【合入来源】

如有社区issue，请关联issue链接
请勿携带内部流程信息（需求链接、问题单、内部issue等）
https://gitcode.com/Ascend/pytorch/issues/1992

• 需求
• 问题单
• issue/工单
• 重构优化
• 资料更新

说明： 修复推理模式下 native_batch_norm 的 save_mean / save_invstd 与 PyTorch meta、CUDA 输出形状不一致（原 NPU 为 [0]，应为 [num_features]）。

【修改方案】

请描述修改内容的具体实现，涉及哪些组件之间进行交互，可以用1、2、3、...进行罗列
如果是需求或者重构类的PR，需要补充详细设计文档（说明上下游组件关系、时序图、类图、DFX能力等内容）

1. op_plugin/config/op_plugin_functions.yaml：调整 native_batch_norm 推理 infer 配置中 out1、out2（对应 save_mean、save_invstd）的尺寸表达式，由「训练时用 input.size(1)、推理时用 {0}」改为 恒为 input.size(1)（即 num_features），与 ATen / meta 侧对推理分支输出形状的约定一致。

2. op_plugin/ops/aclops/BatchNormKernelNpu.cpp：在 推理（training=False）分支中，将 save_mean、save_invstd 的分配由 at::empty({0}, ...) 改为 at::empty({dim_c}, ...)。底层 BN Infer 仍不填充有效统计值，仅保证 张量形状与 meta、CUDA 对齐；补充注释说明设计意图。

3. test/test_base_ops/test_native_batch_norm.py：新增 TestNativeBatchNormInferSaveShapes，校验 NPU 上 save_mean、save_invstd 为 (C,)，并与同配置的 CPU、meta native_batch_norm 输出形状一致；顺带整理无关 import。

交互关系简述： PyTorch 调用链 → op-plugin 注册的 native_batch_norm NPU 实现 → ACL 算子执行；本次变更集中在 算子出口张量分配 与 YAML infer 元数据，不涉及 CANN 接口版本升级。

【资料变更】

请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及”

不涉及。

【接口变更】

请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“不涉及”

不涉及

【功能验证】

说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤
新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图

测试场景： 推理 native_batch_norm（training=False）时，save_mean、save_invstd 的形状须为 (num_features,)，并与 CPU、meta 一致。

测试方法： 运行 test/test_base_ops/test_native_batch_norm.py（需 NPU 可用）；其中 TestNativeBatchNormInferSaveShapes 为本次新增 UT；回归 TestNativeBatchNormLegit。

UT 看护： 已新增 TestNativeBatchNormInferSaveShapes。

【CheckList】

PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x]

• 代码注释完备，正确记录错误日志
• 代码实现进行了返回值、空指针等校验
• PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等
• PR持续集成流水线（CI）执行通过，代码检查无异常