【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）

• 需求
• 问题单
• issue/工单
• 重构优化
• 资料更新

Torch-NPU ShapeEnv API 补齐任务。

PyTorch v2.11.0 官方社区未检索到以下 ShapeEnv API 的直接测试覆盖：

• torch.fx.experimental.symbolic_shapes.ShapeEnv.get_pruned_guards
• torch.fx.experimental.symbolic_shapes.ShapeEnv.is_unbacked_symint

因此，本 PR 在 Torch-NPU test 目录中新增自写测试用例，补齐上述 API 的基础测试覆盖。

本 PR 属于：

1.3 pytorch 官方社区无用例，自己写用例并提交 PR 到 torch-npu 的 test 目录

【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）

修改文件：

test/fx/test_symbolic_shapes.py

具体修改内容如下：

1. 新增 import sympy，用于构造普通 SymPy symbol。
2. 新增 test_shape_env_get_pruned_guards，验证 ShapeEnv.get_pruned_guards 在 unbacked SymInt 输入下返回 list 类型结果。
3. 新增 test_shape_env_is_unbacked_symint，验证：
   • ShapeEnv.is_unbacked_symint 对 create_unbacked_symint() 创建出的 symbol 返回 True。
   • 对普通 sympy.Symbol 返回 False。

一、API 功能

1. torch.fx.experimental.symbolic_shapes.ShapeEnv.get_pruned_guards

该 API 用于根据给定的符号值集合，对 ShapeEnv 中已有 guards 进行裁剪，返回与目标符号相关的 guard 列表。

该能力常用于 symbolic shape 分析和 guard 管理流程中，避免保留无关或冗余的 guards。

2. torch.fx.experimental.symbolic_shapes.ShapeEnv.is_unbacked_symint

该 API 用于判断给定 symbol 是否为 ShapeEnv 创建并管理的 unbacked SymInt symbol。

unbacked SymInt 表示没有直接绑定到具体 Tensor size 的符号整数，常见于 dynamic shape、FakeTensor、symbolic tracing 等场景。

二、官方测试用例完整性分析

针对 PyTorch v2.11.0 官方测试，当前未发现上述两个 API 的直接测试用例。

因此，本 PR 使用自写测试补齐基础覆盖，重点验证：

1. get_pruned_guards 的基本调用路径和返回类型。
2. is_unbacked_symint 对 unbacked symbol 与普通 symbol 的区分能力。

该测试与 v2.9.0、v2.10.0 的自写测试策略保持一致。

三、NPU 适配

3.1 API 适配

不需要修改 API 实现。

这两个 API 均属于 ShapeEnv 的 Python 层 symbolic shape / guard 管理逻辑，不涉及：

1. NPU kernel 实现。
2. NPU 显存管理。
3. NPU stream / event。
4. 分布式通信算子。
5. 设备侧数值计算逻辑。

因此，本次仅补充测试，不修改 API 源码实现。

3.2 测试用例适配

测试文件本身为 Torch-NPU 的 FX symbolic shapes 测试文件，已包含 import torch_npu 及 NPU 相关用例。

本 PR 新增的两个测试主要验证 Python 层 ShapeEnv 行为，不依赖具体 NPU kernel 计算。

【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。

本 PR 仅新增测试用例，不新增、不删除、不修改 Python API 或 C++ 接口。

【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

新增 UT 测试用例：

test/fx/test_symbolic_shapes.py::TestSymbolicShapes::test_shape_env_get_pruned_guards
test/fx/test_symbolic_shapes.py::TestSymbolicShapes::test_shape_env_is_unbacked_symint

尝试执行：

TORCH_DEVICE_BACKEND_AUTOLOAD=0 python3.11 test/fx/test_symbolic_shapes.py

结果：

ModuleNotFoundError: No module named 'torch_npu._C'

说明：

当前 Web IDE 使用的是 Torch-NPU 源码目录，未加载到已编译的 torch_npu C 扩展。
错误发生在 import torch_npu 阶段，尚未进入本次新增测试用例逻辑，不属于 ShapeEnv API 或测试逻辑问题。

关联历史 PR：

v2.10.0 自写测试 PR：https://gitcode.com/Ascend/pytorch/pull/36393
v2.9.0 自写测试 PR：https://gitcode.com/Ascend/pytorch/pull/36356

【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