nuget
TensorKernelNames
01 Syntax
Microsoft.VisualBasic.Computing.ILCuda.GPUTensor.TensorKernelNames
02 Fields
| Name | Overloads | Summary |
|---|---|---|
| RowSoftmax | 1 | 末轴 softmax |
| RowLogSoftmax | 1 | 末轴 log-softmax |
| RowSum | 1 | 末轴求和 |
| RowMean | 1 | 末轴求均值 |
| RowMax | 1 | 末轴最大值 |
| RowMin | 1 | 末轴最小值 |
| RowArgMax | 1 | 末轴 argmax |
| RowArgMin | 1 | 末轴 argmin |
| GemmDouble | 1 | 双精度分块矩阵乘 C(m x n) = A(m x k) * B(k x n) |
| SpmmCsr | 1 | CSR 稀疏 × 稠密（Kernels\spmm.cu） |
| Conv2DForward | 1 | 卷积前向（NHWC） |
| Conv2DBackwardInput | 1 | 卷积反向 - 对输入的梯度 |
| Conv2DBackwardFilter | 1 | 卷积反向 - 对卷积核的梯度 |
| Conv2DBackwardBias | 1 | 卷积反向 - 对偏置的梯度 |
| MaxPool2DForward | 1 | 最大池化前向（同时产出 argMax） |
| MaxPool2DBackward | 1 | 最大池化反向（按 argMax 散射） |
| TrainTranspose | 1 | 二维转置（单精度，可直读设备常驻权重） |
| TrainAdamW | 1 | AdamW 原地更新参数与一阶/二阶矩，并清零梯度累加器 |
| TrainAccumulate | 1 | 梯度累加：accum += alpha * src |
| TrainMaskedCrossEntropy | 1 | 融合掩码交叉熵：softmax + NLL + d(logits) = (softmax − onehot) / count |
| PartialSum | 1 | 全局求和 - 阶段一（部分结果） |
| FinalSum | 1 | 全局求和 - 阶段二（汇总） |
| PartialMax | 1 | 全局最大值 - 阶段一 |
| FinalMax | 1 | 全局最大值 - 阶段二 |
| PartialMin | 1 | 全局最小值 - 阶段一 |
| FinalMin | 1 | 全局最小值 - 阶段二 |
03 Members
RowSoftmax
末轴 softmax
RowLogSoftmax
末轴 log-softmax
RowSum
末轴求和
RowMean
末轴求均值
RowMax
末轴最大值
RowMin
末轴最小值
RowArgMax
末轴 argmax
RowArgMin
末轴 argmin
GemmDouble
双精度分块矩阵乘 C(m x n) = A(m x k) * B(k x n)
SpmmCsr
CSR 稀疏 × 稠密（Kernels\spmm.cu）
Conv2DForward
卷积前向（NHWC）
Conv2DBackwardInput
卷积反向 - 对输入的梯度
Conv2DBackwardFilter
卷积反向 - 对卷积核的梯度
Conv2DBackwardBias
卷积反向 - 对偏置的梯度
MaxPool2DForward
最大池化前向（同时产出 argMax）
MaxPool2DBackward
最大池化反向（按 argMax 散射）
TrainTranspose
二维转置（单精度，可直读设备常驻权重）
TrainAdamW
AdamW 原地更新参数与一阶/二阶矩，并清零梯度累加器
TrainAccumulate
梯度累加：accum += alpha * src
TrainMaskedCrossEntropy
融合掩码交叉熵：softmax + NLL + d(logits) = (softmax − onehot) / count
PartialSum
全局求和 - 阶段一（部分结果）
FinalSum
全局求和 - 阶段二（汇总）
PartialMax
全局最大值 - 阶段一
FinalMax
全局最大值 - 阶段二
PartialMin
全局最小值 - 阶段一
FinalMin
全局最小值 - 阶段二