CANN：PyPTO Exp算子测试

Exp PyPTO Selected-Case API 描述【免费下载链接】cann-bench评测AI在处理CANN领域代码任务的能力涵盖算子生成、算子优化等领域支撑模型选型、训练效果评估统一量化评估标准识别Agent能力短板构建CANN领域评测平台推动AI能力在CANN领域的持续演进。项目地址: https://gitcode.com/cann/cann-bench1. 任务范围本任务是 PyPTO 专用的 Exp selected-case benchmark路径为bench_lab/pypto_cann_bench/exp。它只要求覆盖当前目录cases.yaml/cases.csv中列出的测试集。覆盖范围case_id: 2, 8, 15输入 dtype: float32输入 rank: 2D输出 shape: 与输入x相同输出 dtype: float322. 算子定义接口cann_bench.exp(Tensor x, float base, float scale, float shift) - Tensor y数学语义base 0: y exp(scale * x shift) base 0: y exp((scale * x shift) * ln(base))参数说明参数类型默认值描述xTensor必选float32 2D 输入张量basefloat-1.0指数底数base 0表示自然底数escalefloat1.0输入缩放因子shiftfloat0.0输入偏移量3. Selected Casescase_idshapedtypeattrsvalue_range2[2048, 2048]float32{base: -1.0, scale: 1.5, shift: 0.0}[-2, 2]8[1537, 769]float32{base: 10.0, scale: 1.0, shift: 0.0}[-5, 10]15[512, 2049]float32{base: -1.0, scale: 1.0, shift: 0.5}[-0.5, 0.5]4. 精度要求采用当前 cann-bench / kernel_eval 对 float32 selected cases 的默认精度判定。实现应按golden.py的计算语义返回逐元素指数结果。5. Golden 代码import torch def exp( x: torch.Tensor, base: float -1.0, scale: float 1.0, shift: float 0.0 ) - torch.Tensor: temp scale * x shift if base 0: temp temp * torch.log(torch.tensor(base, dtypex.dtype, devicex.device)) return torch.exp(temp)【免费下载链接】cann-bench评测AI在处理CANN领域代码任务的能力涵盖算子生成、算子优化等领域支撑模型选型、训练效果评估统一量化评估标准识别Agent能力短板构建CANN领域评测平台推动AI能力在CANN领域的持续演进。项目地址: https://gitcode.com/cann/cann-bench创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考