Cummin 算子 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. 算子简介计算输入张量中的累积最小值。主要应用场景时间序列分析中的滑动最小值追踪单调约束优化问题中的前缀最小值计算动态规划中的状态转移辅助操作算子特征难度等级L2Reduction单输入单输出沿指定轴进行累积归约操作输入输出 shape 相同2. 算子定义数学公式$$ y[i] \min(x[0], x[1], \ldots, x[i]) \quad \text{沿指定轴} $$即对于输出的第 $i$ 个位置其值为输入在指定轴上从位置 0 到位置 $i$ 的所有元素中的最小值。3. 接口规范算子原型cann_bench.cummin(Tensor x, int dim) - Tensor y输入参数说明参数类型默认值描述xTensor必选输入张量dimint64必选计算累积最小值的轴输出参数Shapedtype描述y与输入 x 相同与输入 x 相同输出张量累积最小值数据类型输入 dtype输出 dtypefloat16float16float32float32int32int32bfloat16bfloat16规则与约束输出 shape 与输入 shape 完全一致dim支持负数索引如 -1 表示最后一维累积操作沿指定轴按顺序从前到后进行输出 dtype 与输入 dtype 一致4. 精度要求采用生态算子精度标准进行验证。误差指标平均相对误差MERE采样点中相对误差平均值$$ \text{MERE} \text{avg}(\frac{\text{abs}(actual - golden)}{\text{abs}(golden)\text{1e-7}}) $$最大相对误差MARE采样点中相对误差最大值$$ \text{MARE} \max(\frac{\text{abs}(actual - golden)}{\text{abs}(golden)\text{1e-7}}) $$通过标准数据类型FLOAT16BFLOAT16FLOAT32HiFLOAT32FLOAT8 E4M3FLOAT8 E5M2通过阈值(Threshold)2^-102^-72^-132^-112^-32^-2当平均相对误差 MERE Threshold最大相对误差 MARE 10 * Threshold 时判定为通过。5. 标准 Golden 代码import torch Cummin算子Torch Golden参考实现 计算输入张量中的累积最小值 公式: y[i] min(x[0], x[1], ..., x[i]) 沿指定轴 def cummin( x: torch.Tensor, dim: int ) - torch.Tensor: 计算输入张量中的累积最小值 公式: y[i] min(x[0], x[1], ..., x[i]) 沿指定轴 Args: x: 输入张量 dim: 计算累积最小值的轴 Returns: 输出张量累积最小值 y torch.cummin(x, dimdim)[0] return y6. 额外信息算子调用示例import torch import cann_bench x torch.randn(1024, 1024, dtypetorch.float32, devicenpu) y cann_bench.cummin(x, dim-1) # 沿最后一维计算累积最小值 x torch.randn(2, 8, 256, 256, dtypetorch.float16, devicenpu) y cann_bench.cummin(x, dim2) # 沿第 2 维计算累积最小值【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
CANN/cann-bench：Cummin 算子 API 描述
发布时间：2026/7/16 3:26:51
Cummin 算子 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. 算子简介计算输入张量中的累积最小值。主要应用场景时间序列分析中的滑动最小值追踪单调约束优化问题中的前缀最小值计算动态规划中的状态转移辅助操作算子特征难度等级L2Reduction单输入单输出沿指定轴进行累积归约操作输入输出 shape 相同2. 算子定义数学公式$$ y[i] \min(x[0], x[1], \ldots, x[i]) \quad \text{沿指定轴} $$即对于输出的第 $i$ 个位置其值为输入在指定轴上从位置 0 到位置 $i$ 的所有元素中的最小值。3. 接口规范算子原型cann_bench.cummin(Tensor x, int dim) - Tensor y输入参数说明参数类型默认值描述xTensor必选输入张量dimint64必选计算累积最小值的轴输出参数Shapedtype描述y与输入 x 相同与输入 x 相同输出张量累积最小值数据类型输入 dtype输出 dtypefloat16float16float32float32int32int32bfloat16bfloat16规则与约束输出 shape 与输入 shape 完全一致dim支持负数索引如 -1 表示最后一维累积操作沿指定轴按顺序从前到后进行输出 dtype 与输入 dtype 一致4. 精度要求采用生态算子精度标准进行验证。误差指标平均相对误差MERE采样点中相对误差平均值$$ \text{MERE} \text{avg}(\frac{\text{abs}(actual - golden)}{\text{abs}(golden)\text{1e-7}}) $$最大相对误差MARE采样点中相对误差最大值$$ \text{MARE} \max(\frac{\text{abs}(actual - golden)}{\text{abs}(golden)\text{1e-7}}) $$通过标准数据类型FLOAT16BFLOAT16FLOAT32HiFLOAT32FLOAT8 E4M3FLOAT8 E5M2通过阈值(Threshold)2^-102^-72^-132^-112^-32^-2当平均相对误差 MERE Threshold最大相对误差 MARE 10 * Threshold 时判定为通过。5. 标准 Golden 代码import torch Cummin算子Torch Golden参考实现 计算输入张量中的累积最小值 公式: y[i] min(x[0], x[1], ..., x[i]) 沿指定轴 def cummin( x: torch.Tensor, dim: int ) - torch.Tensor: 计算输入张量中的累积最小值 公式: y[i] min(x[0], x[1], ..., x[i]) 沿指定轴 Args: x: 输入张量 dim: 计算累积最小值的轴 Returns: 输出张量累积最小值 y torch.cummin(x, dimdim)[0] return y6. 额外信息算子调用示例import torch import cann_bench x torch.randn(1024, 1024, dtypetorch.float32, devicenpu) y cann_bench.cummin(x, dim-1) # 沿最后一维计算累积最小值 x torch.randn(2, 8, 256, 256, dtypetorch.float16, devicenpu) y cann_bench.cummin(x, dim2) # 沿第 2 维计算累积最小值【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
)
