Closed
[Bug-Report|缺陷反馈]: aclnnConstantPadNd 的 self 与 value 数据类型推导规则未校验,int32 配 float value 被放行并按整型截断填充值 #3895
liuhanwen8Add on 24 days agoClosed at 19 days ago
24 days ago Added label: bug-report
陈思
23 days ago Comments:
23 days ago Comments:
您好,感谢反馈!按您给出的 cann/ops-math@584b2ea6cbaeba684a51a74296d82d4d50ab3b0f 核查,本例的 value 会先转换成 self 的类型再用于填充,因此 FLOAT 标量不会使 INT32 的输入和输出自动提升为浮点。报告中 1.5 填充后读到 1,与这条转换路径相符。转换位置
类型规则与当前行为
这里需要区分“类型能够推导”和“数值能够无损表示”。公共 TensorScalar 推导表中,INT32 Tensor 与 FLOAT Scalar 的组合有定义,并非不允许推导;公共互转换关系也允许浮点往整数转换。因此,错误表的“不满足数据类型推导规则”不能直接解释为“浮点值含小数就必须返回 161002”。
您指出的实现检查范围也确实存在:CheckDtypeValid 只接收 self、out,检查两者类型一致和支持列表,没有对 value 增加独立的类型推导校验;后续则明确把标量转换为 self 类型。资料同时规定 out 类型与 self 一致。这说明本例不能单凭含小数的 value 就认定为非法类型组合,但标量转换的数值影响值得在资料中说明清楚。当前检查
处理方向
可以考虑在 value 参数说明中明确“按输入类型转换后填充”,补充整型输入配浮点标量的例子,并将不支持类型、无法转换及可能有损的数值转换区别说明。如果需要增加“不能无损表示就拒绝”的校验,则属于更严格的行为策略,需要同时确认小数、越界等边界并评估已有调用的兼容影响。
如果业务需要保留 1.5,应选择可表示它的 self、out 类型;只将 value 建成浮点标量无法改变整型输出的表示范围。我们会继续确认资料表述与标量转换边界。


23 days ago Assign chen_0715 as responsible person
23 days ago Added label: pending-confirmation
23 days ago Removed label: pending-confirmation
21 days ago Assign Anthony0331 as responsible person
21 days ago Removed responsible person chen_0715
19 days ago Associated pull request
19 days ago Close issue
19 days ago Added label: resolved
现象
一句话结论:
aclnnConstantPadNd在self=int32+value=1.5(float)这一非法类型组合下,第一段与第二段均返回 0,填充区被静默截断为1;资料错误码表要求返回161002。与合法输入的对照:
self=fp32[3x3],value=0.5f)1056964608/1056964608(=0.5f 位模式)self=int32[3x3],value=1.5f)对照组填充区正确写为
0.5;缺陷组填充区写成1,即value按self的整型类型做了一次静默截断,两段接口都没有拦下这个类型组合。期望
资料
docs/aclnnConstantPadNd.md的错误码表中,161002(ACLNN_ERR_PARAM_INVALID)下挂子项原文:同表另有子项「self、value或out的数据类型不在支持的范围之内。」→ 因此
self=int32与value=1.5(float)应在第一段接口被拒绝并返回161002,不应返回 0 后按整型截断输出。环境
npu-smi26.1.1$ASCEND_HOME_PATH=/usr/local/Ascend/cann-9.2.0),Linux aarch64,g++ 11.4.0cann/ops-math584b2ea6cbaeba684a51a74296d82d4d50ab3b0f复现步骤
repro.cppg++ -std=c++17 -O2 repro.cpp -o repro -I$ASCEND_HOME_PATH/include -L$ASCEND_HOME_PATH/lib64 -lopapi -lopapi_math -lascendcl -lnnopbase./repro 4(4换成任意npu-smi显示Health=OK的 die)ret_exec=0且out[0]为 0.5f 的位模式;缺陷组同样ret_gws=0 ret_exec=0,但out[0]=1复现脚本
