# 【合入来源】 - [ ] 需求 - [x] 问题单 https://gitcode.com/Ascend/pytorch/issues/2207 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 说明：修复 NPU 量化 tensor 执行 `flip` 时的分发与错误语义问题，并补充 CI 中暴露的 complex dtype 测试处理。 # 【修改方案】 1. 新增 NPU 量化 `flip` 实现，并在 codegen stub 中注册 `QuantizedPrivateUse1` 对应 kernel，使量化 NPU tensor 进入专用实现。 2. 对 per-tensor affine 量化 tensor，先通过 `int_repr()` 获取底层整型表示，再转发到普通 `aten::flip`；随后使用原 tensor 的 size、dtype、scale、zero_point 和 memory format 构造量化结果，并通过 `set_` 复用翻转后的底层存储。 3. 对 `quint4x2`、`quint2x4` 保持不支持报错；对 per-channel quantized tensor，先执行维度合法性检查，再按 CPU/CUDA 语义报出 uniformly quantized 相关错误，保证错误优先级一致。 4. 在 `test_shape_ops.py` 中补充 NPU 专用 complex skip：仅当 `NPU + jit_compile=True + dtype.is_complex` 时跳过 `flip` / `flip_errors` / `flip_numpy` / `fliplr` / `flipud` 相关 complex 用例，规避当前 `jit_compile=True` 下 NPU 无法创建 complex tensor 的既有限制。该 skip 不影响 CPU/CUDA，也不影响 NPU `jit_compile=False` 路径。 # 【资料变更】 不涉及。 # 【接口变更】 不涉及跨仓或客户面可见接口变更。 # 【功能验证】 1. 本地执行量化 flip 相关用例，验证 `quint8`、`qint8`、`qint32` per-tensor affine 结果与 CPU/CUDA 语义一致。 2. 本地验证 per-channel quantized flip 错误信息与 CPU/CUDA 对齐。 3. 本地验证 `jit_compile=True` 下 10 个 complex flip 实例均按预期 skip：`OK (skipped=10)`。 4. 本地验证非 complex invalid 实例 `int64/float64` 仍正常执行并通过。 # 【CheckList】 - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] 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