| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
add UTs Co-authored-by: xieyouwang<xieyouwang@huawei.com> # message auto-generated for no-merge-commit merge: !33104 merge v2.7.1 into v2.7.1 add UTs Created-by: qq_52711437 Commit-by: xieyouwang Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 - [x] 问题单 # 【修改方案】 使用用例生成skill为21个API生成UT。 torch._running_with_deploy torch.utils._python_dispatch.is_traceable_wrapper_subclass torch._dynamo.comptime.comptime.print torch._dynamo.config torch._dynamo.config.skip_fsdp_hooks torch._C.DispatchKey.Functionalize torch._C.DispatchKeySet torch._C._ExcludeDispatchKeyGuard torch._from_functional_tensor torch.__future__.get_swap_module_params_on_conversion torch._C._get_accelerator torch._dynamo.disable torch._foreach_copy_ torch.as_strided torch.autograd.profiler.record_function torch.autograd.Variable._execution_engine.queue_callback torch.empty_like torch.nn.Parameter.grad torch.nn.Parameter.device torch._prims_common.make_contiguous_strides_for torch.fx.node.has_side_effect # 【资料变更】 不涉及 # 【接口变更】 不涉及 # 【功能验证】 | 序号 | API | 仓库内路径 | 用例数 | 覆盖范围 | |------|-----|-----------|--------|----------| | 1 | torch._running_with_deploy | test/npu/test__running_with_deploy.py | 3 | 返回值类型校验、布尔值验证、非法参数异常 | | 2 | torch.utils._python_dispatch.is_traceable_wrapper_subclass | test/npu/test_utils__python_dispatch_is_traceable_wrapper_subclass.py | 4 | 普通 Tensor、NPU Tensor、非 Tensor 类型、None 输入 | | 3 | torch._dynamo.comptime.comptime.print | test/npu/test__dynamo_comptime_comptime_print.py | 13 | 多种数据类型（string/int/float/bool/list/dict/None/tensor）、空字符串、空 tensor、单元素 tensor、缺参/多参异常 | | 4 | torch._dynamo.config | test/npu/test__dynamo_config.py | 5 | 模块类型校验、verbose/cache_size_limit/suppress_errors/dynamic_shapes 属性可访问性 | | 5 | torch._dynamo.config.skip_fsdp_hooks | test/npu/test__dynamo_config_skip_fsdp_hooks.py | 2 | 属性布尔类型校验、读写一致性 | | 6 | torch._C.DispatchKey.Functionalize | test/npu/test__C_DispatchKey_Functionalize.py | 3 | 枚举值整数类型、非负性、name 属性 | | 7 | torch._C.DispatchKeySet | test/npu/test__C_DispatchKeySet.py | 5 | 创建、has/add/remove 操作、非法类型异常 | | 8 | torch._C._ExcludeDispatchKeyGuard | test/npu/test__C__ExcludeDispatchKeyGuard.py | 4 | 上下文管理器创建、单 key/多 key 排除、非法类型异常 | | 9 | torch._from_functional_tensor | test/npu/test__from_functional_tensor.py | 6 | CPU/NPU tensor、float16 dtype、空 tensor、标量 tensor 下均抛出 RuntimeError、非法类型 TypeError | | 10 | torch.__future__.get_swap_module_params_on_conversion | test/nn/test___future__get_swap_module_params_on_conversion.py | 2 | 返回值布尔类型、非法参数 TypeError | | 11 | torch._C._get_accelerator | test/npu/test__C__get_accelerator.py | 4 | 无参调用、check=True/False 返回值、非法类型 TypeError | | 12 | torch._dynamo.disable | test/dynamo/test__dynamo_disable.py | 3 | 装饰器基本功能、recursive=False 模式、非法目标 AssertionError | | 13 | torch._foreach_copy_ | test/npu/test__foreach_copy_.py | 6 | NPU 基本拷贝、float16 dtype、空 tensor、混合设备拷贝数据验证、非法单 tensor TypeError、CPU 基线对比 | | 14 | torch.as_strided | test/npu/test_as_strided.py | 7 | NPU 视图数据正确性（确定性数据验证）、storage_offset、空 tensor、标量 tensor、dtype 保持、stride/size 不匹配异常、CPU 基线对比 | | 15 | torch.autograd.profiler.record_function | test/profiler/test_autograd_profiler_record_function.py | 5 | 上下文管理器、带参数调用、装饰器模式、空字符串名称、缺参异常 | | 16 | torch.autograd.Variable._execution_engine.queue_callback | test/test_autograd_Variable__execution_engine_queue_callback.py | 3 | backward 中回调执行验证（含 assertTrue 断言回调是否被调用）、lambda 回调、backward 外调用 RuntimeError | | 17 | torch.empty_like | test/npu/test_empty_like.py | 6 | NPU 基本创建、指定 dtype、memory_format、标量 tensor、空 tensor、CPU 基线对比 | | 18 | torch.nn.Parameter.grad | test/npu/test_nn_Parameter_grad.py | 15 | 初始 None、backward 后赋值、requires_grad=False、梯度累积、梯度清零、多种 dtype（float16 dtype 兼容 float32 提升）、空/标量/1D/3D tensor、优化器场景、detach 场景、复杂计算图、连续性 | | 19 | torch.nn.Parameter.device | test/npu/test_nn_Parameter_device.py | 4 | NPU 设备、CPU 设备、多种 dtype 变体、标量 tensor | | 20 | torch._prims_common.make_contiguous_strides_for | test/npu/test__prims_common_make_contiguous_strides_for.py | 6 | row-major stride 值验证 (12,4,1)、row_major=False stride 值验证 (12,1,3)、空 shape、1D shape、list 输入、非法类型 TypeError | | 21 | torch.fx.node.has_side_effect | test/test_fx_node_has_side_effect.py | 3 | 装饰器基本功能、lambda 函数、非 callable 透传行为（附注释说明为实现细节） | **测试命令** bash # test/npu/ 目录下的用例 python test/npu/test__running_with_deploy.py python test/npu/test_utils__python_dispatch_is_traceable_wrapper_subclass.py python test/npu/test__dynamo_comptime_comptime_print.py python test/npu/test__dynamo_config.py python test/npu/test__dynamo_config_skip_fsdp_hooks.py python test/npu/test__C_DispatchKey_Functionalize.py python test/npu/test__C_DispatchKeySet.py python test/npu/test__C__ExcludeDispatchKeyGuard.py python test/npu/test__from_functional_tensor.py python test/npu/test__C__get_accelerator.py python test/npu/test__foreach_copy_.py python test/npu/test_as_strided.py python test/npu/test_empty_like.py python test/npu/test_nn_Parameter_grad.py python test/npu/test_nn_Parameter_device.py python test/npu/test__prims_common_make_contiguous_strides_for.py # 其他目录下的用例 python test/dynamo/test__dynamo_disable.py python test/nn/test___future__get_swap_module_params_on_conversion.py python test/profiler/test_autograd_profiler_record_function.py python test/test_autograd_Variable__execution_engine_queue_callback.py python test/test_fx_node_has_side_effect.py **验证结果** 本地 NPU 环境下，21 个测试文件共 103 条用例全部通过（OK）。 # 【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 See merge request: Ascend/pytorch!33104 | 4 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
| 1 年前 | ||
| 1 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
[sync] PR-37317: delete-skip Co-authored-by: l00881990<lixinyu68@huawei.com> # message auto-generated for no-merge-commit merge: !38577 merge sync-pr37317-delete-skip-to-v2.7.1 into v2.7.1 [sync] PR-37317: delete-skip Created-by: ascend-ds-bot Commit-by: l00881990 Merged-by: ascend-robot Description: ### 1. Origin pull request: https://gitcode.com/Ascend/pytorch/merge_requests/37317 ### 2. Original pull request related issue(s): https://gitcode.com/Ascend/pytorch/issues/2177 ### 3. Original pull request related commit(s): | Sha | Datetime | Message | |---|---|---| |[7bcf1299](https://gitcode.com/Ascend/pytorch/commit/7bcf12998a95e594482810ce4b8d93a20fb64782)|2026-06-01 15:41:27 +0800 CST|delete-skip<br>| See merge request: Ascend/pytorch!38577 | 2 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
