背景

• 算子：sparse_lightning_indexer_grad_kl_loss
• aclnn 文档约束说明：默认非确定性实现，支持通过 aclrtSetSysParamOpt 开启确定性，判定 涉及确定性计算。
• 对比指标：Actual_backward_kernel_time（越小越好）。

关键指标

• 平均劣化：14.61%
• 最高劣化：14.61%（场景：X1_330）
• 严重劣化（>10%）：1 条

环境准备

• 执行机：<EXEC_HOST>（<SOC>，<NPU_COUNT>×NPU）
• 代码/框架（均位于工作目录 <WORKDIR>）：
  • TuringBigKernel：<WORKDIR>/TuringBigKernel
  • FusionOp_Test：<WORKDIR>/TuringBigKernel/FusionOp_Test
  • CaseFactory（可选）：<WORKDIR>/CaseFactory
• 环境：

  export PATH=<CONDA_BIN>:$PATH
  source activate <CONDA_ENV>
  source <CANN_TOOLKIT>/set_env.sh
  

• 依赖：Python 3.10（<CONDA_ENV>）、openpyxl、pandas、torch_npu。

操作步骤

1. 下载测试框架（均在工作目录 <WORKDIR> 下）：

   git clone ssh://git@codehub-dg-y.huawei.com:2222/TuringTBETest/TuringBigKernel.git
   git clone ssh://git@codehub-dg-y.huawei.com:2222/w00800330/CaseFactory.git
   

2. 进入执行目录并激活环境：

   cd <WORKDIR>/TuringBigKernel/FusionOp_Test
   export PATH=<CONDA_BIN>:$PATH
   source activate <CONDA_ENV>
   source <CANN_TOOLKIT>/set_env.sh
   

3. 读取 aclnn md 的 约束说明，确认 默认非确定性（涉及确定性）。
4. 从 <CASE_DIR> 筛选真实网络用例，排除 泛化/fanhua/DTS/feature/tilingkey/fuzz 等；只保留 5 个目标算子。
5. 每条用例拆成 _det（is_deterministic=True）和 _nondet（False）两行，合并到单个 cases sheet，并置 enable=True：

   python prepare_cases.py --input <CASE_DIR> --output <CASE_DIR>/<casefile>.xlsx
   

6. 执行：

   python3 dailyauto_fusion_david_fast.py \
     --timeout=7200 \
     --casefile=<CASE_DIR>/<casefile>.xlsx \
     --runtype=2 --deviceid=<DEVICE_ID> --need_lock_freq=False --sheetname=cases
   

7. 读取结果表 Actual_backward_kernel_time，按
   劣化% = (确定性 - 非确定性) / |非确定性| * 100 计算。

性能对比结果

本算子

总体（本次全部算子）

• 配对用例：6
• 平均劣化：108.44%
• 中位数：97.81%
• P90：229.95%
• 最大：251.32%
• 严重劣化（>10%）：4 条

结论

本算子 1 条网络用例，平均劣化 14.61%，最大劣化 14.61%，严重劣化（>10%）1 条；总体判定：开启确定性后性能明显劣化。最严重场景为 X1_330（14.61%）。

附件

• 对比结果表（本算子）：https://raw.gitcode.com/Alice_zhou/issue/blobs/e92a8542f32a8ada5273ce9e9e3360c58bb99cec/reports/fag_compare_sparse_lightning_indexer_grad_kl_loss.xlsx
• 在线预览：https://raw.gitcode.com/Alice_zhou/issue/blobs/e92a8542f32a8ada5273ce9e9e3360c58bb99cec/reports/fag_compare_sparse_lightning_indexer_grad_kl_loss.xlsx
• 仓库内路径：reports/fag_compare_sparse_lightning_indexer_grad_kl_loss.xlsx

原始结果文件

• fag_det_A_sub_sparse_lightning_indexer_grad_kl_loss_Result_20261112114400_Ascend950DT_9582.xlsx：https://raw.gitcode.com/Alice_zhou/issue/blobs/1992b4d63382ec225db39b12dffc8d4b9f8dae74/reports/results/fag_det_A_sub_sparse_lightning_indexer_grad_kl_loss_Result_20261112114400_Ascend950DT_9582.xlsx

备注/限制

• 本次为代表性网络用例子集，非全量。
• 部分设备被占用；个别用例可能触发 AI Core error 并挂起，已保留已完成结果。
• 结果数值为 profiler 采集的 Actual_backward_kernel_time。