已合并
test: adapt debug_set_autodiff_subgraph_inlining for NPU #41607
yulin520创建于 7月14日
test: adapt debug_set_autodiff_subgraph_inlining for NPU #41607
已合并
Pull Request已成功合入, 合并人@ascend-robot
（感谢 yulin520 的贡献）
7月14日 关联了issue：[Usage]: API一致性说明：torch._C._debug_set_autodiff_subgraph_inlining
atomgit-bot
7月14日 评论：
7月14日 评论：
变更摘要
本 PR 为 v2.12.0 分支新增一个 NPU 适配 patch 文件，针对 PyTorch 官方社区测试用例 test/jit/test_autodiff_subgraph_slicing.py 进行 NPU 设备适配。该 patch 在保留原始 torch._C._debug_set_autodiff_subgraph_inlining 自动微分子图切分和内联行为验证语义的前提下，将测试中的 Tensor 创建或迁移至 NPU 设备，使相关测试能够在昇腾 NPU 上执行。
主要改动
- 导入
torch_npu模块: 在 patch 目标文件中新增import torch_npu，为后续 NPU 设备操作提供支持。 - 通过
.npu()将输入 Tensor 迁移至 NPU: 将_perform_ad_subgraph_slicing方法中的inputs列表生成表达式从torch.randn(size, requires_grad=True)改为torch.randn(size, requires_grad=True).npu()，以及将input变量从torch.rand(6, 10).requires_grad_()改为torch.rand(6, 10).requires_grad_().npu()，确保输入数据位于 NPU 设备。 - 通过
device="npu"指定 Tensor 创建设备: 在多处测试函数（如fn）中，将torch.zeros(...)和torch.ones(...)调用增加device="npu"参数，使这些直接创建的 Tensor 也在 NPU 上生成，避免跨设备操作不匹配。
ascend-robot
7月14日 评论：
7月14日 评论：
atomgit-bot
7月14日 评论：
7月14日 评论：
此处折叠了247条消息 查看更多
4 天前 解决了最后一个问题
4 天前 关闭了关联的issue
4 天前 合入了pull request
ascend-robot
4 天前 评论：
4 天前 评论：
Pull Request 已合并或已关闭。
If you want to solve this problem, you can click here to do it in the FAQs.
ascend-robot
4 天前 评论：
4 天前 评论：
流水线 pytorch_gitcode_PR_multiVersion#14067 [ commitID：812351c8 ] 已完成
〖合入来源〗
Issue：
〖修改方案〗
本 PR 针对
v2.12.0分支，补充以下 PyTorch 官方社区测试用例的 NPU 适配 patch：提交文件：
涉及 API：
该接口用于控制 PyTorch JIT 自动微分子图的内联行为，属于 PyTorch 内部调试接口。
PyTorch 官方社区已经提供相关测试，因此本 PR 不新增独立测试文件，仅对现有官方测试进行必要的 NPU 设备适配，不修改 API 实现代码。
相关测试及适配位置主要位于 PyTorch
v2.12.0官方测试文件约：本次主要修改内容如下：
.npu()迁移至 NPU；zeros/onesTensor，使用已有输入 Tensor 的device创建，避免 CPU/NPU Tensor 混用；import torch_npu # noqa: F401按项目导入顺序放置在全部torch.testing相关导入之后；device_type；transfer_to_npu自动迁移；torch.jit.script或torch.jit.script_method；v2.12.0官方源码修改后通过git diff生成。本次实际设备适配方式包括：
inputs = [torch.randn(size).npu().requires_grad_() for size in input_sizes]以及：
input = torch.rand(6, 10).npu().requires_grad_()对于 JIT 函数内部根据已有 Tensor 创建的新 Tensor，则使用已有 Tensor 的 device，例如：
本 PR 保留 PyTorch 官方测试原有测试语义，仅进行与 NPU 执行相关的必要设备适配。
具体提交内容以当前 PR 最新 commit 为准。
〖资料变更〗
不涉及。
该 API 完整名称为：
该接口位于 PyTorch 内部
torch._C模块，属于 PyTorch 私有调试接口。本 PR 未新增公开 API，也未修改用户可见接口，因此无需补充 torch-npu 公共 API 资料。
〖接口变更〗
不涉及。
本 PR 仅补充 PyTorch 官方社区测试用例的 NPU 适配 patch，不修改：
〖功能验证〗
验证环境
已在以下匹配环境完成当前 PR 提交对应的 NPU Runtime 验证：
本次 Runtime 验证对应提交：
NPU Runtime 验证
已在真实 Ascend NPU 环境中执行与以下 API 相关的 PyTorch 官方测试：
运行前检查结果：
本次连续执行与目标 API 相关的 11 个 PyTorch 官方测试场景：
测试完成后检查结果：
本次 Runtime 验证确认：
v2.12.0与 torch_npu2.12.0rc1匹配环境中可正常调用；npu:0；_debug_set_autodiff_subgraph_inlining(True)；torch.npu.synchronize()检查通过，未发现异步 NPU 错误；812351c8934f2d5387ee9fed8d91f57cb2fe5e8c。最新 commit 静态检查
本次调整
torch_npuimport 顺序后，对最新 patch 重新完成以下检查：当前 patch 设备适配检查结果：
其中：
torch_npu导入顺序检查结果：已确认：
patch 应用检查
已在对应版本 PyTorch 官方源码上执行：
结果：
同时已将 patch 应用到对应 PyTorch 官方源码，并完成：
〖修改范围审计〗
本 PR 当前仅包含以下一个文件：
最新检查结果：
本 PR 当前远程分支信息：
当前最新远端 commit：
本地与远端 SHA 已完成一致性检查：
修改范围审计结论：
同时确认：
〖验证结论〗
torch._C._debug_set_autodiff_subgraph_inlining已在 PyTorchv2.12.0与 torch_npu2.12.0rc1匹配环境中完成一致性验证。当前结论如下：
v2.12.0中已存在该 API；.npu()迁移至 NPU；device；import torch_npu # noqa: F401已位于全部torch.testing导入之后；device_type；transfer_to_npu；git diff生成；git apply --check；npu:0；NPU_SYNCHRONIZE=PASS；API24_RUNTIME_RESULT=PASS；〖CheckList〗
〖验证截图〗
NPU Runtime 验证
以下截图为当前 PR 提交对应的 Ascend 910B4 NPU Runtime 验证结果。
截图关键信息：
以下截图为此前在匹配 Ascend 910B4 NPU 环境中的实际运行验证记录。