[v2.7.1] Add NPU tests for global full backward module hook APIs Co-authored-by: coconut77<2416273142@qq.com> # message auto-generated for no-merge-commit merge: !37845 merge api-completion-module-hooks-new2-v2.7.1 into v2.7.1 [v2.7.1] Add NPU tests for global full backward module hook APIs Created-by: coconut77 Commit-by: coconut77 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 关联issue：https://gitcode.com/Ascend/pytorch/issues/2301#issue编号 # 【修改方案】 ## 一、2 个 API 功能如下 1. torch.nn.modules.module.register_module_full_backward_hook - 为所有 nn.Module 注册全局 full backward hook，在完整反向传播阶段触发回调。 2. torch.nn.modules.module.register_module_full_backward_pre_hook - 为所有 nn.Module 注册全局 full backward pre hook，在完整反向传播前触发回调。 ## 二、社区用例对这 2 个 API 的验证完整性分析 1. 未检索到这 2 个“全局 API”的直接官方用例； 2. 上游仅覆盖了实例级 API： - register_full_backward_hook - register_full_backward_pre_hook 3. 因此社区现有用例对这 2 个全局 API 的直接验证不完整，需要新增测试文件补齐。 ## 三、NPU 适配 1. 新增 test/nn/test_global_module_full_backward_hooks.py； 2. 直接验证 torch.nn.modules.module.register_module_full_backward_hook； 3. 直接验证 torch.nn.modules.module.register_module_full_backward_pre_hook； 4. 核心检查点为 hook 是否触发、梯度是否按预期改写； 5. 相关张量均在 NPU 上执行。 # 【资料变更】 不涉及 # 【接口变更】 不涉及 # 【功能验证】 ## 1. 测试环境 text - torch: 2.7.1+cpu - torch_npu: 2.7.1.post4 - Python: 3.11.13 - NPU available: True - NPU device count: 1 ## 2. 测试命令 bash cd /workspace/user_data source /workspace/venvs/torch271/bin/activate python -u /workspace/torch_npu_v2.7.1/test/nn/test_global_module_full_backward_hooks.py > /workspace/user_data/module_hooks_new_2apis_v271.log 2>&1 ## 3. 测试真实输出 text .. ---------------------------------------------------------------------- Ran 2 tests in 1.249s OK EXIT_CODE:0 # 【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 See merge request: Ascend/pytorch!37845 | 2 个月前 | |
test update ut Co-authored-by: huangyunlong2022<huangyunlong4@h-partners.com> # message auto-generated for no-merge-commit merge: !37734 merge 2.7ut1 into v2.7.1 test update ut Created-by: huangyunlong2022 Commit-by: huangyunlong2022 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [x] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【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） test_deprecation test_cycle_lr_cycle_momentum_fail_with_momentumless_optimizer test_hook_registration 同步社区用例更新 test_float_status A2/A3需要开启饱和模式 test_select_at_first_axis_to_single_element_tensor_copy 转连续优化是aclop路径，alcnn路径添加aclnnAdds通过用例 test_expand_copy_to_slice_discontiguous_tensor 非本次修复，特定ci环境失败先跳过 # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“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 # 【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 See merge request: Ascend/pytorch!37734 | 2 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
Skip failing torch official TestCase tests and disable unsupported test cases Co-authored-by: yuhaiyan<yuhaiyan8@huawei.com> Co-authored-by: yuhaiyan8<yuhaiyan8@h-partners.com> # message auto-generated for no-merge-commit merge: !31977 merge v2.7.1-dev2 into v2.7.1 Skip failing torch official TestCase tests and disable unsupported test cases Created-by: yuhaiyan Commit-by: yuhaiyan;yuhaiyan8 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 1. 暂时跳过失败用例 2. 已提单跟进修复 # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“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 # 【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 See merge request: Ascend/pytorch!31977 | 3 个月前 | |
