pypto.tanh#

产品支持情况#

产品

是否支持

Atlas A3 训练系列产品/Atlas A3 推理系列产品

√

Atlas A2 训练系列产品/Atlas A2 推理系列产品

√

功能说明#

对输入 Tensor 的每个元素应用双曲正切函数（tanh），计算公式为：

\[ \tanh(input) = \frac{e^{input} - e^{-input}}{e^{input} + e^{-input}} = \frac{e^{2 \cdot input} - 1}{e^{2 \cdot input} + 1} \]

该函数将输入映射到 ((-1, 1)) 区间，常用于神经网络激活函数。

函数原型#

tanh(input: Tensor) -> Tensor

参数说明#

参数名

输入/输出

说明

input

输入

源操作数。
支持的数据类型为：DT_FP16、DT_FP32、DT_BF16。
不支持空 Tensor；Shape 仅支持 1-4 维；Shape Size 不大于 2147483647（即 INT32_MAX）。

返回值说明#

返回 Tensor 类型。其 Shape、数据类型与输入 Tensor 一致，其元素为输入元素经 tanh 函数映射到 ((-1, 1)) 区间的结果。

约束说明#

  1. TileShape 与 input 维度保持一致；

  2. 由于存在临时内存使用，当输入数据类型为 DT_FP32，TileShape 大小有额外约束，假设 TileShape 为 […,H,W]（最后两维为 H 和 W），那么： input_size + output_size + 2 * (W_align8) * H * sizeof(float) + (W_align8 / 8) * H + 32 bytes < UB 其中，W_align8 = (W + 7) / 8 * 8 （FP32：input + output + 2 个 float temp tile + 1 个 compare mask tile + 32 bytes 对齐）

    对于 DT_FP16/DT_BF16 输入，需要满足： input_size + output_size + 4 * (W_align8) * H * sizeof(float) + (W_align8 / 8) * H + 32 bytes < UB （FP16/BF16：input + output + 4 个 float temp tile + 1 个 compare mask tile + 32 bytes 对齐）

调用示例#

x = pypto.tensor([4], pypto.DT_FP32)
y = pypto.tanh(x)

结果示例如下：

输入数据 x: [-3.0, -1.0, 0.0, 1.0, 3.0]
输出数据 y: [-0.9951, -0.7616, 0.0000, 0.7616, 0.9951]

计算过程说明：

  • tanh(-3.0) ≈ -0.9951，接近 -1

  • tanh(-1.0) ≈ -0.7616

  • tanh(0.0) = 0.0

  • tanh(1.0) ≈ 0.7616

  • tanh(3.0) ≈ 0.9951，接近 1