已合并

test(nn): Add test cases for torch.nn.parameter.is_lazy #42625

m0_45651774创建于 28 天前从m0_45651774/pytorch_2201： test-nn-parameter_is_lazy-v2.12.0 合入到 Ascend/pytorch： v2.12.0

test(nn): Add test cases for torch.nn.parameter.is_lazy #42625

已合并

m0_45651774创建于 28 天前

从m0_45651774/pytorch_2201 test-nn-parameter_is_lazy-v2.12.0合入到Ascend/pytorch v2.12.0

m0_45651774

28 天前

【合入来源】

[Usage]: torch.nn.parameter.is_lazy在 torch-npu 的资料未明确标注支持状态，但实际在 NPU 环境下可正常使用
请勿携带内部流程信息（需求链接、问题单、内部issue等）

问题单
pytorch社区用例没有验证充分torch.nn.parameter.is_lazy，故新增该测试用例文件，验证其在不同参数类型及 NPU 场景下的行为是否符合预期。。

【修改方案】

一、API 功能说明

torch.nn.parameter.is_lazy 用于判断一个参数（parameter）或缓冲区（buffer）是否处于 lazy（延迟初始化）状态。
判断输入对象 param 是否为：
	• torch.nn.UninitializedParameter
	• torch.nn.UninitializedBuffer
如果是，则返回 True；否则返回 False。

二、测试文件test_parameter_is_lazy.py完整验证该 API 的原因
PyTorch 官方社区暂无针对该 API 的直接独立用例覆盖，有相关调用，但是验证功能不充分，因此自行编写用例并提交到 test 目录。

1. 覆盖了 API 的所有正向逻辑（True 场景）
is_lazy 的核心功能是判断对象是否为未初始化的延迟（Lazy）状态。测试通过以下用例验证了所有符合该特性的对象：
未初始化的 Parameter (UninitializedParameter)：验证 API 能正确识别延迟参数，返回 True。
未初始化的 Buffer (UninitializedBuffer)：验证 API 能正确识别延迟 Buffer，返回 True。
2. 覆盖了全面的负向与边界逻辑（False 场景）
测试不仅验证了“是”的情况，还通过对比组排除了其他常见数据类型的干扰，确保没有假阳性（False Positive）：
普通 Parameter：已实例化的 Parameter 应返回 False。
普通 Tensor：标准的 PyTorch 张量应返回 False。
空值 None：处理非法或边界输入时，API 不会崩溃并能安全返回 False。
3. 验证了生命周期变化（动态状态转换）
延迟加载（Lazy Model）的核心机制在于“先占位，后实例化”。
test_is_lazy_after_materialize 完整模拟了参数的生命周期：
1.初始为 UninitializedParameter  is_lazy 返回 True。
2.调用 .materialize() 完成实体化  is_lazy 返回 False。
此用例确保了 API 能精准感知对象从 Lazy  Concrete 的状态转变。
4. 适配特定硬件环境（NPU 跨设备验证）
代码开头使用 torch.accelerator.current_accelerator() 动态获取设备类型（如 NPU/Ascend）。
所有的验证用例在创建 Tensor/Parameter 时，都显式指定了 device=device_type。这不仅验证了 API 在标准 CPU 上的逻辑，还确保了其在 NPU 等特定硬件加速器上的兼容性与正确性。

三、NPU适配

`torch.nn.parameter.is_lazy` 是 PyTorch 中用于判断参数是否处于 Lazy 初始化状态的纯 Python 层辅助 API。其核心逻辑仅依赖 `UninitializedParameter` 和 `UninitializedBuffer` 类型判断，不涉及 Tensor 计算、设备管理、内存分配或底层 Kernel 调用。核心逻辑不耦合任何特定硬件（包括 GPU/NPU/CPU），因此适配昇腾 NPU 时无需修改这个 API 本身，可直接复用。

【资料变更】

涉及
已检查文档，https://gitcode.com/Ascend/pytorch/tree/master/docs/zh/api/native_api 下面各个版本未写了该API已支持，所以需要提交PR修改资料。

【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

在2.7.1、2.11.0 、2.12.0版本上执行该用例，均通过，日志如下：
测试命令：

cd test
python nn/test_parameter_is_lazy.py

【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

Pull Request已成功合入, 合并人@ascend-robot

（感谢 m0_45651774 的贡献）

m0_45651774

28 天前创建了 pull request，commit e7caed6d

atomgit-bot

28 天前评论：

变更摘要

此 PR 新增了测试文件 test/nn/test_parameter_is_lazy.py，为 torch.nn.parameter.is_lazy API 补充独立的单元测试用例。测试覆盖了正向场景（UninitializedParameter 和 UninitializedBuffer 返回 True）与负向/边界场景（普通 Parameter、普通 Tensor、None 以及 materialize 后均返回 False），同时支持 NPU 设备自动检测。