修复API入参校验和用例适配 Co-authored-by: bellatan<tanmei2@huawei.com> # message auto-generated for no-merge-commit merge: !36709 merge v2.7.1_fix_api_validation into v2.7.1 修复API入参校验和用例适配 Created-by: bellatan Commit-by: bellatan Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 ### 1. device 入参类型缺少校验，导致非法 device 未按预期报错 **API：** set_device_limit(device, cube_num, vector_num)、get_device_limit(device) **API 原始约束：** set_device_limit 和 get_device_limit 的 device 参数语义是指定 NPU 设备卡号，应传入明确的 NPU 设备 ID。 **当前问题：** 传入 None 和 float 等非 int 类型时未报错，不符合 API 参数约束。 **根因分析：** 原实现中对入参 device 使用了 _get_device_index(device, optional=True) 对入参 device 进行兼容性处理，导致约束之外的非法入参没有被及时拒绝。 **解决方案：** 针对 set_device_limit/get_device_limit 这两个 API，不再使用 _get_device_index(device, optional=True) 做宽松解析，而是直接按照 API 约束对原始 device 参数做严格校验。 新加校验规则： 1. device 必须是 int； 2. device 不能是 bool； python if isinstance(device, bool) or not isinstance(device, int): raise TypeError( "device must be an int, but got {}{}".format( type(device).__name__, pta_error(ErrCode.TYPE) ) ) **涉及的修改文件**：torch_npu/npu/npu_config.py ### 2. allow_hf32 入参类型缺少校验，导致非 bool 入参被错误接受 **API：** matmul.allow_hf32、conv.allow_hf32 **API 原始约束：** torch_npu.npu.matmul.allow_hf32 的语义是控制 MatMul 类算子是否允许使用 HF32 计算，应作为布尔型配置开关使用。 torch_npu.npu.conv.allow_hf32 的语义是控制 Conv 类算子是否允许使用 HF32 计算，应作为布尔型配置开关使用。 **当前问题：** allow_hf32 缺少 bool 类型校验，传入非 bool 类型没有报错，不符合 API 参数约束。 **根因分析：** 原实现直接"enable" if value else "disable"，根据 Python 对象的真假值进行判断，未判断 value 是否为 bool 类型，导致非法类型未被拒绝。 **解决方案：** 新增 isinstance(value, bool) 校验，非 bool 类型直接抛出 TypeError，避免非法入参被隐式转换为开关配置。在 _allowHF32Matmul.__setattr__ 和 _allowHF32Conv.__setattr__ 的 allow_hf32 分支中增加 bool 类型校验。 新加校验规则： 1. allow_hf32 必须是 bool； 2. 只允许 True 或 False； 3. int、str、None、list、dict 等非 bool 类型均抛出 TypeError。 python if name == "allow_hf32": if not isinstance(value, bool): raise TypeError( "allow_hf32 must be a bool, but got {}{}".format( type(value).__name__, pta_error(ErrCode.TYPE) ) ) **涉及的修改文件**：torch_npu/npu/npu_config.py ### 3. 用例适配 用例：test\nn\test_module_hooks.py，用例名：test_hook_inplace 问题：用例ci失败，报错正则匹配失败 根因：改用例预期报错的接口有变更，torch==2.12预期报错接口名为**BackwardHookFunctionBackward**，torch==2.13预期报错接口名变更为**BackwardHookFunction**。 解决：开放用例，用例报错提示适配，兼容两个版本的torch： with self.assertRaisesRegex(RuntimeError, "Output 0 of BackwardHookFunctionBackward is "修改为with self.assertRaisesRegex(RuntimeError, "Output 0 of BackwardHookFunction(Backward)? is " with self.assertRaisesRegex(RuntimeError, "BackwardHookFunction(Backward)? is a view "修改为with self.assertRaisesRegex(RuntimeError, "Output 0 of BackwardHookFunction(Backward)? is " # 【资料变更】 不涉及 # 【接口变更】 不涉及 # 【功能验证】 已有用例本地验证pass，CI pass 1. 新加用例：test/npu/test_torch_npu.py   2. 已有用例：test/npu/test_torch_backends.py  3. 已有用例：test/nn/test_module_hooks.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] - [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 See merge request: Ascend/pytorch!36709 | 2 个月前 | |
test(nn): add test for models api:torch.nn.Module, torch.nn.Module.state_dict, torch.nn.ModuleDict, torch.nn.ModuleList Co-authored-by: dinglaiping<1016581171@qq.com> # message auto-generated for no-merge-commit merge: !31787 merge addtest-models-api-2.7.1 into v2.7.1 test(nn): add test for models api:torch.nn.Module, torch.nn.Module.state_dict, torch.nn.ModuleDict, torch.nn.ModuleList Created-by: dinglaiping Commit-by: dinglaiping Merged-by: ascend-robot Description: PR描述 <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**https://gitcode.com/Ascend/pytorch/issues/1575**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 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） 自定义用例设计原则 基于 “最小化、核心化、针对性” 原则，设计独立 NPU 测试用例，核心思路： 1. 剥离无关耦合：仅使用 PyTorch 原生基础层（Linear、BatchNorm、Conv2d）构建测试对象，避免算子适配干扰； 2. 聚焦核心功能：仅验证 API 基础能力，不涉及边缘场景与复杂计算，确保结果反映 API 本身适配状态； 3. 贴合 NPU 特性：重点校验设备一致性、跨设备状态迁移等 NPU 核心关注点； 4. 轻量化设计：单个方法验证一个核心功能点，逻辑清晰、执行高效。 