// 编译: g++ -std=c++17 -O2 repro.cpp -o repro -I$ASCEND_HOME_PATH/include \ // -L$ASCEND_HOME_PATH/lib64 -lopapi -lopapi_math -lascendcl -lnnopbase // 运行: ./repro 4 #include <acl/acl.h> #include <aclnnop/aclnn_constant_pad_nd.h> #include <cstdio> #include <cstdlib> #include <vector> static aclTensor* mkT(void* d, std::vector<int64_t> sh, aclDataType dt) { std::vector<int64_t> st(sh.size()); int64_t acc = 1; for (int i = (int)sh.size() - 1; i >= 0; --i) { st[i] = acc; acc *= sh[i] ? sh[i] : 1; } return aclCreateTensor(sh.data(), (uint64_t)sh.size(), dt, st.data(), 0, ACL_FORMAT_ND, sh.data(), (uint64_t)sh.size(), d); } // self 3x3 --pad(1,1,1,1)--> out 5x5 static void run_case(const char* tag, aclDataType dt, void* dSelf, void* hVal) { aclrtStream s; aclrtCreateStream(&s); std::vector<int64_t> inSh{3, 3}, outSh{5, 5}; void* dOut = nullptr; aclrtMalloc(&dOut, 25 * 4, ACL_MEM_MALLOC_HUGE_FIRST); aclrtMemset(dOut, 25 * 4, 0x5A, 25 * 4); aclTensor* self = mkT(dSelf, inSh, dt); aclTensor* out = mkT(dOut, outSh, dt); int64_t padV[4] = {1, 1, 1, 1}; aclScalar* value = aclCreateScalar(hVal, ACL_FLOAT); uint64_t ws = 0; aclOpExecutor* ex = nullptr; int r1 = (int)aclnnConstantPadNdGetWorkspaceSize(self, aclCreateIntArray(padV, 4), value, out, &ws, &ex); void* wsBuf = nullptr; if (ws > 0) { aclrtMalloc(&wsBuf, ws, ACL_MEM_MALLOC_HUGE_FIRST); } int r2 = (r1 == 0 && ex) ? (int)aclnnConstantPadNd(wsBuf, ws, ex, s) : -999; if (r1 == 0 && ex) { aclrtSynchronizeStream(s); } int32_t h[25] = {0}; aclrtMemcpy(h, sizeof(h), dOut, sizeof(h), ACL_MEMCPY_DEVICE_TO_HOST); printf("%-30s ret_gws=%d ret_exec=%d out[0]=%d out[24]=%d\n", tag, r1, r2, h[0], h[24]); aclrtDestroyStream(s); } int main(int argc, char** argv) { int dev = (argc > 1) ? atoi(argv[1]) : 4; aclInit(nullptr); aclrtSetDevice(dev); float fSelf[9], fOkVal = 0.5f, fBadVal = 1.5f; int32_t iSelf[9]; for (int i = 0; i < 9; i++) { fSelf[i] = (float)(i + 1); iSelf[i] = i + 1; } void *dF = nullptr, *dI = nullptr; aclrtMalloc(&dF, 64, ACL_MEM_MALLOC_HUGE_FIRST); aclrtMalloc(&dI, 64, ACL_MEM_MALLOC_HUGE_FIRST); aclrtMemcpy(dF, 36, fSelf, 36, ACL_MEMCPY_HOST_TO_DEVICE); aclrtMemcpy(dI, 36, iSelf, 36, ACL_MEMCPY_HOST_TO_DEVICE); run_case("对照 self=fp32 value=0.5", ACL_FLOAT, dF, &fOkVal); run_case("缺陷 self=int32 value=1.5", ACL_INT32, dI, &fBadVal); aclrtResetDevice(dev); aclFinalize(); return 0; }实测输出(Ascend 910B2 / CANN 9.2.0):
影响
调用方传入浮点
value配整型self(例如「整型张量补一个 1.5」的误用,或框架侧 dtype 推导漏改)时拿到的是返回 0 的「成功」结果,但填充值已被截断,输出静默错值;调用方无法从返回码发现。下游若直接消费该张量,会把截断值当成正确结果。建议
在
op_api/aclnn_constant_pad_nd.cpp的CheckDtypeValid(self, out)中补上value的类型参与校验(当前签名只接self与out,value未参与),按资料「self与value的数据类型不满足数据类型推导规则」的语义判定:self为整型而value为浮点且不能无损转换时返回161002。