请提供一下自动安装编译出来的run包的日志呢？当前使用的CANN和torch_npu版本是多少？

请提供一下自动安装编译出来的run包的日志呢？当前使用的CANN和torch_npu版本是多少？

@gleaming-spark

这个日志是指的plog日志还是什么别的日志呢，需要设置什么环境变量吗

python侧的日志，两种设置方式如下：
1、TorchAir Python层日志
2、图编译完整Debug信息保存功能

我们更换了cann包为4月13日最新cann包后，可以自动安装了，之前用的cann包为4月3日的。另外想咨询一下，我们是自定义新算子开发，在python调用脚本中如果不使用静态编译，也就是设置model = torch.compile(model, backend="npugraph_ex", options={"static_kernel_compile": False}, dynamic=False)，算子的精度是正确的，如果设置model = torch.compile(model, backend="npugraph_ex", options={"static_kernel_compile": True}, dynamic=False)，算子静态编译没有ERROR，但是算子的精度是错误的，请问可能是什么原因呢，或者有什么定位方式呢，静态编译场景下有什么方法可以打印算子kernel实现内部的数据吗。

可以参考：算子Data Dump功能

感谢，我们用这个dump功能发现，在静态编译场景下会dump出现两次输入一次输出，在非静态编译场景下只有一次输入一次输出。我们的算子中有一个原地更新入参，导致静态编译场景下两次输入的原地更新入参不一致，最终导致了最后一次静态执行的精度与cpu相比不一样，因为最后一次执行的原地更新输入不同。在plog中，我们发现静态编译确实会出现两次执行算子，一次动态执行，一次静态执行。请问这两次执行之间是什么导致了原地更新入参被更新呢。

感谢，我们用这个dump功能发现，在静态编译场景下会dump出现两次输入一次输出，在非静态编译场景下只有一次输入一次输出。我们的算子中有一个原地更新入参，导致静态编译场景下两次输入的原地更新入参不一致，最终导致了最后一次静态执行的精度与cpu相比不一样，因为最后一次执行的原地更新输入不同。在plog中，我们发现静态编译确实会出现两次执行算子，一次动态执行，一次静态执行。请问这两次执行之间是什么导致了原地更新入参被更新呢。

@fengqiuyue
可以提供下脚本，根据fx图与日志一起分析一下

8a96a671e3ba45f8b021b598d90210f7.txt
伪代码

感谢，我们用这个dump功能发现，在静态编译场景下会dump出现两次输入一次输出，在非静态编译场景下只有一次输入一次输出。我们的算子中有一个原地更新入参，导致静态编译场景下两次输入的原地更新入参不一致，最终导致了最后一次静态执行的精度与cpu相比不一样，因为最后一次执行的原地更新输入不同。在plog中，我们发现静态编译确实会出现两次执行算子，一次动态执行，一次静态执行。请问这两次执行之间是什么导致了原地更新入参被更新呢。

@fengqiuyue
可以提供下脚本，根据fx图与日志一起分析一下

@gleaming-spark

日志：a09ac698e40f44ddb2c1747ec2f2626a.log

另外想咨询一下如何打开FX图，我们设置了export TORCH_COMPILE_DEBUG=1，得到了一些txt文件

另外想咨询一下如何打开FX图，我们设置了export TORCH_COMPILE_DEBUG=1，得到了一些txt文件

@fengqiuyue

都是python脚本，直接用文本编辑器打开即可。

结论：静态编译场景会执行两次算子，第一次动态执行，第二次静态执行，我们的算子中存在原地更新入参，静态编译场景下，原地更新入参被更新了两次，而对标的golden函数仅执行了一次算子，原地更新入参仅被更新了一次，导致精度错误。