Closed
[Bug-Report|缺陷反馈]: aclnnSWhere self/other 无法做数据类型推导时返回 561103,资料声明 161002(实测 561103) #4285
liuhanwen8Add on  18 days agoClosed at  7 days ago
liuhanwen8
liuhanwen8
18 days ago Create

现象

aclnnSWhere 在 self 与 other 的数据类型无法互相推导时,第一段接口返回 561103(内部错误),而资料对该场景明确写的是 161002(参数非法)。同一接口的其余三条错误码子项都正确返回 161002/161001,只有这一条落到内部错误码上。

对照(设备 npu:0,CANN 9.2.0):

输入(self / other / out) 资料声明 两段返回 说明
FLOAT / FLOAT / FLOAT 0 0 / 0 对照组:可推导
FLOAT / DOUBLE / DOUBLE 0 0 / 0 对照组:可推导(实测精度正确)
UINT16 / FLOAT / FLOAT 161002 561103 / 未执行 缺陷组:不可推导
BFLOAT16 / UINT64 / BFLOAT16 161002 561103 / 未执行 缺陷组:不可推导
UINT32 / BFLOAT16 / BFLOAT16 161002 561103 / 未执行 缺陷组:不可推导

15×15 共 225 个 dtype 组合全扫后:152 组执行成功、73 组返回 561103、0 组返回 161002。

期望

资料 math/select/docs/aclnnSWhere.md「aclnnSWhereGetWorkspaceSize → 返回值 → 错误码表」第 2 条子项(161002 下 rowspan 展开的第 2 行)原文:

「self和other无法做数据类型推导。」

而 161002 对应的返回值是 ACLNN_ERR_PARAM_INVALID。因此当 self 与 other 落在《互推导关系》表的 × 组合(UINT16/UINT32/UINT64 与其它类型)时,第一段应返回 161002,不应返回内部错误码 561103。

环境

  • 硬件:Atlas A2 训练系列(Ascend910_9362),npu-smi 26.1.1,固件 7.8.0.6.201
  • CANN:9.2.0(Ascend-cann-toolkit V100R001C12SPC001B237),openEuler 22.03 LTS-SP4 / aarch64,g++ 10.3.1
  • 仓库与提交:cann/ops-math 3e0a1f15d7ce1bc163b862c0e29af1f7410b9bb6(git ls-remote origin refs/heads/master 与本地一致)
  • 复现日期:2026-10-30

复现步骤

  1. 保存下方脚本为 repro.cpp
  2. g++ -std=c++17 -O2 repro.cpp -o repro -I$ASCEND_HOME_PATH/include -L$ASCEND_HOME_PATH/lib64 -lopapi_math -lopapi -lascendcl -lnnopbase
  3. ./repro
  4. 观察输出:期望 ret=161002,实测 ret=561103
  5. 把 self 的 dtype 改成 ACL_FLOAT 重跑,可见同一条路径返回 0(对照组)

复现脚本

#include <cstdio>
#include <vector>
#include <unistd.h>
#include "acl/acl.h"
#include "aclnnop/aclnn_s_where.h"

static size_t ESize(aclDataType dt) {
    switch (dt) {
        case ACL_FLOAT: case ACL_INT32: case ACL_UINT32: return 4;
        case ACL_DOUBLE: case ACL_INT64: case ACL_UINT64: return 8;
        case ACL_FLOAT16: case ACL_BF16: case ACL_INT16: case ACL_UINT16: return 2;
        default: return 1;
    }
}

static aclTensor* Mk(const std::vector<int64_t>& shape, aclDataType dt, void** dev) {
    int64_t n = 1;
    for (auto d : shape) n *= d;
    size_t bytes = static_cast<size_t>(n) * ESize(dt);
    aclrtMalloc(dev, bytes, ACL_MEM_MALLOC_HUGE_FIRST);
    aclrtMemset(*dev, bytes, 1, bytes);
    std::vector<int64_t> stride(shape.size(), 1);
    for (int64_t i = static_cast<int64_t>(shape.size()) - 2; i >= 0; i--)
        stride[i] = shape[i + 1] * stride[i + 1];
    return aclCreateTensor(shape.data(), shape.size(), dt, stride.data(), 0,
                           ACL_FORMAT_ND, shape.data(), shape.size(), *dev);
}