自定义用例核心验证点，在 NPU（npu:0）环境下，覆盖四个 API 核心功能及协同场景： 1. Module：验证to(npu:0)迁移后，参数 / 缓冲区的设备一致性； 2. state_dict：验证状态提取的完整性、设备一致性，及保存 / 加载后的参数值一致性； 3. ModuleDict：验证键值对索引、新增、删除、遍历功能，及子模块设备一致性； 4. ModuleList：验证数字索引、新增、插入、删除、遍历功能，及子模块设备一致性； 5. 四者协同：构建嵌套复合模块，验证state_dict对复合模块的状态提取 / 加载及设备一致性。 # 【资料变更】 不涉及 # 【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 整体结论 自定义测试用例在 NPU（npu:0）环境下全部执行成功，四个核心 API 的 NPU 适配验证完成核心功能全覆盖，基础能力与协同逻辑均正常可用，满足 NPU 场景下神经网络构建、状态管理、容器管理的实际需求。 核心功能验证结果 1. Module设备管理：to(npu:0)可将模块及子模块的参数 / 缓冲区正确迁移至 NPU，无设备漂移； 2. state_dict状态管理：状态提取完整、设备一致，保存 / 加载后参数值无丢失、无偏差； 3. ModuleDict容器操作：键值对管理功能正常，容器内子模块与主模块设备一致； 4. ModuleList容器操作：列表式管理功能正常，容器内子模块与主模块设备一致； 5. 四者协同：嵌套复合模块可实现设备统一迁移、状态完整提取与加载，无兼容性问题。 用例合理性说明 自定义用例虽简洁，但具备充分有效性与合理性： 1. 聚焦核心能力，剥离算子、精度等无关耦合，验证结果直接反映 API 本身适配状态； 2. 覆盖 API 所有核心功能点及协同场景，与实际业务使用方式高度贴合； 3. 基于 PyTorch 官方测试框架开发，使用原生断言方法，符合官方规范； 4. 适配 NPU 异步性、设备标识规则，避免 “假失败”，验证结果准确可靠。 运行日志 [root@hostname-fqv42 ~]# docker exec -it test210 bash root@hostname-fqv42:/home# python /root/torchnpuapi/newtest.py .... ---------------------------------------------------------------------- Ran 4 tests in 1.708s OK root@hostname-fqv42:/home# # 【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 See merge request: Ascend/pytorch!31787 | 4 个月前 | |
| 2 年前 | ||
add test for nn.Module.npu v2.7.1 Co-authored-by: zf_zhang<sjzz0306@outlook.com> # message auto-generated for no-merge-commit merge: !35263 merge test-nn-module-npu-v271 into v2.7.1 add test for nn.Module.npu v2.7.1 Created-by: zf_zhang Commit-by: zf_zhang Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">https://gitcode.com/Ascend/pytorch/issues/1888?ref=&did=3951326#tid-3951326</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> pytorch社区的test_nn.py中没有torch.nn.Module.npu的测试用例文件，故修改test/nn/test_nn_api.py这个测试用例文件，用于验证这个api的正确性 - [ ] 需求 - [ ] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【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） 用例设计原则 本次验证结合官方用例复用与自定义用例补充的方式，遵循 “最小化、核心化、针对性” 原则，核心思路为： 补充缺失用例：针对torch.nn.Module.npu这个缺失用例，我们设计了精简且详细的测试用例，覆盖了其核心功能 聚焦核心功能：我们验证了这个 API 的基础操作以及功能，确保结果反映 API 本身适配状态； 轻量化设计：单个测试方法仅验证一个核心功能点，逻辑清晰、执行高效，便于问题定位。 # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” 不涉及 # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“不涉及” 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 版本上执行该用例，测试通过，日志如下： root@aa02efd9993a:/home/test# python /home/test/pytorch-v271/test/nn/test_nn_api.py -v TestNNModuleAPIs.test_npu test_npu (__main__.TestNNModuleAPIs.test_npu) Checks that moving a module (with both parameters and buffers) to NPU via to("npu") or .npu() correctly places all tensors on the NPU device. ... ok ---------------------------------------------------------------------- Ran 1 test in 2.078s OK # 【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 See merge request: Ascend/pytorch!35263 | 3 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
test(nn): adapt PackedSequence tests on NPU Co-authored-by: Jinfan Liu<1300083451@qq.com> # message auto-generated for no-merge-commit merge: !37113 merge test-packed-sequence-clean-npu-v2.7.1 into v2.7.1 test(nn): adapt PackedSequence tests on NPU Created-by: JfanLiu Commit-by: Jinfan Liu Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**https://gitcode.com/Ascend/pytorch/issues/2003**</font> > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> [x] 问题单 # 【修改方案】 一、API功能说明 API范围： - torch.nn.utils.rnn.PackedSequence - torch.nn.utils.rnn.PackedSequence.count - torch.nn.utils.rnn.PackedSequence.index - torch.nn.utils.rnn.PackedSequence.is_pinned - torch.nn.utils.rnn.PackedSequence.to 1. torch.nn.utils.rnn.PackedSequence 是 PyTorch RNN 工具模块中表示变长序列压缩结果的数据结构，主要由 torch.nn.utils.rnn.pack_padded_sequence、torch.nn.utils.rnn.pack_sequence 等接口构造，也可以直接由 data、batch_sizes、sorted_indices、unsorted_indices 四元组构造。 