您好,感谢提供可精确整除与非整除的对照。按您报告的 584b2ea6cbaeba684a51a74296d82d4d50ab3b0f 核查,A3 上这组精度变化有明确的 API 类型转换依据,需要进一步统一内部计算精度与文档说明。
问题分析
CompatibleInferDivModeDtype的非 FLOOR 分支没有保留 DOUBLE;实际调用处随后将两个输入 Cast 为推导类型,计算后再转回 out 的 DOUBLE。因此 mode=0 的路径是 DOUBLE → FLOAT → RealDiv(FLOAT) → DOUBLE,精度已在计算前后受 FLOAT 限制,最后转回 DOUBLE 无法恢复。这与您给出的 1/3 等结果相符,降精度发生在 API 构图策略,而非已证实某个 DOUBLE 内核自行降低精度。
mode=2 保留 DOUBLE;mode=1 在源码上同样经过 FLOAT,并在除法后执行 Trunc。不过,当前附带脚本的三组调用都为 mode=0,mode=1/2 的设备结论还需要各自用例验证。尤其 mode=1 的影响可能表现为接近整数边界时截断结果变化,不能只用 1/3 截断为 0 来判断。
文档列出了 DOUBLE 支持,但没有明确这个兼容分支的内部计算精度。支持输入/输出类型并不单独构成内部全程 FP64 或逐位一致的保证;这里应把精度契约、现有性能取舍和兼容行为一并核实,避免让高精度调用方误判可获得的精度。
处理方向
mode=0 可评估保留 DOUBLE 的计算路径:RealDiv 分流会将 DOUBLE 送到 AICPU,需验证其数值、广播支持和性能。mode=1 则不能仅把 DOUBLE 加进同一个白名单就认为修复完整:后续 L0 Trunc直接启动 AiCore,公开 Trunc 类型检查也不包含 DOUBLE,还需要可用的 FP64 截断方案及支持面核查。
建议分别补充 mode=0 非整除、mode=1 正负整数边界附近、mode=2 对照,以及广播与原地调用回归;混合类型和原有整数提升策略应单独核对,避免修正本分支时改变其他类型行为。若需保留 FLOAT 兼容策略,应明确文档中的精度限制及适用范围;若采用更高精度路径,则应评估性能和既有结果兼容性。以上为源码核查,尚未独立设备复验,我们会继续确认各 mode 的精度方案。


现象
aclnnDivMod在self/other/out均为 DOUBLE 且mode=0(None,真除)时,内核将 DOUBLE 降级为 FLOAT 计算:输出与 fp32 精度结果逐位相同,与 fp64 精确值差 1e-8 量级。
同一接口
mode=2(floor)时 DOUBLE 正确(输出与 fp64 逐位相同),说明不是「A3 不支持 DOUBLE」,而是 mode=0 分支的类型提升策略丢了 DOUBLE。
三组对照(dtype=DOUBLE、mode=0):CTRL-1 输入 6/3 实测与预期均为 2(精确);
缺陷组输入 1/3 实测
0.3333333432674408、fp64 预期0.33333333333333331;CTRL-2 又为 2。实测与 fp32 逐位相同(
max|got - fp32| == 0.0);对照组精确为 0,可排除探针问题。期望
资料
math/div/docs/aclnnDivMod&aclnnInplaceDivMod.md的主参数表与npu="950"分组均将 DOUBLE 列为
self/other/out的支持类型,且未对 mode 做精度降级声明;参考文档也只对 FLOAT16/BFLOAT16 给出「精度有限」的提示(
npu="A3,910b"段),未提 DOUBLE。因此 DOUBLE + mode=0 应按 fp64 精度计算。
源码印证:
aclnn_div.cpp:240-250CompatibleInferDivModeDtype的 FLOOR 分支保留 DOUBLE,其余 mode 进白名单(不含 DOUBLE)→ 落入
DT_FLOAT。环境
Atlas A3(Ascend910_93)单 die;CANN 9.2.0;driver 26.1.1 / 固件 7.8.0.6.201;
源码基线
cann/ops-mathmaster584b2ea6(已git fetch,local 与 origin 同 sha)。复现步骤
source /usr/local/Ascend/ascend-toolkit/set_env.shrepro.cppg++ -std=c++14 -O2 -I$ASCEND_HOME_PATH/include -I$ASCEND_HOME_PATH/include/aclnnop repro.cpp -o repro -L$ASCEND_HOME_PATH/lib64 -lascendcl -lopapi -lnnopbase -lpthread./repro缺陷组的max|got-fp64|为7.947e-08;上下两组对照组均为0.000e+00复现脚本
#include <acl/acl.h> #include <aclnnop/aclnn_div.h> #include <cmath> #include <cstdio> #include <vector> #define CK(x, m) do { int _r = (x); if (_r != ACL_SUCCESS) { \ printf(" [ERR] %s ret=%d\n", m, _r); return _r; } } while (0) class Buf { public: void* p = nullptr; aclTensor* t = nullptr; ~Buf() { if (t) aclDestroyTensor(t); if (p) aclrtFree(p); } }; static int MakeF64(Buf& b, const std::vector<int64_t>& sh, const std::vector<double>& h) { size_t by = h.size() * sizeof(double); CK(aclrtMalloc(&b.p, by, ACL_MEM_MALLOC_HUGE_FIRST), "malloc"); CK(aclrtMemcpy(b.p, by, h.data(), by, ACL_MEMCPY_HOST_TO_DEVICE), "h2d"); std::vector<int64_t> st(sh.size(), 1); for (int i = (int)sh.size() - 2; i >= 0; --i) st[i] = sh[i + 1] * st[i + 1]; b.t = aclCreateTensor(sh.data(), sh.size(), ACL_DOUBLE, st.data(), 0, ACL_FORMAT_ND, sh.data(), sh.size(), b.p); return b.t ? 