diff --git a/paddle/fluid/eager/auto_code_generator/final_state_generator/eager_gen.py b/paddle/fluid/eager/auto_code_generator/final_state_generator/eager_gen.py index 967891fe5227dcd6129c0ef1808fba7720711568..cc1eb4df9511db19117a126e22d68c812bb42ade 100644 --- a/paddle/fluid/eager/auto_code_generator/final_state_generator/eager_gen.py +++ b/paddle/fluid/eager/auto_code_generator/final_state_generator/eager_gen.py @@ -202,7 +202,7 @@ def ParseYamlArgs(string): default_value = m.group(3).split("=")[1].strip() if len( m.group(3).split("=")) > 1 else None - assert arg_type in yaml_types_mapping.keys() + assert arg_type in yaml_types_mapping.keys(), arg_type arg_type = yaml_types_mapping[arg_type] if "Tensor" in arg_type: assert default_value is None @@ -1126,7 +1126,7 @@ if __name__ == "__main__": fwd_returns_str = fwd_api['output'] bwd_api_name = fwd_api['backward'] - assert bwd_api_name in grad_api_dict.keys() + assert bwd_api_name in grad_api_dict.keys(), bwd_api_name bwd_api = grad_api_dict[bwd_api_name] assert 'args' in bwd_api.keys() diff --git a/paddle/phi/infermeta/backward.h b/paddle/phi/infermeta/backward.h index 921df460118e6916a0a81ae0027f53d0ff201833..fbe5b3ef2b079196c089f45b7f283bbec7334340 100644 --- a/paddle/phi/infermeta/backward.h +++ b/paddle/phi/infermeta/backward.h @@ -17,6 +17,9 @@ limitations under the License. */ #include #include "paddle/phi/core/meta_tensor.h" +#include "paddle/phi/infermeta/binary.h" +#include "paddle/phi/infermeta/multiary.h" +#include "paddle/phi/infermeta/ternary.h" #include "paddle/phi/infermeta/unary.h" namespace phi { diff --git a/python/paddle/utils/code_gen/api.yaml b/python/paddle/utils/code_gen/api.yaml index c5e09542524868fc1867e2487555fd0edb871e25..efd3206dcae0ca7e8a41212e206756e5050a4bf4 100644 --- a/python/paddle/utils/code_gen/api.yaml +++ b/python/paddle/utils/code_gen/api.yaml @@ -252,66 +252,66 @@ func : softmax backward : softmax_grad -# maxout -- api : maxout - args : (Tensor x, int groups, int axis) - output : Tensor - infer_meta : - func : MaxoutInferMeta - kernel : - func : maxout - backward : maxout_grad +# # maxout +# - api : maxout +# args : (Tensor x, int groups, int axis) +# output : Tensor +# infer_meta : +# func : MaxoutInferMeta +# kernel : +# func : maxout +# backward : maxout_grad -# put_along_axis -- api : put_along_axis - args : (Tensor x, Tensor index, Tensor value, int axis, string reduce) - output : Tensor - infer_meta : - func : PutAlongAxisInferMeta - kernel : - func : put_along_axis - backward : put_along_axis_grad +# # put_along_axis +# - api : put_along_axis +# args : (Tensor x, Tensor index, Tensor value, int axis, string reduce) +# output : Tensor +# infer_meta : +# func : PutAlongAxisInferMeta +# kernel : +# func : put_along_axis +# backward : put_along_axis_grad -# take_along_axis -- api : take_along_axis - args : (Tensor x, Tensor index, int axis) - output : Tensor - infer_meta : - func : TakeAlongAxisInferMeta - kernel : - func : take_along_axis - backward : take_along_axis_grad +# # take_along_axis +# - api : take_along_axis +# args : (Tensor x, Tensor index, int axis) +# output : Tensor +# infer_meta : +# func : TakeAlongAxisInferMeta +# kernel : +# func : take_along_axis +# backward : take_along_axis_grad -# matrix_power -- api : maxtrix_power - args : (Tensor x, int n) - output : Tensor - infer_meta : - func : MaxtrixPowerInferMeta - kernel : - func : maxtrix_power - backward : maxtrix_power_grad +# # matrix_power +# - api : maxtrix_power +# args : (Tensor x, int n) +# output : Tensor +# infer_meta : +# func : MaxtrixPowerInferMeta +# kernel : +# func : maxtrix_power +# backward : maxtrix_power_grad -# eigh -- api : eigh - args : (Tensor x, string uplo) - output : Tensor(out_w), Tensor(out_v) - infer_meta : - func : EighInferMeta - kernel : - func : eigh - backward : eigh_grad +# # eigh +# - api : eigh +# args : (Tensor x, string uplo) +# output : Tensor(out_w), Tensor(out_v) +# infer_meta : +# func : EighInferMeta +# kernel : +# func : eigh +# backward : eigh_grad -# segment_pool -- api : segment_pool - args : (Tensor x, Tensor segment_ids, string pooltype) - output : Tensor(out), Tensor(summed_ids) - infer_meta : - func : SegmentPoolInferMeta - kernel : - func : segment_pool - backward : segment_pool_grad +# # segment_pool +# - api : segment_pool +# args : (Tensor x, Tensor segment_ids, string pooltype) +# output : Tensor(out), Tensor(summed_ids) +# infer_meta : +# func : SegmentPoolInferMeta +# kernel : +# func : segment_pool +# backward : segment_pool_grad # accuracy - api : accuracy @@ -451,7 +451,7 @@ args : (Tensor x, int axis, bool keepdims, bool flatten, int dtype) output : Tensor infer_meta : - func : XXXXInferMeta + func : ArgMinMaxInferMeta kernel : func : argmin @@ -460,7 +460,7 @@ args : (Tensor x, int axis, bool keepdims, bool flatten, int dtype) output : Tensor infer_meta : - func : XXXXInferMeta + func : ArgMinMaxInferMeta kernel : func : argmax @@ -469,85 +469,85 @@ args : (Tensor x, int axis, bool descending) output : Tensor(out), Tensor(indices) infer_meta : - func : XXXXInferMeta + func : ArgsortInferMeta kernel : func : argsort # 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 +# - api : auc +# args : (Tensor x, Tensor label, Tensor stat_pos, Tensor stat_neg, str 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 +# # 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 -- api : bernoulli - args : (Tensor x) - output : Tensor - infer_meta : - func : BernoulliInferMeta - kernel : - func : bernoulli +# # bernoulli +# - 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 +# # 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 +# - 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 +# - 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_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_xor +# - api : bitwise_xor +# args : (Tensor x, Tensor y) +# output : Tensor +# infer_meta : +# func : BitwiseInferMeta +# kernel : +# func : bitwise_xor # bitwise_not - api : bitwise_not @@ -559,14 +559,14 @@ 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 +# - api : broadcast_tensors +# args : (Tensor[] x) +# output : Tensor[] +# infer_meta : +# func : BroadcastTensorsInferMeta +# kernel : +# func : broadcast_tensors +# backward : broadcast_tensors_grad # cholesky - api : cholesky @@ -588,8 +588,8 @@ func : cholesky_solve backward : cholesky_solve_grad -# conv2d -# copy +# # conv2d +# # copy # cumsum @@ -601,458 +601,458 @@ kernel : func : cumsum -# depthwise_conv2d -# 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 +# # depthwise_conv2d +# # 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 +# # embedding -# erf -- api : erf - args : (Tensor x) - output : Tensor - infer_meta : - func : ErfInferMeta - kernel : - func : erf - backward : erf_grad +# # erf +# - api : erf +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : ErfInferMeta +# kernel : +# func : erf +# backward : erf_grad -# erfinv -- api : erfinv - args : (Tensor x) - output : Tensor - infer_meta : - func : ErfinvInferMeta - kernel : - func : erfinv - backward : erfinv_grad +# # erfinv +# - api : erfinv +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : ErfinvInferMeta +# kernel : +# func : erfinv +# backward : erfinv_grad -# expand_as ?? optional -- api : expand_as - args : (Tensor x, Tensor y, int[] shape) - output : Tensor - infer_meta : - func : ExpandAsInferMeta - kernel : - func : expand_as - backward : expand_as_grad +# # expand_as ?? optional +# - api : expand_as +# args : (Tensor x, Tensor y, int[] shape) +# output : Tensor +# infer_meta : +# func : ExpandAsInferMeta +# kernel : +# func : expand_as +# backward : expand_as_grad -# expand -- api : expand - args : (Tensor x, ScalarArray shape) - output : Tensor - infer_meta : - func : ExpandInferMeta - kernel : - func : expand - backward : expand_grad +# # expand +# - api : expand +# args : (Tensor x, ScalarArray shape) +# output : Tensor +# infer_meta : +# func : ExpandInferMeta +# kernel : +# func : expand +# backward : expand_grad -# eye ? int64 +# eye - api : eye - args : (int num_rows, int num_colums, DataType dtype) + args : (int64 num_rows, int64 num_colums, DataType dtype) output : Tensor infer_meta : func : EyeInferMeta kernel : func : eye -# flip -- api : flip - args : (Tensor x, int[] axis) - output : Tensor - infer_meta : - func : FlipInferMeta - kernel : - func : flip +# # flip +# - api : flip +# args : (Tensor x, int[] axis) +# output : Tensor +# infer_meta : +# func : FlipInferMeta +# kernel : +# func : flip # gaussian_random -- api : gaussian_random - args : (ScalayArray shape, float mean, float std, int seed, DataType dtype) - output : Tensor - infer_meta : - func : GaussianRandomInferMeta - kernel : - func : gaussian_random +# - api : gaussian_random +# args : (ScalayArray shape, float mean, float std, int seed, DataType dtype) +# output : Tensor +# infer_meta : +# func : GaussianRandomInferMeta +# kernel : +# func : gaussian_random -# graph_send_recv -- api : graph_send_recv - args : (Tensor x, Tensor src_index, Tensor dst_index, string pool_type) - output : Tensor(out), Tensor(dst_count) - infer_meta : - func : GraphSendRecvInferMeta - kernel : - func : graph_send_recv - backward : graph_send_recv_grad +# # graph_send_recv +# - api : graph_send_recv +# args : (Tensor x, Tensor src_index, Tensor dst_index, string pool_type) +# output : Tensor(out), Tensor(dst_count) +# infer_meta : +# func : GraphSendRecvInferMeta +# kernel : +# func : graph_send_recv +# backward : graph_send_recv_grad -# histogram int64 ??? -- api : histogram - args : (Tensor x, int64_t bins, int min, int max) - output : Tensor - infer_meta : - func : HistogramInferMeta - kernel : - func : histogram +# # histogram int64 ??? +# - api : histogram +# args : (Tensor x, int64_t bins, int min, int max) +# output : Tensor +# infer_meta : +# func : HistogramInferMeta +# kernel : +# func : histogram -# increment -- api : increment - args : (Tensor x, float value) - output : Tensor - infer_meta : - func : IncrementInferMeta - kernel : - func : increment +# # increment +# - api : increment +# args : (Tensor x, float value) +# output : Tensor +# infer_meta : +# func : IncrementInferMeta +# kernel : +# func : increment -# is_empty -- api : is_empty - args : (Tensor x) - output : Tensor - infer_meta : - func : IsEmptyInferMeta - kernel : - func : is_empty +# # is_empty +# - api : is_empty +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : IsEmptyInferMeta +# kernel : +# func : is_empty -# isinf selected rows??? involk -- api : isinf - args : (Tensor x) - output : Tensor - infer_meta : - func : IsfiniteInferMeta - kernel : - func : isinf +# # isinf selected rows??? involk +# - api : isinf +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : IsfiniteInferMeta +# kernel : +# func : isinf -# isnan -- api : isnan - args : (Tensor x) - output : Tensor - infer_meta : - func : IsfiniteInferMeta - kernel : - func : isnan +# # isnan +# - api : isnan +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : IsfiniteInferMeta +# kernel : +# func : isnan -# isfinite -- api : isfinite - args : (Tensor x) - output : Tensor - infer_meta : - func : IsfiniteInferMeta - kernel : - func : isfinite +# # isfinite +# - api : isfinite +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : IsfiniteInferMeta +# kernel : +# func : isfinite -# label_smooth ?? optional -- api : label_smooth - args : (Tensor label, Tensor prior_dist, float epsilon) - output : Tensor - infer_meta : - func : LabelSmoothInferMeta - kernel : - func : label_smooth - backward : label_smooth_grad +# # label_smooth ?? optional +# - api : label_smooth +# args : (Tensor label, Tensor prior_dist, float epsilon) +# output : Tensor +# infer_meta : +# func : LabelSmoothInferMeta +# kernel : +# func : label_smooth +# backward : label_smooth_grad -# linspace -- api : linspace - args : (Tensor start, Tensor stop, Tensor number, DataType dtype) - output : Tensor - infer_meta : - func : LinspaceInferMeta - kernel : - func : linspace +# # linspace +# - api : linspace +# args : (Tensor start, Tensor stop, Tensor number, DataType dtype) +# output : Tensor +# infer_meta : +# func : LinspaceInferMeta +# kernel : +# func : linspace -# log_loss -- api : log_loss - args : (Tensor input, Tensor label, float epsilon) - output : Tensor - infer_meta : - func : LogLossInferMeta - kernel : - func : log_loss - backward : log_loss +# # log_loss +# - api : log_loss +# args : (Tensor input, Tensor label, float epsilon) +# output : Tensor +# infer_meta : +# func : LogLossInferMeta +# kernel : +# func : log_loss +# backward : log_loss -# logical_and -- api : logical_and - args : (Tensor x, Tensor y) - output : Tensor - infer_meta : - func : LogicalInferMeta - kernel : - func : logical_and +# # logical_and +# - api : logical_and +# args : (Tensor x, Tensor y) +# output : Tensor +# infer_meta : +# func : LogicalInferMeta +# kernel : +# func : logical_and -# logical_or -- api : logical_or - args : (Tensor x, Tensor y) - output : Tensor - infer_meta : - func : LogicalInferMeta - kernel : - func : logical_or +# # logical_or +# - api : logical_or +# args : (Tensor x, Tensor y) +# output : Tensor +# infer_meta : +# func : LogicalInferMeta +# kernel : +# func : logical_or -# logical_xor -- api : logical_xor - args : (Tensor x, Tensor y) - output : Tensor - infer_meta : - func : LogicalInferMeta - kernel : - func : logical_xor +# # logical_xor +# - api : logical_xor +# args : (Tensor x, Tensor y) +# output : Tensor +# infer_meta : +# func : LogicalInferMeta +# kernel : +# func : logical_xor -# logical_not -- api : logical_not - args : (Tensor x) - output : Tensor - infer_meta : - func : UnchangedInferMeta - kernel : - func : logical_not +# # logical_not +# - api : logical_not +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : UnchangedInferMeta +# kernel : +# func : logical_not -# masked_select -- api : masked_select - args : (Tensor x, Tensor mask) - output : Tensor - infer_meta : - func : MaksedSelectInferMeta - kernel : - func : masked_select - backward : masked_select_grad +# # masked_select +# - api : masked_select +# args : (Tensor x, Tensor mask) +# output : Tensor +# infer_meta : +# func : MaksedSelectInferMeta +# kernel : +# func : masked_select +# backward : masked_select_grad -# multi_dot -- api : multi_dot - args : (Tensor[] x) - output : Tensor - infer_meta : - func : MultiDotInferMeta - kernel : - func : multi_dot - backward : multi_dot_grad +# # multi_dot +# - api : multi_dot +# args : (Tensor[] x) +# output : Tensor +# infer_meta : +# func : MultiDotInferMeta +# kernel : +# func : multi_dot +# backward : multi_dot_grad -# multinomial -- api : multinomial - args : (Tensor x, int num_samples, bool replacement) - output : Tensor - infer_meta : - func : MultinomialInferMeta - kernel : - func : multinomial +# # multinomial +# - api : multinomial +# args : (Tensor x, int num_samples, bool replacement) +# output : Tensor +# infer_meta : +# func : MultinomialInferMeta +# kernel : +# func : multinomial -# nll_loss ?? optional -- api : nll_loss - args : (Tensor input, Tensor label, Tensor weight, int64_t ignore_index, string reduction) - output : Tensor(out), Tensor(total_weight) - infer_meta : - func : NllLossInferMeta - kernel : - func : nll_loss - backward : nll_loss_grad +# # nll_loss ?? optional +# - api : nll_loss +# args : (Tensor input, Tensor label, Tensor weight, int64_t ignore_index, string reduction) +# output : Tensor(out), Tensor(total_weight) +# infer_meta : +# func : NllLossInferMeta +# kernel : +# func : nll_loss +# backward : nll_loss_grad -# pad -- api : pad - args : (Tensor x, int[] paddings, float pad_value) - output : Tensor - infer_meta : - func : PadInferMeta - kernel : - func : pad - backward : pad_grad +# # pad +# - api : pad +# args : (Tensor x, int[] paddings, float pad_value) +# output : Tensor +# infer_meta : +# func : PadInferMeta +# kernel : +# func : pad +# backward : pad_grad -# pixel_shuffle -- api : pixel_shuffle - args : (Tensor x, int upscale_factor, string data_format) - output : Tensor - infer_meta : - func : PixelShuffleInferMeta - kernel : - func : pixel_shuffle - backward : pixel_shuffle_grad +# # pixel_shuffle +# - api : pixel_shuffle +# args : (Tensor x, int upscale_factor, string data_format) +# output : Tensor +# infer_meta : +# func : PixelShuffleInferMeta +# kernel : +# func : pixel_shuffle +# backward : pixel_shuffle_grad -# poisson -- api : poisson - args : (Tensor x) - output : Tensor - infer_meta : - func : PoissonInferMeta - kernel : - func : poisson - backward : poisson_grad +# # poisson +# - api : poisson +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : PoissonInferMeta +# kernel : +# func : poisson +# backward : poisson_grad -# psroi_pool ?? optional -- api : psroi_pool - args : (Tensor x, Tensor rois, Tensor rois_num, int pooled_weight, int pooled_width, int output_channels, float spatial_scale ) - output : Tensor - infer_meta : - func : PsroiPoolInferMeta - kernel : - func : psroi_pool - backward : psroi_pool_grad +# # psroi_pool ?? optional +# - api : psroi_pool +# args : (Tensor x, Tensor rois, Tensor rois_num, int pooled_weight, int pooled_width, int output_channels, float spatial_scale ) +# output : Tensor +# infer_meta : +# func : PsroiPoolInferMeta +# kernel : +# func : psroi_pool +# backward : psroi_pool_grad -# randint_raw -- api : randint - args : (int low, int high, ScalarArray shape, DataType dtype) - output : Tensor - infer_meta : - func : RandintInferMeta - kernel : - func : randint +# # randint_raw +# - api : randint +# args : (int low, int high, ScalarArray shape, DataType dtype) +# output : Tensor +# infer_meta : +# func : RandintInferMeta +# kernel : +# func : randint -# randperm_raw -- api : randperm - args : (int n, DataType dtype) - output : Tensor - infer_meta : - func : RandpermInferMeta - kernel : - func : randperm +# # randperm_raw +# - api : randperm +# args : (int n, DataType dtype) +# output : Tensor +# infer_meta : +# func : RandpermInferMeta +# kernel : +# func : randperm -# max -- api : max - args : (Tensor x, int64_t[] dims, bool keep_dim) - output : Tensor - infer_meta : - func : MaxInferMeta - kernel : - func : max +# # max +# - api : max +# args : (Tensor x, int64_t[] dims, bool keep_dim) +# output : Tensor +# infer_meta : +# func : MaxInferMeta +# kernel : +# func : max -# reduce_prod -- api : reduce_prod - args : (Tensor x, int64_t[] dims, bool keep_dim, bool reduce_all) - output : Tensor - infer_meta : - func : ReduceProdInferMeta - kernel : - func : reduce_prod +# # reduce_prod +# - api : reduce_prod +# args : (Tensor x, int64_t[] dims, bool keep_dim, bool reduce_all) +# output : Tensor +# infer_meta : +# func : ReduceProdInferMeta +# kernel : +# func : reduce_prod -# selu -- api : selu - args : (Tensor x, float scale, float alpha) - output : Tensor - infer_meta : - func : SeluInferMeta - kernel : - func : selu - backward : selu_grad +# # selu +# - api : selu +# args : (Tensor x, float scale, float alpha) +# output : Tensor +# infer_meta : +# func : SeluInferMeta +# kernel : +# func : selu +# backward : selu_grad -# set_value None api +# # set_value None api -# sgd # need invoke -# shape ??? selcted rows +# # sgd # need invoke +# # shape ??? selcted rows -# shard_index -- api : shard_index - args : (Tensor in, int index_num, int nshards, int shard_id, int ignore_value) - output : Tensor - infer_meta : - func : ShardIndexInferMeta - kernel : - func : shard_index +# # shard_index +# - api : shard_index +# args : (Tensor in, int index_num, int nshards, int shard_id, int ignore_value) +# output : Tensor +# infer_meta : +# func : ShardIndexInferMeta +# kernel : +# func : shard_index -# sigmoid_cross_entropy_with_logits -- api : sigmoid_cross_entropy_with_logits - args : (Tensor x, Tensor label, bool normalize, int ignore_index) - output : Tensor - infer_meta : - func : SigmoidCrossEntropyWithoLgitsInferMeta - kernel : - func : sigmoid_cross_entropy_with_logits +# # sigmoid_cross_entropy_with_logits +# - api : sigmoid_cross_entropy_with_logits +# args : (Tensor x, Tensor label, bool normalize, int ignore_index) +# output : Tensor +# infer_meta : +# func : SigmoidCrossEntropyWithoLgitsInferMeta +# kernel : +# func : sigmoid_cross_entropy_with_logits -# size -- api : size - args : (Tensor x) - output : Tensor - infer_meta : - func : SizeInferMeta - kernel : - func : size +# # size +# - api : size +# args : (Tensor x) +# output : Tensor +# infer_meta : +# func : SizeInferMeta +# kernel : +# func : size -# tile -- api : tile - args : (Tensor x, ScalarArray repeat_times) - output : Tensor - infer_meta : - func : TileInferMeta - kernel : - func : tile - backward : tile_grad +# # tile +# - api : tile +# args : (Tensor x, ScalarArray repeat_times) +# output : Tensor +# infer_meta : +# func : TileInferMeta +# kernel : +# func : tile +# backward : tile_grad -# top_k -- api : top_k - args : (Tensor x, Scalar k, int axis, bool largest, bool sorted) - output : Tensor(out), Tensor(indices) - infer_meta : - func : TopkInferMeta - kernel : - func : top_k - backward : top_k_grad +# # top_k +# - api : top_k +# args : (Tensor x, Scalar k, int axis, bool largest, bool sorted) +# output : Tensor(out), Tensor(indices) +# infer_meta : +# func : TopkInferMeta +# kernel : +# func : top_k +# backward : top_k_grad -# trace -- api : trace - args : (Tensor x, int offset, int axis1, int axis2) - output : Tensor - infer_meta : - func : TraceInferMeta - kernel : - func : trace - backward : trace_grad +# # trace +# - api : trace +# args : (Tensor x, int offset, int axis1, int axis2) +# output : Tensor +# infer_meta : +# func : TraceInferMeta +# kernel : +# func : trace +# backward : trace_grad -# phi_transfer_layout | not have python api +# # phi_transfer_layout | not have python api -# truncated_gaussian_random -- api : truncated_gaussian_random - args : (int[] shape, float mean, float std, int seed, DataType dtype) - output : Tensor - infer_meta : - func : TruncatedGaussianRandomInferMeta - kernel : - func : truncated_gaussian_random +# # truncated_gaussian_random +# - api : truncated_gaussian_random +# args : (int[] shape, float mean, float std, int seed, DataType dtype) +# output : Tensor +# infer_meta : +# func : TruncatedGaussianRandomInferMeta +# kernel : +# func : truncated_gaussian_random -# unbind -- api : unbind - args : (Tensor x, int axis) - output : Tensor[] - infer_meta : - func : UnbindInferMeta - kernel : - func : unbind +# # unbind +# - api : unbind +# args : (Tensor x, int axis) +# output : Tensor[] +# infer_meta : +# func : UnbindInferMeta +# kernel : +# func : unbind -# unfold -- api : unfold - args : (Tensor x, int[] kernel_sizes, int[] strides, int[] paddings, int[] dilations) - output : Tensor - infer_meta : - func : UnfoldInferMeta - kernel : - func : unfold - backward : unfold_grad - -# uniform_random_raw selected rows ?? -# viterbi_decode -- api : viterbi_decode - args : (Tensor input, Tensor transition, Tensor length, bool include_bos_eos_tag) - output : Tensor(scores), Tensor(path) - infer_meta : - func : ViterbiDecodeInferMeta - kernel : - func : viterbi_decode +# # unfold +# - api : unfold +# args : (Tensor x, int[] kernel_sizes, int[] strides, int[] paddings, int[] dilations) +# output : Tensor +# infer_meta : +# func : UnfoldInferMeta +# kernel : +# func : unfold +# backward : unfold_grad + +# # uniform_random_raw selected rows ?? +# # viterbi_decode +# - api : viterbi_decode +# args : (Tensor input, Tensor transition, Tensor length, bool include_bos_eos_tag) +# output : Tensor(scores), Tensor(path) +# infer_meta : +# func : ViterbiDecodeInferMeta +# kernel : +# func : viterbi_decode -# where_index -- api : where_index - args : (Tensor condition) - output : Tensor - infer_meta : - func : WhereIndexInferMeta - kernel : - func : where_index +# # where_index +# - api : where_index +# args : (Tensor condition) +# output : Tensor +# infer_meta : +# func : WhereIndexInferMeta +# kernel : +# func : where_index -# yolo_box -- api : yolo_box - args : (Tensor x, Tensor img_size, int[] anchors, int class_num, float conf_thresh, int downsample_ratio, bool clip_bbox, float scale_x_y, bool iou_aware, float iou_aware_factor) - output : Tensor(boxes), Tensor(scores) - infer_meta : - func : YoloBoxInferMeta - kernel : - func : yolo_box +# # yolo_box +# - api : yolo_box +# args : (Tensor x, Tensor img_size, int[] anchors, int class_num, float conf_thresh, int downsample_ratio, bool clip_bbox, float scale_x_y, bool iou_aware, float iou_aware_factor) +# output : Tensor(boxes), Tensor(scores) +# infer_meta : +# func : YoloBoxInferMeta +# kernel : +# func : yolo_box diff --git a/python/paddle/utils/code_gen/api_gen.py b/python/paddle/utils/code_gen/api_gen.py index a404fc01784154900a7c6ac1df501424dcdb307e..e542675d13467a5a20d24d5cb0232857c619427d 100644 --- a/python/paddle/utils/code_gen/api_gen.py +++ b/python/paddle/utils/code_gen/api_gen.py @@ -147,6 +147,7 @@ def source_include(header_file_path): #include "paddle/phi/infermeta/multiary.h" #include "paddle/phi/infermeta/nullary.h" #include "paddle/phi/infermeta/unary.h" +#include "paddle/phi/infermeta/ternary.h" """ diff --git a/python/paddle/utils/code_gen/backward.yaml b/python/paddle/utils/code_gen/backward.yaml index 2b6f94e3ed4efbc3866d03bc4454a8e8302ad95a..84b0575179d5e4cb040a955a5ef49e61d5b75927 100644 --- a/python/paddle/utils/code_gen/backward.yaml +++ b/python/paddle/utils/code_gen/backward.yaml @@ -101,66 +101,66 @@ kernel : func : softmax_grad -- backward_api : maxout_grad - forward : maxout (Tensor x, int groups, int axis) -> Tensor(out) - args : (Tensor x, Tensor out, Tensor out_grad, int groups, int axis) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : maxout_grad +# - backward_api : maxout_grad +# forward : maxout (Tensor x, int groups, int axis) -> Tensor(out) +# args : (Tensor x, Tensor out, Tensor out_grad, int groups, int axis) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : maxout_grad -- backward_api : put_along_axis_grad - forward : put_along_axis (Tensor x, Tensor index, Tensor value, int axis, string reduce) -> Tensor(out) - args : (Tensor x, Tensor index, Tensor out_grad, int axis, string reduce) - output : Tensor(x_grad), Tensor(value_grad) - infer_meta : - func : GeneralBinaryGradInferMeta - param : [x, valule] - kernel : - func : put_along_axis_grad +# - backward_api : put_along_axis_grad +# forward : put_along_axis (Tensor x, Tensor index, Tensor value, int axis, string reduce) -> Tensor(out) +# args : (Tensor x, Tensor index, Tensor out_grad, int axis, string reduce) +# output : Tensor(x_grad), Tensor(value_grad) +# infer_meta : +# func : GeneralBinaryGradInferMeta +# param : [x, valule] +# kernel : +# func : put_along_axis_grad -- backward_api : take_along_axis_grad - forward : take_along_axis (Tensor x, Tensor index, int axis) -> Tensor(out) - args : (Tensor x, Tensor index, Tensor out_grad, int axis) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : take_along_axis_grad +# - backward_api : take_along_axis_grad +# forward : take_along_axis (Tensor x, Tensor index, int axis) -> Tensor(out) +# args : (Tensor x, Tensor index, Tensor out_grad, int axis) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : take_along_axis_grad -- backward_api : maxtrix_power_grad - forward : maxtrix_power (Tensor x, int n) -> Tensor(out) - args : (Tensor x, Tensor out, Tensor out_grad, int n) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : maxtrix_power_grad +# - backward_api : maxtrix_power_grad +# forward : maxtrix_power (Tensor x, int n) -> Tensor(out) +# args : (Tensor x, Tensor out, Tensor out_grad, int n) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : maxtrix_power_grad -- backward_api : eigh_grad - forward : eigh (Tensor x, string uplo) -> Tensor(out_w), Tensor(out_v) - args : (Tensor out_w, Tensor out_v, Tensor outw_grad, Tensor outv_grad) - output : Tensor(x_grad) - infer_meta : - func : XXXXXXXInferMeta - param : [x] - kernel : - func : eigh_grad +# - backward_api : eigh_grad +# forward : eigh (Tensor x, string uplo) -> Tensor(out_w), Tensor(out_v) +# args : (Tensor out_w, Tensor out_v, Tensor out_w_grad, Tensor out_v_grad) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [out_v] +# kernel : +# func : eigh_grad -- backward_api : segment_pool_grad - forward : segment_pool (Tensor x, Tensor segment_ids, string pooltype) -> Tensor(out), Tensor(summed_ids) - args : (Tensor x, Tensor segment_ids, Tensor out, Tensor summed_ids, Tenosr out_grad, string pooltype) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : segment_pool_grad +# - backward_api : segment_pool_grad +# forward : segment_pool (Tensor x, Tensor segment_ids, string pooltype) -> Tensor(out), Tensor(summed_ids) +# args : (Tensor x, Tensor segment_ids, Tensor out, Tensor summed_ids, Tenosr out_grad, string pooltype) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : segment_pool_grad - backward_api : cos_grad forward : cos (Tensor x) -> Tensor(out) @@ -172,15 +172,15 @@ kernel : func : cos_grad -- backward_api : tan_grad - forward : tan (Tensor x) -> Tensor(out) +- backward_api : tanh_grad + forward : tanh (Tensor x) -> Tensor(out) args : (Tensor out, Tensor out_grad) output : Tensor(x_grad) infer_meta : func : UnchangedInferMeta param : [out] kernel : - func : tam_grad + func : tanh_grad - backward_api : acos_grad forward : acos (Tensor x) -> Tensor(out) @@ -282,53 +282,53 @@ kernel : func : relu_grad -- backward_api : argsort_grad - forward : argsort (Tensor x, int axis, bool descending) -> Tensor(out), tensor(indices) - args : (Tensor indices, Tensor x, Tensor out_grad, int axis, bool descending) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : argsort_grad +# - backward_api : argsort_grad +# forward : argsort (Tensor x, int axis, bool descending) -> Tensor(out), tensor(indices) +# args : (Tensor indices, Tensor x, Tensor out_grad, int axis, bool descending) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# 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 : 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 : 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 : 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 + func : UnchangedInferMeta param : [out] kernel : func : cholesky_grad @@ -338,230 +338,230 @@ args : (Tensor x, Tensor y, Tensor out, Tensor out_grad, bool upper) output : Tensor(x_grad), Tensor(y_grad) infer_meta : - func : GenerateBinnaryGradInferMeta + func : GeneralBinaryGradInferMeta 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 +# - 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 -- backward_api : erf_grad - forward : erf (Tensor x) -> Tensor(out) - args : (Tensor x, Tensor out, Tensor out_grad) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : erf_grad +# - backward_api : erf_grad +# forward : erf (Tensor x) -> Tensor(out) +# args : (Tensor x, Tensor out, Tensor out_grad) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : erf_grad -- backward_api : erfinv_grad - forward : erf (Tensor x) -> Tensor(out) - args : (Tensor out, Tensor out_grad) - output : Tensor(x_grad) - infer_meta : - func : ErfinvGradInferMeta - param : [out] - kernel : - func : erfinv_grad +# - backward_api : erfinv_grad +# forward : erf (Tensor x) -> Tensor(out) +# args : (Tensor out, Tensor out_grad) +# output : Tensor(x_grad) +# infer_meta : +# func : ErfinvGradInferMeta +# param : [out] +# kernel : +# func : erfinv_grad -- backward_api : expand_as_grad - forward : expand_as (Tensor x, Tensor y, int[] target_shape) -> Tensor(out) - args : (Tensor x, Tensor out_grad, int[] target_shape) - output : Tensor(x_grad) - infer_meta : - func : UnchangedGradInferMeta - param : [x] - kernel : - func : expand_as_grad +# - backward_api : expand_as_grad +# forward : expand_as (Tensor x, Tensor y, int[] target_shape) -> Tensor(out) +# args : (Tensor x, Tensor out_grad, int[] target_shape) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedGradInferMeta +# param : [x] +# kernel : +# func : expand_as_grad -- backward_api : expand_grad - forward : expand (Tensor x, ScalarArray shape) -> Tensor(out) - args : (Tensor x, Tensor out_grad, ScalarArray shape) - output : Tensor(x_grad) - infer_meta : - func : UnchangedGradInferMeta - param : [x] - kernel : - func : expand_grad +# - backward_api : expand_grad +# forward : expand (Tensor x, ScalarArray shape) -> Tensor(out) +# args : (Tensor x, Tensor out_grad, ScalarArray shape) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedGradInferMeta +# param : [x] +# kernel : +# func : expand_grad -- backward_api : graph_send_recv_grad - forward : graph_send_recv (Tensor x, Tensor src_index, Tensor dst_index, string pool_type) -> Tensor(out), Tensor(dst_count) - args : (Tensor out_grad, Tensor x, Tensor out, Tensor src_index, Tensor dst_index, Tensor dst_count, string pool_type) - output : Tensor(x_grad) - infer_meta : - func : UnchangedGradInferMeta - param : [x] - kernel : - func : graph_send_recv_grad +# - backward_api : graph_send_recv_grad +# forward : graph_send_recv (Tensor x, Tensor src_index, Tensor dst_index, string pool_type) -> Tensor(out), Tensor(dst_count) +# args : (Tensor out_grad, Tensor x, Tensor out, Tensor src_index, Tensor dst_index, Tensor dst_count, string pool_type) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedGradInferMeta +# param : [x] +# kernel : +# func : graph_send_recv_grad -- backward_api : label_smooth_grad - forward : label_smooth (Tensor label, Tensor prior_dist, float epsilon) -> Tensor(out) - args : (Tensor out_grad, float epsilon) - output : Tensor(x_grad) - infer_meta : - func : XXXXInferMeta - param : [x] - kernel : - func : label_smooth_grad +# - backward_api : label_smooth_grad +# forward : label_smooth (Tensor label, Tensor prior_dist, float epsilon) -> Tensor(out) +# args : (Tensor out_grad, float epsilon) +# output : Tensor(x_grad) +# infer_meta : +# func : XXXXInferMeta +# param : [x] +# kernel : +# func : label_smooth_grad -- backward_api : log_loss_grad - forward : log_loss (Tensor input, Tensor label, float epsilon) -> Tensor(out) - args : (Tensor input, Tensor label, Tensor out_grad, float epsilon) - output : Tensor(input_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : log_loss_grad +# - backward_api : log_loss_grad +# forward : log_loss (Tensor input, Tensor label, float epsilon) -> Tensor(out) +# args : (Tensor input, Tensor label, Tensor out_grad, float epsilon) +# output : Tensor(input_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : log_loss_grad -- backward_api : masked_selecte_grad - forward : masked_select (Tensor x, Tensor mask) -> Tensor(out) - args : (Tensor out_grad, Tensor x, Tensor mask) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : masked_selecte_grad +# - backward_api : masked_selecte_grad +# forward : masked_select (Tensor x, Tensor mask) -> Tensor(out) +# args : (Tensor out_grad, Tensor x, Tensor mask) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : masked_selecte_grad -- backward_api : multi_dot_grad - forward : multi_dot (Tensor[] x) -> Tensor(out) - args : (Tensor out_grad, Tensor[] x) - output : Tensor[] (x_grad) - infer_meta : - func : XXXXInferMeta - param : [x] - kernel : - func : multi_dot_grad +# - backward_api : multi_dot_grad +# forward : multi_dot (Tensor[] x) -> Tensor(out) +# args : (Tensor out_grad, Tensor[] x) +# output : Tensor[] (x_grad) +# infer_meta : +# func : XXXXInferMeta +# param : [x] +# kernel : +# func : multi_dot_grad -- backward_api : nll_loss_grad - forward : nll_loss (Tensor input, Tensor label, Tensor weight, int64_t ignore_index, string reduction) -> Tensor(out), Tensor(total_weight) - args : (Tensor x, Tensor label, Tensor total_weight, Tensor weight, Tensor out_grad, int64_t ignore_index, string reduction) - output : Tensor[] (x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : nll_loss_grad +# - backward_api : nll_loss_grad +# forward : nll_loss (Tensor input, Tensor label, Tensor weight, int64_t ignore_index, string reduction) -> Tensor(out), Tensor(total_weight) +# args : (Tensor x, Tensor label, Tensor total_weight, Tensor weight, Tensor out_grad, int64_t ignore_index, string reduction) +# output : Tensor[] (x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : nll_loss_grad -- backward_api : pad_grad - forward : pad (Tensor x, int[] paddings, float pad_value) -> Tensor(out) - args : (Tensor out_grad, int[] paddings, float pad_value) - output : Tensor(x_grad) - infer_meta : - func : XXXXXInferMeta - param : [x] - kernel : - func : pad_grad +# - backward_api : pad_grad +# forward : pad (Tensor x, int[] paddings, float pad_value) -> Tensor(out) +# args : (Tensor out_grad, int[] paddings, float pad_value) +# output : Tensor(x_grad) +# infer_meta : +# func : XXXXXInferMeta +# param : [x] +# kernel : +# func : pad_grad -- backward_api : pixel_shuffle_grad - forward : pixel_shuffle (Tensor x, int upscale_factor, string data_format) -> Tensor(out) - args : (Tensor out_grad, int upscale_factor, string data_format) - output : Tensor(x_grad) - infer_meta : - func : XXXXXInferMeta - param : [x] - kernel : - func : pixel_shuffle_grad +# - backward_api : pixel_shuffle_grad +# forward : pixel_shuffle (Tensor x, int upscale_factor, string data_format) -> Tensor(out) +# args : (Tensor out_grad, int upscale_factor, string data_format) +# output : Tensor(x_grad) +# infer_meta : +# func : XXXXXInferMeta +# param : [x] +# kernel : +# func : pixel_shuffle_grad -- backward_api : poisson_grad - forward : poisson (Tensor x) -> Tensor(out) - args : () - output : Tensor(x_grad) - infer_meta : - func : XXXXXInferMeta - param : [x] - kernel : - func : poisson_grad +# - backward_api : poisson_grad +# forward : poisson (Tensor x) -> Tensor(out) +# args : () +# output : Tensor(x_grad) +# infer_meta : +# func : XXXXXInferMeta +# param : [x] +# kernel : +# func : poisson_grad -- backward_api : psroi_pool_grad - forward : psroi_pool (Tensor x, Tensor rois, Tensor rois_num, int pooled_weight, int pooled_width, int output_channels, float spatial_scale ) -> Tensor(out) - args : (Tensor x, Tensor rois, Tensor rois_num, Tensor out_grad, int pooled_weight, int pooled_width, int output_channels, float spatial_scale) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : psroi_pool_grad +# - backward_api : psroi_pool_grad +# forward : psroi_pool (Tensor x, Tensor rois, Tensor rois_num, int pooled_weight, int pooled_width, int output_channels, float spatial_scale ) -> Tensor(out) +# args : (Tensor x, Tensor rois, Tensor rois_num, Tensor out_grad, int pooled_weight, int pooled_width, int output_channels, float spatial_scale) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : psroi_pool_grad -- backward_api : selu_grad - forward : selu (Tensor x, float scale, float alpha) -> Tensor(out) - args : (Tensor out, Tensor out_grad, float scale, float alpha) - output : Tensor(x_grad) - infer_meta : - func : XXXXXInferMeta - param : [x] - kernel : - func : selu_grad +# - backward_api : selu_grad +# forward : selu (Tensor x, float scale, float alpha) -> Tensor(out) +# args : (Tensor out, Tensor out_grad, float scale, float alpha) +# output : Tensor(x_grad) +# infer_meta : +# func : XXXXXInferMeta +# param : [x] +# kernel : +# func : selu_grad -- backward_api : sigmoid_cross_entropy_with_logits_grad - forward : sigmoid_cross_entropy_with_logits (Tensor x, Tensor label, bool normalize, int ignore_index) -> Tensor(out) - args : (Tensor x, Tensor label, Tensor out_grad, bool normalize, int ingore_index) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : sigmoid_cross_entropy_with_logits_grad +# - backward_api : sigmoid_cross_entropy_with_logits_grad +# forward : sigmoid_cross_entropy_with_logits (Tensor x, Tensor label, bool normalize, int ignore_index) -> Tensor(out) +# args : (Tensor x, Tensor label, Tensor out_grad, bool normalize, int ingore_index) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : sigmoid_cross_entropy_with_logits_grad -- backward_api : tile_grad - forward : tile (Tensor x, ScalarArray repeat_times) -> Tensor(out) - args : (Tensor x, Tensor out_grad, ScalarArray repeat_times) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : tile_grad +# - backward_api : tile_grad +# forward : tile (Tensor x, ScalarArray repeat_times) -> Tensor(out) +# args : (Tensor x, Tensor out_grad, ScalarArray repeat_times) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : tile_grad -# forward backward type not match -- backward_api : top_k_grad - forward : top_k (Tensor x, Scalar k, int axis, bool largest, bool sorted) -> Tensor(out), Tensor(indices) - args : (Tensor out_grad, Tensor x, Tensor indices, int k, index axis, bool largest, bool sorted) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : top_k_grad +# # forward backward type not match +# - backward_api : top_k_grad +# forward : top_k (Tensor x, Scalar k, int axis, bool largest, bool sorted) -> Tensor(out), Tensor(indices) +# args : (Tensor out_grad, Tensor x, Tensor indices, int k, index axis, bool largest, bool sorted) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : top_k_grad -- backward_api : trace_grad - forward : trace (Tensor x, int offset, int axis1, int axis2) -> Tensor(out) - args : (Tensor out_grad, Tensor x, int offset, int axis1, int axis2) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : trace_grad +# - backward_api : trace_grad +# forward : trace (Tensor x, int offset, int axis1, int axis2) -> Tensor(out) +# args : (Tensor out_grad, Tensor x, int offset, int axis1, int axis2) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : trace_grad -- backward_api : unfold_grad - forward : unfold (Tensor x, int[] kernel_sizes, int[] strides, int[] paddings, int[] dilations) -> Tensor(out) - args : (Tensor x, Tensor out_grad, int[] kernel_sizes, int[] strides, int[] paddings, int[] dilations) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : unfold_grad +# - backward_api : unfold_grad +# forward : unfold (Tensor x, int[] kernel_sizes, int[] strides, int[] paddings, int[] dilations) -> Tensor(out) +# args : (Tensor x, Tensor out_grad, int[] kernel_sizes, int[] strides, int[] paddings, int[] dilations) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : unfold_grad -- backward_api : where_index_grad - forward : where_index (Tensor condition) -> Tensor(out) - args : (Tensor out_grad, Tensor x, int offset, int axis1, int axis2) - output : Tensor(x_grad) - infer_meta : - func : UnchangedInferMeta - param : [x] - kernel : - func : trace_grad +# - backward_api : where_index_grad +# forward : where_index (Tensor condition) -> Tensor(out) +# args : (Tensor out_grad, Tensor x, int offset, int axis1, int axis2) +# output : Tensor(x_grad) +# infer_meta : +# func : UnchangedInferMeta +# param : [x] +# kernel : +# func : trace_grad diff --git a/python/paddle/utils/code_gen/wrapped_infermeta_gen.py b/python/paddle/utils/code_gen/wrapped_infermeta_gen.py index 0d018f8e3f64fc2f9a89e78d81d3a392e799b441..1cb3c33da721959148bf320d7e94f50fac1ff52a 100644 --- a/python/paddle/utils/code_gen/wrapped_infermeta_gen.py +++ b/python/paddle/utils/code_gen/wrapped_infermeta_gen.py @@ -98,6 +98,7 @@ def source_include(header_file_path): #include "paddle/phi/infermeta/multiary.h" #include "paddle/phi/infermeta/nullary.h" #include "paddle/phi/infermeta/unary.h" +#include "paddle/phi/infermeta/ternary.h" """