Tensor(mask)
+  infer_meta :
+    func : DropoutInferMeta
+  kernel :
+    func : dropout
+
 # embedding
 # erf
 # erfinv

python/paddle/utils/code_gen/backward.yaml

@@ -291,3 +291,64 @@
     param : [x]
   kernel :
     func : argsort_grad
+
+
+- backward_api : batch_norm_grad
+  forward : batch_norm (Tensor x, Tensor scale, Tensor bias, Tensor mean, Tensor variance, float momentum, float epsilon, string data_layout, bool is_test, bool use_global_stats, bool trainable_statistics, bool fuse_with_relu) -> Tensor(out), Tensor(mean_out), Tensor(variance_out), Tensor(saved_mean), Tensor(saved_variance), Tensor(reserve_space)
+  args : (Tensor indices, Tensor x, Tensor out_grad, int axis, bool descending)
+  output : Tensor(x_grad), Tensor(scale_grad), Tensor(bias_grad)
+  infer_meta :
+    func : GeneralTernaryGradInferMeta
+    param : [x, scale, bias]
+  kernel :
+    func : batch_norm_grad
+
+- backward_api : bilinear_tensor_product_grad
+  forward : bilinear_tensor_product (Tensor x, Tensor y, Tensor weight, Tensor bias) -> Tensor(out)
+  args : (Tensor x, Tensor y, Tensor weight, Tensor out_grad)
+  output : Tensor(x_grad), Tensor(y_grad), Tensor(weight_grad), Tensor(bias_grad)
+  infer_meta :
+    func : FourXXXXInferMeta
+    param : [x, y, weight, bias]
+  kernel :
+    func : bilinear_tensor_product_grad
+
+- backward_api : broadcast_tensor_grad
+  forward : broadcast_tensors (Tensor[] x) -> Tensor [] (out)
+  args : (Tensor [] out_grad)
+  output : Tensor [] (x_grad)
+  infer_meta :
+    func : XXXXInferMeta
+    param : [out_grad]
+  kernel :
+    func : broadcast_tensor_grad
+
+- backward_api : cholesky_grad
+  forward : cholesky (Tensor x, bool upper) -> Tensor(out)
+  args : (Tensor out, Tensor out_grad, bool upper)
+  output : Tensor(x_grad)
+  infer_meta :
+    func : XXXXGradInferMeta
+    param : [out]
+  kernel :
+    func : cholesky_grad
+
+- backward_api : cholesky_solve_grad
+  forward : cholesky (Tensor x, Tensor y, bool upper) -> Tensor(out)
+  args : (Tensor x, Tensor y, Tensor out, Tensor out_grad, bool upper)
+  output : Tensor(x_grad), Tensor(y_grad)
+  infer_meta :
+    func : GenerateBinnaryGradInferMeta
+    param : [x, y]
+  kernel :
+    func : cholesky_solve_grad
+
+- backward_api : dropout_grad
+  forward : dropout (Tensor x, Tensor seed_tensor, float p, bool is_test, string mode, int seed, bool fix_seed) -> Tensor(out), Tensor(mask)
+  args : (Tensor mask, Tensor out_grad, float p, bool is_test, string mode)
+  output : Tensor(x_grad)
+  infer_meta :
+    func : UnchangedInferMeta
+    param : [out_grad]
+  kernel :
+    func : dropout_grad