核心能力：保存压缩后的 data Tensor、每个 time step 的 batch_sizes，以及可选的 sorted_indices / unsorted_indices，用于在压缩序列和 padded 序列之间恢复顺序关系。 设备约束：data 可以位于 NPU；sorted_indices / unsorted_indices 跟随 data 的设备；batch_sizes 是序列结构元数据，按 PyTorch 接口约束保持 CPU int64 Tensor。 2. torch.nn.utils.rnn.PackedSequence.to 是 PackedSequence 的设备和 dtype 迁移接口，语义对齐 torch.Tensor.to。 核心能力：对 data 执行目标 device / dtype 转换，并同步迁移 sorted_indices / unsorted_indices；当 data 已满足目标配置时返回 self，避免不必要拷贝。 边界约束：to 不迁移 batch_sizes，保持 PackedSequence 对 batch_sizes 的 CPU 元数据约束。 3. torch.nn.utils.rnn.PackedSequence.count / torch.nn.utils.rnn.PackedSequence.index 是 PackedSequence 继承自 NamedTuple 的实例方法。 核心能力：count 返回指定成员值在 PackedSequence 四元组中的出现次数；index 返回指定成员值首次出现的位置。 验证重点：PackedSequence 有自定义构造逻辑，需要在真实 PackedSequence 实例上确认 NamedTuple 的 tuple-like 行为没有被破坏。 4. torch.nn.utils.rnn.PackedSequence.is_pinned 是 PackedSequence 的 pinned memory 状态查询接口。 核心能力：返回 self.data.is_pinned() 的结果，用于判断 PackedSequence 的实际 data Tensor 是否处于 pinned memory 状态。 设备边界：NPU Tensor 不走 CPU pinned memory 语义，验证重点是接口可调用、返回值稳定，并且不会破坏 PackedSequence 的 NPU data Tensor 路径。 二、测试用例完备性说明 PyTorch 官方 test/nn/test_packed_sequence.py 是 PackedSequence 的集中测试文件，已有 torch.nn.utils.rnn.PackedSequence.to 的直接用例，也有 pack/pad/unpack 等 PackedSequence 集成路径。本 PR 复用该社区用例文件并做 NPU 适配： 1. test_to：保留上游 CPU/CUDA 迁移验证中的 CUDA 分支，通过 import torch_npu 和 transfer_to_npu 将 torch.cuda、Tensor.cuda()、to("cuda") 等 CUDA 兼容入口自动映射到 NPU，验证 PackedSequence.to 在 NPU 设备上的迁移、NPU 到 CPU 回迁、CPU 到 NPU 迁移，以及 torch.int32 / torch.int64 dtype 转换。 2. pad_sequence、unpad_sequence、unpack_sequence、pad_sequence_with_tensor_sequences 以及当前版本已有的 empty PackedSequence 路径，将参与验证的 data/expected Tensor 迁移到 NPU，覆盖 PackedSequence 在 RNN 工具链中的 NPU 数据流。 3. lengths、batch_sizes 等结构元数据保持 CPU，是 PyTorch PackedSequence/RNN utility 的接口约束；pack_sequence、pack_padded_sequence 等对 CPU 元数据语义敏感的路径保持社区原逻辑，避免改变上游用例验证目标。 PyTorch 官方 test/nn/test_packed_sequence.py 缺少 torch.nn.utils.rnn.PackedSequence.count、torch.nn.utils.rnn.PackedSequence.index、torch.nn.utils.rnn.PackedSequence.is_pinned 的直接用例。本 PR 因此在 torch-npu test 目录新增 test/nn/test_packed_sequence_api.py，包含 3 个直接用例： 1. test_packed_sequence_constructor_and_to_on_npu：构造 NPU data + CPU batch_sizes + NPU sorted/unsorted indices 的 PackedSequence，验证构造、设备约束、is_pinned，以及 to("cpu") / to("npu") 迁移。 2. test_packed_sequence_namedtuple_methods_on_optional_indices：验证 count(None)、index(None)、count("non_existent") 和 index 不存在成员抛 ValueError。未使用 count(batch_sizes) / index(batch_sizes)，原因是 tuple 方法会先比较 NPU data Tensor 和 CPU batch_sizes Tensor，容易触发 Tensor 比较的设备/布尔歧义错误，不能稳定表达 NamedTuple 方法语义。 3. test_packed_sequence_rejects_accelerator_batch_sizes：验证 NPU batch_sizes 按 PyTorch 约束抛出 ValueError，明确 batch_sizes 作为结构元数据必须保留 CPU。 三、NPU适配方案 1. API 源码无需修改：上述 API 位于 PyTorch 框架层，核心逻辑为 PackedSequence 结构管理、Tensor.to 调用转发和 NamedTuple 行为，不涉及新增 NPU kernel、通信后端或 stream/event 语义。 2. PyTorch 社区用例适配：验收要求涉及张量的用例必须覆盖 NPU 设备路径。原社区用例主要覆盖 CPU/CUDA，不能证明 NPU 设备迁移和 NPU data Tensor 下的 PackedSequence 行为，因此需要 test_upstream patch。 3. torch-npu 原生用例补充：针对 PyTorch 社区缺少直接用例的 count/index/is_pinned，新增 test/nn/test_packed_sequence_api.py；data Tensor 放在 NPU，batch_sizes 按 PackedSequence 接口约束保留 CPU，并补充 to 与非法 NPU batch_sizes 的直接验证。 