950支持Pdist实现
在950PR/DT上支持Pdist算子
aclnn、geir通路
FLOAT16、FLOAT32
host tiling（op_host/arch35/pdist_tiling.cpp/.h）：p 值映射 0-5 的 PBranch 分支并以 GET_TPL_TILING_KEY 编码 TilingKey；闭式 PdistFloorSum 计算 64 对任务块数 B，按核连续块域切分，MIX 发射方式计算 blockDim；tiling 数据含 N/M/B/p_val/inv_p 字段
PyPTO kernel（op_kernel/pdist.py）：m-lane row-major 布局（零转置，消除 v1 pair-lane 转置布局下 vscatter 导致的 UB bank 串行化，fp16 [8192,512] 由 963ms 优化至约 20.6ms）；M_BLK=128 分块 ping-pong 部分和累加（含 p=1/inf 分支的 NaN 计数）；按 PBranch 编译期折叠的无分支内层 m 循环；提供 fp32/fp16 双 dtype 实例（fp16 以 pl.cast 展宽至 fp32 计算、出口 CAST_RINT 收窄）
950
💡 备注（选填）
/assign
一、背景信息 （必填）
950支持Pdist实现
二、价值/作用 （必填）
在950PR/DT上支持Pdist算子
三、设计方案 （必填）
3.1 使能方式（涉及哪些框架：如Aclnn直调、Pytorch训练等）
aclnn、geir通路
3.2 总体设计
3.2.1 算子支持的数据类型
FLOAT16、FLOAT32
3.2.2 host侧设计
host tiling（op_host/arch35/pdist_tiling.cpp/.h）：p 值映射 0-5 的 PBranch 分支并以 GET_TPL_TILING_KEY 编码 TilingKey；闭式 PdistFloorSum 计算 64 对任务块数 B，按核连续块域切分，MIX 发射方式计算 blockDim；tiling 数据含 N/M/B/p_val/inv_p 字段
3.2.3 kernel侧设计
PyPTO kernel（op_kernel/pdist.py）：m-lane row-major 布局（零转置，消除 v1 pair-lane 转置布局下 vscatter 导致的 UB bank 串行化，fp16 [8192,512] 由 963ms 优化至约 20.6ms）；M_BLK=128 分块 ping-pong 部分和累加（含 p=1/inf 分支的 NaN 计数）；按 PBranch 编译期折叠的无分支内层 m 循环；提供 fp32/fp16 双 dtype 实例（fp16 以 pl.cast 展宽至 fp32 计算、出口 CAST_RINT 收窄）
3.3 支持硬件
950
3.4 算子约束限制
💡 备注（选填）