# 【合入来源】 [[Usage]: torch.jit.is_tracing () ----此API，在trace模式下，测试样例缺失](https://gitcode.com/Ascend/pytorch/issues/1706) > **请勿携带内部流程信息（需求链接、问题单、内部issue等）** - [x] issue/工单 # 【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） ## API 功能 torch.jit.istracing 是 TorchScript 核心执行模式判断 API，用于在静态图编译与执行阶段检测当前代码是否处于 tracing 编译上下文，支持在 tracing / scripting 混合编码场景下实现条件分支、执行路径切换、图编译行为适配，保障不同执行模式下代码逻辑的正确性，是 TorchScript 动态适配、图优化、模式感知的基础能力。 ## 测试用例说明 1. scrpit模式下，API torch.jit.is_tracing () PyTorch 官方 test_jit.py(官方路径:``pytorch/test/test_jit.py``；行号位置：两个测试用例的位置大概在9783-9798行)包含test_script_is_tracing、test_script_get_tracing_state 两个测试用例。 **测试用例详解** • test_script_get_tracing_state：调用底层私有接口判定追踪状态，依托NPU张量运算分支结果，校验底层接口识别追踪模式的有效性。 • test_script_is_tracing：使用官方标准接口判断追踪状态，结合NPU张量执行脚本编译校验，验证公开接口在图追踪场景下判定逻辑正常。 2. trace模式下，API torch.jit.is_tracing () 添加新测试用例``test/test_jit_is_tracing_in_trace.py`` • 基础环境适配：引入torch_npu库启用NPU设备能力，构造NPU张量作为测试输入数据 • 核心功能验证：校验进入JIT轨迹录制流程时，接口可正确返回真值 **测试用例详解** • test_is_tracing_returns_true_in_trace_mode：基于接口返回结果编写分支判断逻辑，使用NPU张量执行轨迹录制。通过最终运算输出结果，确认程序成功走入轨迹模式分支，验证接口状态判定逻辑有效。 **测试用例构造说明** 由于 PyTorch 的 torch.jit.trace 机制限制，在被追踪函数内部执行时，底层的 Python 级追踪标志位（tracing flag）依然保持为 False，因此无法直接在函数内部进行断言验证。本测试转而采用严格的“行为验证”方案：利用 Tracer “仅记录单条执行路径”的特性，通过校验最终的输出结果，反向证明 is_tracing() 成功触发了目标分支，且该计算路径已被正确固化到 TorchScript 图中。 ## NPU 适配说明 1. scrpit模式下，API torch.jit.is_tracing ()适配说明 torch.jit.istracing 为 TorchScript 前端执行模式检测 API，无硬件相关底层算子依赖，NPU 完全兼容 PyTorch 原生实现，功能行为、状态语义、编译逻辑与 CPU 保持一致。此测试样例无需修改，可直接测试验证。 • 基础环境适配：将仓库test_upstream/test/test_jit.py.patch，进行apply之后，已有import torch_npu基础环境的适配； • 张量设备调整：将仓库test_upstream/test/test_jit.py.patch，进行apply之后，代码已将cpu的张量修改为npu上运行。确保异步计算的结果载体（张量）运行在 NPU 上，贴合 NPU 场景使用需求。 2. trace模式下，API torch.jit.is_tracing ()适配说明 新增测试用例：test/test_jit_is_tracing_in_trace.py，补齐NPU设备场景下接口相关测试覆盖。 • 基础环境适配：引入torch_npu库启用NPU设备能力，构造NPU张量作为测试输入数据。 # 【资料变更】 不涉及，已经在 https://gitcode.com/Ascend/pytorch/tree/v2.7.1/docs/zh/native_apis 的文档中进行查找与验证。该目录下的pytorch_2-6-0至pytorch_2-10-0文件夹下的torch-jit.md已经对"torch.jit.is_tracing"全部标注"是 支持fp32"。无需更改 # 【接口变更】 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 **测试命令：** ``` #script模式下，测试命令 cd pytorch/test python -m unittest test_jit.TestScript.test_script_is_tracing test_jit.TestScript.test_script_get_tracing_state -v #trace模式下，测试命令 cd pytorch/test python test_jit_is_tracing_in_trace.py -v ``` **测试结果：** 1. script模式下，测试结果 ``` root@060bc3e997eb:/workspace/user_data/527/29/pytorch/test# python -m unittest test_jit.TestScript.test_script_is_tracing test_jit.TestScript.test_script_get_tracing_state -v /usr/local/python3.11.14/lib/python3.11/site-packages/torch_npu/contrib/transfer_to_npu.py:362: ImportWarning: ************************************************************************************************************* The torch.Tensor.cuda and torch.nn.Module.cuda are replaced with torch.Tensor.npu and torch.nn.Module.npu now.. The torch.cuda.DoubleTensor is replaced with torch.npu.FloatTensor cause the double type is not supported now.. The backend in torch.distributed.init_process_group set to hccl now.. The torch.cuda.