4. 分支处理：2.7.1 分支 test_upstream 已有 test/nn/test_packed_sequence.py.patch，本 PR 在已有 patch 基础上保留上游 CUDA 迁移验证，由 transfer_to_npu 自动映射到 NPU，并补齐 pad/unpad/unpack 等路径中的 NPU Tensor；同时新增 test/nn/test_packed_sequence_api.py。 # 【资料变更】 > 已检查 v2.7.1 docs/zh/native_apis 中各版本 torch-nn.md，以及 v2.12.0 docs/api/torch_npu_apis.md。torch.nn.utils.rnn.PackedSequence、torch.nn.utils.rnn.PackedSequence.count、torch.nn.utils.rnn.PackedSequence.index、torch.nn.utils.rnn.PackedSequence.is_pinned、torch.nn.utils.rnn.PackedSequence.to 均已列入 API 支持列表。本次只补充/适配测试用例，不涉及资料补充。 # 【接口变更】 > 不涉及。API 源码无修改，不新增、删除或变更对外接口。 # 【功能验证】 > 已在 2.7.1 torch-npu 环境应用本 PR 改动后执行 PyTorch 社区用例和新增 torch-npu 原生用例，结果如下： bash python test/nn/test_packed_sequence.py Ran 12 tests in 3.051s OK bash python test/nn/test_packed_sequence_api.py Ran 3 tests in 1.693s OK See merge request: Ascend/pytorch!37113 | 2 个月前 | |
| 2 年前 | ||
test(nn): Add test cases for torch.nn.parameter.is_lazy Co-authored-by: m0_45651774<2759927519@qq.com> # message auto-generated for no-merge-commit merge: !42612 merge test-nn-parameter_is_lazy-v2.7.1 into v2.7.1 test(nn): Add test cases for torch.nn.parameter.is_lazy Created-by: m0_45651774 Commit-by: m0_45651774 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【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 ](https://gitcode.com/Ascend/pytorch/issues/3335)**</font>\ **请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 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： python test/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 See merge request: Ascend/pytorch!42612 | 13 天前 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
Skip failing torch official TestCase tests and disable unsupported test cases Co-authored-by: yuhaiyan<yuhaiyan8@huawei.com> Co-authored-by: yuhaiyan8<yuhaiyan8@h-partners.com> # message auto-generated for no-merge-commit merge: !31977 merge v2.7.1-dev2 into v2.7.1 Skip failing torch official TestCase tests and disable unsupported test cases Created-by: yuhaiyan Commit-by: yuhaiyan;yuhaiyan8 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 1. 暂时跳过失败用例 2. 已提单跟进修复 # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“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 # 【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 See merge request: Ascend/pytorch!31977 | 3 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
test: add unflatten_dense_tensors NPU coverage Co-authored-by: yulin520<yutianaoxiang@163.com> # message auto-generated for no-merge-commit merge: !41632 merge test-unflatten-dense-tensors-npu-v271-issue2862 into v2.7.1 test: add unflatten_dense_tensors NPU coverage Created-by: weixin_65332823 Commit-by: yulin520 Merged-by: ascend-robot Description: # 〖合入来源〗 - [ ] 需求 - [ ] 问题单 - [x] issue/工单：#2862 - [ ] 重构优化 - [ ] 资料更新 Issue： [Issue #2862](https://gitcode.com/Ascend/pytorch/issues/2862) # 〖修改方案〗 本 PR 针对 v2.7.1 分支新增以下 NPU 测试文件： text test/nn/test_unflatten_dense_tensors.py 涉及 API： python torch._C._nn.unflatten_dense_tensors torch._C._nn.unflatten_dense_tensors 位于 PyTorch C++ 扩展绑定模块 torch._C._nn 中，用于根据原始 tensor 列表的信息，将扁平化后的 dense tensor 拆分并恢复为多个 dense tensor。 经验证，该 API 在 v2.7.1 分支中已经存在，torch-npu 无需新增对应的 API 实现代码。本 PR 仅补充 Python 层 NPU 测试，用于验证该接口在 NPU Tensor 输入下的行为一致性。 