概述

本章节包含常用亲和库接口，提供模型中常用的组合类接口，无需自行完成接口或导入第三方库。

表1 torch_npu contrib API
API 名称	原生函数/参考链接	说明
（beta）torch_npu.contrib.npu_fused_attention_with_layernorm	-	bert自注意力与前层规范的融合实现。
（beta）torch_npu.contrib.npu_fused_attention	-	bert自我注意的融合实现。
（beta）torch_npu.contrib.Prefetcher	-	npu设备上使用的预取程序。
（beta）torch_npu.contrib.DCNv2	-	应用基于NPU的调制可变形2D卷积操作。ModulationDeformConv的实现主要是基于mmcv的实现进行设计和重构。
（beta）torch_npu.contrib.BiLSTM	-	将NPU兼容的双向LSTM操作应用于输入序列。
（beta）torch_npu.contrib.Swish	-	应用基于NPU的Sigmoid线性单元（SiLU）函数，按元素方向。SiLU函数也称为swish函数。
（beta）torch_npu.contrib.NpuFairseqDropout	-	在npu设备上使用FairseqDropout。
（beta）torch_npu.contrib.npu_giou	-	提供NPU版本的GIoU计算接口。
（beta）torch_npu.contrib.npu_ptiou	-	提供NPU版本的PTIoU计算操作。计算时不会为重叠区域添加极小值。
（beta）torch_npu.contrib.npu_iou	-	提供NPU版本的IoU计算操作。计算时会为重叠区域添加极小值，避免除零问题。
（beta）torch_npu.contrib.function.fuse_add_softmax_dropout	self.dropout()/nn.functional.softmax()/torch.add	使用NPU自定义算子替换原生写法，以提高性能。
（beta）torch_npu.contrib.function.npu_diou	def bboexs_diou()	应用基于NPU的DIoU操作。考虑到目标之间距离，以及距离和范围的重叠率，不同目标或边界需趋于稳定。
（beta）torch_npu.contrib.function.npu_ciou	def bboexs_giou()	应用基于NPU的CIoU操作。在DIoU的基础上增加了penalty item，并propose CIoU。
（beta）torch_npu.contrib.module.NpuCachedDropout	class FairseqDropout()	在NPU设备上使用FairseqDropout。
（beta）torch_npu.contrib.module.MultiheadAttention	class MultiheadAttention()	Multi-headed attention。
（beta）torch_npu.contrib.function.npu_single_level_responsible_flags	def single_level_responsible_flags()	使用NPU OP在单个特征图中生成锚点的responsible flags。
（beta）torch_npu.contrib.function.npu_bbox_coder_encode_xyxy2xywh	def encode()	应用基于NPU的bbox格式编码操作，将格式从xyxy编码为xywh。
（beta）torch_npu.contrib.function.npu_fast_condition_index_put	无原函数，主要功能语句：input1[condition] = value，请查看测试用例。	使用NPU亲和写法替换bool型index_put函数中的原生写法。
（beta）torch_npu.contrib.function.matmul_transpose	torch.matmul()	使用NPU自定义算子替换原生写法，以提高性能。
（beta）torch_npu.contrib.function.npu_multiclass_nms	def multiclass_nms()	使用NPU API的多类bbox NMS。
（beta）torch_npu.contrib.function.npu_batched_multiclass_nms	def fast_nms()	使用NPU API的批量多类bbox NMS。
（beta）torch_npu.contrib.function.roll	torch.roll()	使用NPU亲和写法替换swin-transformer中的原生roll。
（beta）torch_npu.contrib.module.Mish	class Mish()	应用基于NPU的Mish操作。
（beta）torch_npu.contrib.module.SiLU	class SiLu()	按元素应用基于NPU的Sigmoid线性单元（SiLU）函数。SiLU函数也称为Swish函数。
（beta）torch_npu.contrib.module.ChannelShuffle	def channel_shuffle()	应用NPU兼容的通道shuffle操作。为避免NPU上效率不高的连续操作，我们用相同语义重写替换原始操作。以下两个不连续操作已被替换：transpose和chunk。
（beta）torch_npu.contrib.module.LabelSmoothingCrossEntropy	class LabelSmoothingCrossEntropy()	使用NPU API进行LabelSmoothing Cross Entropy。
（beta）torch_npu.contrib.module.ModulatedDeformConv	class ModulatedDeformConv2dFunciton()	应用基于NPU的Modulated Deformable 2D卷积操作。
（beta）torch_npu.contrib.module.NpuDropPath	class DropPath()	使用NPU亲和写法替换swin_transformer.py中的原生Drop路径。丢弃每个样本（应用于residual blocks的主路径）的路径（随机深度）。
（beta）torch_npu.contrib.module.Focus	class Focus()	使用NPU亲和写法替换YOLOv5中的原生Focus。
（beta）torch_npu.contrib.module.PSROIPool	class PSROIPool()	使用NPU API进行ROIAlign。
（beta）torch_npu.contrib.module.ROIAlign	class ROIAlign()	使用NPU API进行ROIAlign。
（beta）torch_npu.contrib.module.FusedColorJitter	Reference 1或Reference 2	随机更改图像的亮度、对比度、饱和度和色调。
（beta）torch_npu.contrib.function.npu_bbox_coder_decode_xywh2xyxy	def npu_bbox_coder_decode_xywh2xyxy()	应用基于NPU的bbox格式编码操作，将格式从xywh编码为xyxy。
（beta）torch_npu.contrib.function.npu_bbox_coder_encode_yolo	def npu_bbox_coder_encode_yolo()	使用NPU OP获取将bbox转换为gt_bbox的框回归转换deltas。
（beta）torch_npu.contrib.module.npu_modules.DropoutWithByteMask	-	应用NPU兼容的DropoutWithByteMask操作。
（beta）torch_npu.contrib.function.dropout_with_byte_mask	-	应用NPU兼容的dropout_with_byte_mask操作，仅支持npu设备。这个dropout_with_byte_mask方法生成无状态随机uint8掩码，并根据掩码做dropout。

父主题： torch_npu.contrib