主要改动

新增测试文件 test/nn/test_parameter_is_lazy.py：添加了 49 行完整的独立测试用例文件，专门验证 torch.nn.parameter.is_lazy。
新增 TestIsLazy 测试类：包含 6 个测试方法，涵盖 is_lazy 对 UninitializedParameter、UninitializedBuffer、普通 Parameter、普通 Tensor、None 以及 materialize 后状态的返回值验证。
正向逻辑验证：test_is_lazy_uninitialized_parameter 和 test_is_lazy_uninitialized_buffer 分别确认延迟参数和延迟缓冲区被正确识别，is_lazy 返回 True。
负向与边界逻辑验证：test_is_lazy_regular_parameter、test_is_lazy_regular_tensor、test_is_lazy_none 以及 test_is_lazy_after_materialize 确保已实例化对象、空值以及物化后的延迟参数均返回 False，避免假阳性。
NPU 设备支持：通过 torch.accelerator.current_accelerator() 动态获取设备类型，确保所有测试用例可在 NPU 或 CPU 上正确运行。

ascend-robot成员

28 天前评论：

openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=42625&platform=gitcode&codeHostingPlatformFlag=gitcode

atomgit-bot

28 天前评论：

代码审查

我已经完整审查了该 diff 中的所有变更。以下是分析过程：

逐项审查

1. 文件头部（第 1-8 行）

模块文档字符串清晰地说明了测试目的。
导入语句 from torch.testing._internal.common_utils import TestCase, run_tests 符合该仓库中其他测试文件的惯例（如 test_global_module_full_backward_hooks.py、test_unflatten_dense_tensors.py 等均使用相同导入）。

2. 设备类型检测（第 11 行）

device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu" 使用海象运算符 :=，Python 3.8+ 支持（setup.py 确认最低支持 3.8）。
当 current_accelerator() 返回 None（无加速器）时，三元条件取 "cpu"，acc.type 不会被求值，逻辑正确。
此模式与仓库中 20+ 个其他测试文件完全一致，是项目惯用写法。

3. `TestIsLazy` 测试类（第 14-45 行）

逐一验证每个测试方法：

方法	验证对象	预期结果	是否正确
`test_is_lazy_uninitialized_parameter`	`UninitializedParameter`	`True`	✓
`test_is_lazy_uninitialized_buffer`	`UninitializedBuffer`	`True`	✓
`test_is_lazy_regular_parameter`	`torch.nn.Parameter`	`False`	✓
`test_is_lazy_regular_tensor`	普通 `Tensor`	`False`	✓
`test_is_lazy_none`	`None`	`False`	✓
`test_is_lazy_after_materialize`	materialize 后的参数	`False`	✓

关键验证点：

torch.nn.parameter.UninitializedParameter(device=device_type) — 与 test_uninitialized_parameter_cls_to_become.py:22 用法一致，device 关键字参数有效。
torch.nn.parameter.UninitializedBuffer(device=device_type) — 符合 PyTorch API。
uninit_param.materialize(shape=(3, 3)) — 与 test_uninitialized_parameter_cls_to_become.py:26 完全一致，合法调用。
torch.nn.parameter.is_lazy() — 该函数在 test/test_modules.py:834 处已有调用，API 存在且可用。

4. 测试入口（第 48-49 行）

标准的 if __name__ == "__main__": run_tests()，无问题。

关闭总结

已审查文件：test/nn/test_parameter_is_lazy.py — 无问题。
发现数量：0（P0-P3 均为 0）。
整体风险评估：此变更是纯粹的测试用例新增，代码逻辑正确，API 调用与仓库中现有测试保持一致，不存在正确性、安全、可靠性或回归风险。

⚠️ 已识别出整体风险，但无法提取行内评论，请参考整体评估。

ascend-robot成员

28 天前添加了label：ascend-cla/yes

此处折叠了78条消息查看更多

ascend-robot成员

17 天前添加了label：approved

Jingwei Huang成员

16 天前评论：

/lgtm

ascend-robot成员

16 天前添加了label：lgtm

ascend-robot成员

16 天前合入了pull request

ascend-robot成员

16 天前评论：

流水线 pytorch_gitcode_PR_multiVersion#13637 [ commitID：3bfa1716 ] 已完成

【合入来源】

【修改方案】

【资料变更】

【接口变更】

【功能验证】

【CheckList】

Pull Request已成功合入, 合并人@ascend-robot

变更摘要

代码审查

逐项审查

1. 文件头部（第 1-8 行）

2. 设备类型检测（第 11 行）

3. TestIsLazy 测试类（第 14-45 行）

4. 测试入口（第 48-49 行）

关闭总结

3. `TestIsLazy` 测试类（第 14-45 行）