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-bench

1. 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: float32

2. 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：

3. Selected Cases

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, dtype=x.dtype, device=x.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