【合入来源】

https://gitcode.com/Ascend/pytorch/issues/3763
请勿携带内部流程信息（需求链接、问题单、内部issue等）

问题单

【修改方案】

新增 torch.fx.Interpreter 内部方法（boxed_run/fetch_attr/map_nodes_to_values/fetch_args_kwargs_from_env）的 NPU 一致性验证自写用例。

一、API功能

1. torch.fx.Interpreter.boxed_run：以 "boxed" 调用约定执行模块，接收参数列表（会被清空），与 run() 等价但参数传递方式不同。
2. torch.fx.Interpreter.fetch_attr：按属性路径从模块中获取属性（Parameter/子模块等）。
3. torch.fx.Interpreter.map_nodes_to_values：将 Node 参数映射为具体值（张量等）。
4. torch.fx.Interpreter.fetch_args_kwargs_from_env：从执行环境（env）中取出节点的位置参数和关键字参数。

二、测试用例完备性说明

PyTorch 官方社区未对这 4 个内部方法提供专门直接测试用例（仅在 test_interpreter 族中通过 run() 间接调用），
社区对内部方法的直接验证不充分，故新增 test/test_fx_interpreter_npu.py 直接验证：

1. boxed_run：test_boxed_run_basic（执行结果正确）、test_boxed_run_clears_args（参数列表被清空）
2. fetch_attr：test_fetch_attr_parameter（获取 Parameter）、test_fetch_attr_submodule（获取子模块）
3. map_nodes_to_values：test_map_nodes_to_values_args（位置参数映射）、test_map_nodes_to_values_kwargs（关键字参数映射）
4. fetch_args_kwargs_from_env：test_fetch_args_kwargs_from_env（位置参数）、test_fetch_args_kwargs_from_env_non_empty_kwargs（非空关键字参数，验证 kwargs 正确映射）

覆盖正常场景 + 参数清空边界场景，共 8 个用例。Interpreter 主体及其余方法（run/run_node/placeholder/get_attr/call_function/call_method/call_module/output）
已由官方 test_fx.py.patch 完整覆盖，本文件仅补充官方缺失的直接用例。

三、NPU适配
3.1 API适配：无需修改。4 个方法均为纯框架层图解释逻辑，与底层硬件解耦。
3.2 测试用例适配：新增用例在 import 后添加设备获取命令 device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu"，
全部张量通过 .to(device_type) 运行在 NPU 上（CPU 环境回落 cpu）。

【资料变更】

不涉及
已检查文档，https://gitcode.com/Ascend/pytorch/tree/master/docs/zh/api/native_api 下各版本目录 torch-fx.md 中，
torch.fx.Interpreter 及其方法已列出（boxed_run 条目已通过 PR #43908 补充），不需要本 PR 修改资料。

【接口变更】

不涉及

【功能验证】

在 v2.12.0 对应 torch 版本环境执行新增测试文件，8 个用例全部通过。

$ python3 test/test_fx_interpreter_npu.py
.......
----------------------------------------------------------------------
Ran 8 tests in 1.716s
OK

验证日志说明：本机 NPU 环境实测 8 tests OK。

【CheckList】

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 zkx 的贡献）

Z zkx

24 天前创建了 pull request，commit e52d518e

Z zkx

24 天前关联了issue：[Usage]: API一致性说明：torch.fx.Interpreter API NPU 对齐验证结论

atomgit-bot

24 天前评论：

变更摘要

本 PR 新增测试文件 test/test_fx_interpreter_npu.py，为 torch.fx.Interpreter 的四个内部方法（boxed_run、fetch_attr、map_nodes_to_values、fetch_args_kwargs_from_env）补充 NPU 一致性验证用例。PyTorch 官方社区未对这些内部方法提供直接测试，因此新增 7 个自写用例，覆盖正常场景与边界场景（如 boxed_run 参数列表清空）。测试通过 torch.accelerator.current_accelerator() 自动检测 NPU 设备，不具备 NPU 环境时回落至 CPU。

主要改动

新增 test/test_fx_interpreter_npu.py 测试文件：包含 4 个测试类、7 个测试用例，分别验证 boxed_run 执行正确性与参数清空行为、fetch_attr 获取 Parameter 和子模块、map_nodes_to_values 对位置参数和关键字参数的映射、以及 fetch_args_kwargs_from_env 从执行环境取参的正确性。
NPU 设备自适应：通过 device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu" 在文件顶层获取设备类型，所有测试张量均通过 device=device_type 参数直接在目标设备上创建，确保在 NPU 和 CPU 环境下均可运行。
测试用例依赖的图模块构建方式：利用 symbolic_trace 将简单 torch.nn.Module 子类（如 AddModule、M）转换为 GraphModule，再传入 Interpreter 以构造可测试的执行上下文。