* and torch.cuda.amp.* are replaced with torch.npu.* and torch.npu.amp.* now.. The device parameters have been replaced with npu in the function below: torch.logspace, torch.randint, torch.hann_window, torch.rand, torch.full_like, torch.ones_like, torch.rand_like, torch.randperm, torch.arange, torch.frombuffer, torch.normal, torch._empty_per_channel_affine_quantized, torch.empty_strided, torch.empty_like, torch.scalar_tensor, torch.tril_indices, torch.bartlett_window, torch.ones, torch.sparse_coo_tensor, torch.randn, torch.kaiser_window, torch.tensor, torch.triu_indices, torch.as_tensor, torch.zeros, torch.randint_like, torch.full, torch.eye, torch._sparse_csr_tensor_unsafe, torch.empty, torch._sparse_coo_tensor_unsafe, torch.blackman_window, torch.zeros_like, torch.range, torch.sparse_csr_tensor, torch.randn_like, torch.from_file, torch._cudnn_init_dropout_state, torch._empty_affine_quantized, torch.linspace, torch.hamming_window, torch.empty_quantized, torch._pin_memory, torch.load, torch.set_default_device, torch.get_device_module, torch.sparse_compressed_tensor, torch.Tensor.new_empty, torch.Tensor.new_empty_strided, torch.Tensor.new_full, torch.Tensor.new_ones, torch.Tensor.new_tensor, torch.Tensor.new_zeros, torch.Tensor.to, torch.Tensor.pin_memory, torch.nn.Module.to, torch.nn.Module.to_empty ************************************************************************************************************* warnings.warn(msg, ImportWarning) /usr/local/python3.11.14/lib/python3.11/site-packages/torch_npu/contrib/transfer_to_npu.py:291: RuntimeWarning: torch.jit.script and torch.jit.script_method will be disabled by transfer_to_npu, which currently does not support them, if you need to enable them, please do not use transfer_to_npu. warnings.warn(msg, RuntimeWarning) monkeytype is not installed. Skipping tests for Profile-Directed Typing test_script_is_tracing (test_jit.TestScript.test_script_is_tracing) ... ok test_script_get_tracing_state (test_jit.TestScript.test_script_get_tracing_state) ... ok ---------------------------------------------------------------------- Ran 2 tests in 0.167s OK ``` 2. trace模式下，测试结果 ``` root@2bf81948454c:/workspace/user_data/527/29/pytorch/test# python test_jit_is_tracing_in_trace.py -v test_is_tracing_returns_true_in_trace_mode (__main__.TestJitIsTracing.test_is_tracing_returns_true_in_trace_mode) Validates that torch.jit.is_tracing() returns True during trace recording. ... ok ---------------------------------------------------------------------- Ran 1 test in 1.570s OK ``` **验证结论：** NPU 环境运行script/trace模式下的测试用例，三个用例执行成功，无功能失败项。torch.jit.is_tracing 模式检测、状态返回、控制流分支适配等能力均符合 PyTorch 标准语义，适配完成且验证通过 # 【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] - [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 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常