int main() {
    aclInit(nullptr);
    aclrtSetDevice(0);
    aclrtStream stream = nullptr;
    aclrtCreateStream(&stream);
    std::vector<int64_t> sh = {2, 2};
    void *dc = nullptr, *ds = nullptr, *do_ = nullptr, *dout = nullptr;
    aclTensor* cond = Mk(sh, ACL_BOOL, &dc);
    aclTensor* self = Mk(sh, ACL_UINT16, &ds);   // 与 FLOAT 在互推导表内是 ×
    aclTensor* other = Mk(sh, ACL_FLOAT, &do_);
    aclTensor* out = Mk(sh, ACL_FLOAT, &dout);
    uint64_t ws = 0;
    aclOpExecutor* exec = nullptr;
    int ret = static_cast<int>(aclnnSWhereGetWorkspaceSize(cond, self, other, out, &ws, &exec));
    printf("self=UINT16 other=FLOAT out=FLOAT -> ret=%d\n", ret);
    fflush(stdout);
    _exit(ret == 161002 ? 0 : 1);
}

实测输出:

self=UINT16 other=FLOAT out=FLOAT -> ret=561103
(进程退出码 1)

对照输出(self 改为 ACL_FLOAT):

self=FLOAT other=FLOAT out=FLOAT -> ret=0
(进程退出码 0)

影响

调用方按资料写代码时,只能用 161002 判「参数非法」并据此回退或修参;实测得到 561103(内部错误)会被当成框架级故障,触发无谓的重试、告警升级与工单,也会掩盖真正需要修参数的场景。该分支不产生输出、不损坏数据,但不满足资料承诺的错误码契约。

建议

在 math/select/op_api/aclnn_s_where.cpp 的 CheckParams 之前补一步显式推导校验:调用 op::PromoteType 后若结果为 DT_UNDEFINED,直接返回 ACLNN_ERR_PARAM_INVALID,不要放任后续 l0op::Cast 走到空指针分支;或把 l0op::Cast 失败映射回 ACLNN_ERR_PARAM_INVALID。资料侧也可一并明确「不可推导」的这 73 个组合是否都要拒绝。

likedislike
liuhanwen8liuhanwen8
18 days ago Added label: bug-report
陈思
陈思Collaborators
18 days ago Comments:

您好,感谢反馈!

问题分析

本次读取版本的 CheckParams 只校验 self、other、condition、out 各自类型是否在白名单内,以及 shape 与广播关系,没有校验 self/other 的组合是否可推导。之后的 op::PromoteType 结果直接交给两次 l0op::Cast,Cast 失败按内部空指针错误返回。这条控制流能够解释为何单个 dtype 合法、组合不可推导时绕过 161002 参数检查;您报告的 561103 仍需在对应 CANN 9.2.0 环境沿底层 Cast 返回再确认。

核查源码为 cann/ops-math@8c1f633e3679f83b55a237c552f842cdcf80462f:math/select/op_api/aclnn_s_where.cpp。

处理方向

可在调用 Cast 前显式检查推导结果是否为 DT_UNDEFINED,对不可推导的非空输入组合返回参数非法;空 tensor 的提前返回位置也需一并审视,确保错误码契约一致。Cast 的其他失败原因仍应保留内部错误语义,避免把所有执行器或分配故障统一映射成参数错误。

我们继续跟踪该问题。

likedislike
陈思陈思Collaborators
18 days ago Assign chen_0715 as responsible person
陈思陈思Collaborators
18 days ago Added label: pending-confirmation
CchenyifengCollaborators
18 days ago Assign gcw_SUaZx3UQ as responsible person
CchenyifengCollaborators
18 days ago Removed responsible person chen_0715
Zzhangqijia1Collaborators
15 days ago Associated pull request
CANN-robotCANN-robotCollaborators
7 days ago Close issue
CANN-robotCANN-robotCollaborators
7 days ago changed custom state from 进行中 to 已完成
CANN-robotCANN-robotCollaborators
7 days ago Added label: resolved