0 : -1; } static int One(aclrtStream s, const char* tag, const std::vector<double>& a, const std::vector<double>& b, int mode) { std::vector<int64_t> sh = {1, (int64_t)a.size()}; std::vector<double> o(a.size(), 0.0); Buf A, B, O; if (MakeF64(A, sh, a) || MakeF64(B, sh, b) || MakeF64(O, sh, o)) { printf(" [%s] SETUP_FAIL\n", tag); return -1; } uint64_t ws = 0; aclOpExecutor* ex = nullptr; int r1 = (int)aclnnDivModGetWorkspaceSize(A.t, B.t, mode, O.t, &ws, &ex); if (r1 != 0) { printf(" [%s] phase1=%d\n", tag, r1); return r1; } void* wsp = nullptr; if (ws > 0) aclrtMalloc(&wsp, ws, ACL_MEM_MALLOC_HUGE_FIRST); int r2 = (int)aclnnDivMod(wsp, ws, ex, s); int r3 = (int)aclrtSynchronizeStream(s); if (wsp) aclrtFree(wsp); if (r2 || r3) { printf(" [%s] FAIL phase2=%d sync=%d\n", tag, r2, r3); return r2 ? r2 : r3; } std::vector<double> out(a.size(), 0.0); aclrtMemcpy(out.data(), a.size() * sizeof(double), O.p, a.size() * sizeof(double), ACL_MEMCPY_DEVICE_TO_HOST); double maxd = 0.0; for (size_t i = 0; i < a.size(); ++i) { double exact = (mode == 0) ? (a[i] / b[i]) : (mode == 1) ? std::trunc(a[i] / b[i]) : std::floor(a[i] / b[i]); double d = std::fabs(out[i] - exact); if (d > maxd) maxd = d; } printf(" [%s] max|got-fp64| = %.3e\n", tag, maxd); return 0; } int main() { CK(aclInit(nullptr), "aclInit"); CK(aclrtSetDevice(0), "setDevice"); aclrtStream s = nullptr; CK(aclrtCreateStream(&s), "createStream"); One(s, "对照组 CTRL-1 fp64 可精确整除", { 6.0, 10.0, 9.0, 15.0 }, { 3.0, 5.0, 3.0, 5.0 }, 0); One(s, "缺陷组 DEFECT fp64 非整除", { 1.0, 2.0, 1.0, 10.0 }, { 3.0, 3.0, 7.0, 3.0 }, 0); One(s, "对照组 CTRL-2 fp64 可精确整除", { 6.0, 10.0, 9.0, 15.0 }, { 3.0, 5.0, 3.0, 5.0 }, 0); aclrtDestroyStream(s); aclrtResetDevice(0); aclFinalize(); return 0; }影响
以 DOUBLE 做高精度除法(科学计算、高精度归约、累加前归一化)的调用方在 mode=0 下
只能拿到 fp32 精度结果,相对误差约 6e-08;单步不显,长链累加/迭代会放大。
资料将 DOUBLE 列为支持类型且未提示降精度,调用方不会预期到这一损失。
建议
CompatibleInferDivModeDtype的非 FLOOR 分支白名单补入DT_DOUBLE;npu="A3,910b"段明确声明并给出可识别报错,而不是静默降精度;
与 #3859 的关系
#3859 报告的是 INT32/INT64 被
PromoteIntegerInputsToFloat提升到 FP32(大整数丢位)。本条是 DOUBLE 在 mode=0/1 被
CompatibleInferDivModeDtype的白名单排除、落到 FP32,属于不同函数、不同分支的两个缺陷:
输入 dtype 是 DOUBLE(#3859 是 INT32/INT64);触发条件是任何非整除比值(#3859 是 >2^24);
mode=2 不受影响(FLOOR 分支保留 DOUBLE)。影响形态也不同:#3859 是静默截断到大整数错值,
本条是静默降到 fp32 精度(相对误差 6e-08)。
修
PromoteIntegerInputsToFloat不会修好本条(反之亦然),故单独跟踪。