测试中通过统一方式获取当前设备类型： python device_type = ( acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu" ) 本次共新增 4 个测试用例，主要覆盖： 1. **基本功能测试** - 构造多个 NPU dense tensor； - 使用 torch._utils._flatten_dense_tensors 进行 flatten； - 调用 torch._C._nn.unflatten_dense_tensors 恢复 tensor； - 检查输出数量、shape、dtype、device 和数值； - 检查恢复 tensor 的 storage 共享关系及 storage offset。 2. **Empty Tensor 测试** - 验证输入中包含空 tensor 时能够正常恢复； - 检查恢复后的 shape、dtype 和 device。 3. **Autograd 测试** - 验证恢复后的 tensor 可以正常参与后续计算； - 验证反向传播路径可用。 4. **dtype 保持测试** - 覆盖 float16 和 float32； - 验证恢复后的 tensor dtype 与原始 tensor 保持一致。 本 PR： text 未新增 API 实现代码 未引入 transfer_to_npu 自动迁移 未修改 JIT / Dynamo 核心方法 未引入无关文件修改 # 〖资料变更〗 不涉及。 torch._C._nn.unflatten_dense_tensors 属于 PyTorch 内部 C++ 绑定接口。 本 PR 未新增公开 API，也未修改用户可见接口，因此不涉及公共 API 资料变更。 # 〖接口变更〗 不涉及。 本 PR 仅新增 NPU 测试文件，不涉及 API 实现及公开接口变更。 # 〖功能验证〗 验证环境： text 操作系统：Linux（Ubuntu） 昇腾硬件：910B4 CANN：8.5.0 目标分支：v2.7.1 PyTorch：2.7.1+cpu torch_npu：2.7.1.post2 current accelerator：npu npu available：True npu device count：1 最终验证 Commit： text d0397e37f40679f391d9d70bde916b4507c04950 已完成以下检查： 1. API 存在性验证； 2. NPU 设备可用性验证； 3. 基本 flatten / unflatten 功能验证； 4. 输出 tensor 数量、shape、dtype、device 验证； 5. 输出 tensor 数值一致性验证； 6. storage 共享关系及 storage offset 验证； 7. empty tensor 场景验证； 8. autograd 路径验证； 9. float16 / float32 dtype 保持验证； 10. 测试文件 Python 语法检查； 11. 测试文件修改范围检查； 12. transfer_to_npu 未引入检查； 13. JIT / Dynamo 核心方法未修改检查； 14. commit 单文件范围检查； 15. 最终 PR Commit 对应的真实 NPU Runtime 验证。 Runtime 验证结果： text TORCH=2.7.1+cpu TORCH_NPU=2.7.1.post2 DEVICE=npu NPU_RUNTIME=PASS .... ---------------------------------------------------------------------- Ran 4 tests OK API43_RESULT=PASS 最终结果： text API_EXISTENCE_RESULT=PASS NPU_RUNTIME=PASS API43_TEST_COUNT=4 API43_RESULT=PASS FINAL_RESULT=PASS 远程分支与提交信息： text 源仓库：weixin_65332823/pytorch 源分支：test-unflatten-dense-tensors-npu-v271-issue2862 目标仓库：Ascend/pytorch 目标分支：v2.7.1 最终 Commit：d0397e37f40679f391d9d70bde916b4507c04950 # 〖CheckList〗 - [x] PR 标题已使用 test 类型标签 - [x] 已关联 Issue #2862 - [x] 已确认 v2.7.1 分支中 API 存在 - [x] 已使用统一 device_type 获取方式 - [x] 已完成基本功能验证 - [x] 已完成 storage 相关验证 - [x] 已完成 empty tensor 场景验证 - [x] 已完成 autograd 路径验证 - [x] 已完成 float16 / float32 dtype 验证 - [x] 已完成真实 NPU Runtime 验证 - [x] 4 个测试用例全部通过 - [x] 已检查新增测试文件内容 - [x] 已确认 commit 仅包含目标测试文件 - [x] 已确认未引入 transfer_to_npu - [x] 已确认未修改 JIT / Dynamo 核心方法 - [x] 已确认不涉及 API 实现代码 - [x] 已确认不涉及资料变更 - [x] 已确认不涉及公开接口变更 # 验证截图   See merge request: Ascend/pytorch!41632 | 3 天前 | |
fix: lintrunner --all-files --take NEWLINE -a Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35871 merge v2.7.1_lintrunner into v2.7.1 fix: lintrunner --all-files --take NEWLINE -a Created-by: huangjingwei Commit-by: huangjingwei Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【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） # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“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 # 【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 See merge request: Ascend/pytorch!35871 | 2 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 |
| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
| 4 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 1 年前 | ||
| 1 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 个月前 | ||
| 2 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 3 个月前 | ||
| 2 个月前 | ||
| 4 个月前 | ||
| 2 年前 | ||
| 3 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 个月前 | ||
| 2 年前 | ||
| 13 天前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 3 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 3 天前 | ||
| 2 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 |