【合入来源】

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

关联Issue：

• https://gitcode.com/Ascend/pytorch/issues/2956
• https://gitcode.com/Ascend/pytorch/issues/2957

【修改方案】

本 PR 属于 Torch-NPU API 一致性对齐任务，面向 torch.autograd.gradcheck 与 torch.autograd.profiler.emit_itt 完成 v2.7.1 版本的测试用例补齐。

API 功能说明

torch.autograd.gradcheck

gradcheck(func, inputs, *, eps=1e-6, atol=1e-5, rtol=1e-3, ...) -> bool

通过小有限差分计算数值梯度并与分析梯度比较，验证自动微分实现的正确性。是 PyTorch 官方提供的梯度验证工具函数，默认使用 float64 精度以保证数值稳定性。

torch.autograd.profiler.emit_itt

emit_itt(enabled=True, record_shapes=False)

上下文管理器，使每个 autograd 操作发出 ITT 范围标注，用于 Intel VTune Profiler 性能分析。

用例完整性说明

torch.autograd.gradcheck

经检索 PyTorch 官方仓库（v2.7.1），对 test/ 目录执行了检索：

grep -rn "def test.gradcheck" test/test_autograd.py --include=".py"

检索结论：PyTorch 官方已包含 test_gradcheck_single_input 等一系列独立聚焦测试用例。

Ascend NPU 不支持 float64 的 linalg.vector_norm、dot、mm、relu 算子，因此 fast_mode 无法直接在 NPU 上运行。按任务文档场景一规范，在 slow_mode 下对 NPU 支持的 float64 运算编写测试用例，覆盖单输入、多输入、返回元组、二阶梯度等场景。

torch.autograd.profiler.emit_itt

PyTorch 官方在 test/test_autograd.py 中包含 test_profiler_emit_itt 测试用例，带以下装饰器：

@unittest.skipIf(not torch.profiler.itt.is_available(), "ITT is required")
def test_profiler_emit_itt(self, device):
a = torch.tensor([1, 2, 3], dtype=torch.float32, device=device)
with emit_itt():
a.add(1.0)

Ascend NPU 上 torch.profiler.itt.is_available() 返回 False，用例被自动跳过。

检索结论：上游用例在 NPU 上无法直接运行，需通过 test_upstream patch 适配并新增独立测试。

具体修改内容

本 PR 新增 2 个测试文件，修改 1 个 test_upstream patch：test_upstream/test/test_autograd.py.patch：

• test/npu/test_gradcheck.py
• test/npu/test_emit_itt.py

test/npu/test_gradcheck.py（9 个测试方法）

test/npu/test_emit_itt.py（3 个测试方法）

【资料变更】

不涉及。

torch.autograd.gradcheck、torch.autograd.gradgradcheck、torch.autograd.profiler.emit_itt 在 v2.7.1 版本文档中均已收录，无需补充。

【接口变更】

不涉及。

【功能验证】

测试命令：
python test/npu/test_gradcheck.py -v # Ran 9 tests OK
python test/npu/test_emit_itt.py -v # Ran 3 tests OK

测试截图

【CheckList】

• 代码注释完备
• 返回值、空指针等校验
• PR标题正确使用类型标签
• PR持续集成流水线（CI）执行通过

结论

torch.autograd.gradcheck 和 torch.autograd.profiler.emit_itt 在 v2.7.1 版本 NPU 环境下通过测试用例补齐，功能与 PyTorch 官方行为一致。