您好,感谢反馈!
问题分析
您提供的日志表明,调用在第一段的类型转换校验处返回 161002。我们核对了 cann/ops-math 提交 212ce9d5460b1be26cfbee481aff1acbf5cc5c62:A2 路径虽然分别允许这些浮点和整型类型,但随后还会执行 CheckPromoteType(self, out);这一步发生在输入 Cast 和归约之前,因此类型各自在支持列表内、dtype 与 out 一致,仍不足以通过全部参数校验。该控制流与您报告的拒绝位置一致。参数与转换校验
文档方面,算子参数表确实直接引用了《互转换关系》,而该公共说明包含浮点到整型转换;算子页也未进一步说明当前的类型组合限制,161002 表中缺少转换组合不满足校验的场景,因此这里存在文档与现有行为的对应缺口。参数说明、互转换关系、返回码说明
同时,公共说明描述的是计算结果向输出类型转换,当前算子实现会先把输入转换成 dtype 再归约,两者涉及的数值语义需要区分。例如两个 0.6 先分别转整数再求和,与先求浮点和再转整数,结果可能不同。现有分支又根据原始 self 是否为整型选择 ReduceSum,而 ReduceNansum 的 AI Core 路径只支持浮点类型,因此仅放开前置校验,还不足以形成浮点输入到整型输出的完整支持。Cast 与归约分支、ReduceNansum 类型路径
处理方向
一个可行方向是保留现有类型组合限制,在算子页明确 A2 下浮点 self 仅接受浮点 dtype/out,并补充类型组合不满足校验时返回 161002 的说明;其中 BOOL 输出也受到独立限制,不宜写成“浮点支持浮点或 BOOL 出参”。若评估扩展浮点到整型的支持,则需要同时确定转换与归约的先后顺序、NaN 置零时机、非有限值及越界值的处理,以及小整数类型的累加和回写规则,并调整相应计算分支。我们会继续确认该算子的类型契约及文档对齐方式。


现象
aclnnReduceNansumGetWorkspaceSize在self为浮点、dtype/out为整型 时第一段直接返回 161002,5 种整型 × 3 种浮点共 15 个组合全部被拒:
self\dtype=outplog 给出准确的拒绝点(
aclnn_reduce_nansum.cpp:96,对应CheckPromoteType):同一份 shape / 轴 / keepDims 只把出参换成浮点(
self=fp32, dtype=fp32)时 rc1=rc2=0 且结果正确(对照腿)。期望
资料
math/reduce_nansum/docs/aclnnReduceNansum.md的参数表写明:self的数据类型:FLOAT16、FLOAT32、INT8、INT16、INT32、INT64、UINT8、BOOL、BFLOAT16,「数据类型需和 out 的 dtype 满足可转换关系(参见互转换关系)」;
out的数据类型同上,同样引用互转换关系;dtype(返回张量所需数据类型)同样列出全部整型。它引用的
docs/zh/context/conversion_relationship.md明确写:即「浮点 → 整型」是资料承诺支持的转换。因此
self=fp32, dtype=ACL_INT32, out=int32应当rc1=0、rc2=0,结果为按 INT32 累加/回写的和,而不是 161002。
当前实现把这条通路拦在
CheckPromoteType的CanCast(self->GetDataType(), out->GetDataType()),而
CanCast对 浮点→整型 返回 false。161002 的 6 个子项(dtype 不在支持范围 / dim 越界 / dim 重复 /shape 超 8 维 / dtype≠out / out shape 不匹配)也都不覆盖这个场景,调用方无法从错误码判断真实原因。
补充观察(同一处校验,另记文档缺口,不并入本单):
dtype=BOOL只有self=bool时可用,int8..uint8 self + bool out同样 161002;互转换文档只承诺「BOOL → 整型/浮点」,未承诺反向,故那部分建议在资料里补一句约束,而不是放开实现。
环境
npu-smi26.1.1/usr/local/Ascend/cann-9.2.0,libopapi.so),openEuler,g++ 10.3.1cann/ops-math1b41503011bdc5090f45da41bac786dbbec91eba(master,CheckPromoteType未改动)复现步骤
repro_rns.cppg++ -O2 -std=c++17 repro_rns.cpp -o repro_rns -I$ASCEND_HOME_PATH/include -L$ASCEND_HOME_PATH/lib64 -lascendcl -lnnopbase -lopapi_math -lopapi./repro_rns 0(对照,dtype=ACL_FLOAT)→ 期望rc1=0 rc2=0 out=6./repro_rns 1(dtype=ACL_INT32)→ 实测rc1=161002复现脚本
#include <cstdio> #include <cmath> #include <vector> #include "acl/acl.h" #include "aclnnop/aclnn_reduce_nansum.h" #define CK(x) do { auto r = (x); if (r != ACL_SUCCESS) { printf(" %s ret=%d\n", #x, (int)r); return (int)r; } } while (0) static aclTensor* mk(const std::vector<int64_t>& sh, aclDataType dt, void* p) { 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]; return aclCreateTensor(sh.data(), sh.size(), dt, st.data(), 0, ACL_FORMAT_ND, sh.data(), sh.size(), p); } // mode 0: [2,3] -> out fp32(对照); mode 1: [2,3] -> out int32 int main(int argc, char** argv) { int mode = (argc > 1) ? atoi(argv[1]) : 0; std::vector<int64_t> sh{2, 3}; std::vector<float> h{1, 1, 1, 1, 1, 1}; aclDataType odt = (mode == 1) ? ACL_INT32 : ACL_FLOAT; void *dp = nullptr, *op = nullptr; CK(aclInit(nullptr)); int dev = 0; CK(aclrtSetDevice(dev)); aclrtStream st; CK(aclrtCreateStream(&st)); CK(aclrtMalloc(&dp, 24, ACL_MEM_MALLOC_HUGE_FIRST)); CK(aclrtMemcpy(dp, 24, h.data(), 24, ACL_MEMCPY_HOST_TO_DEVICE)); CK(aclrtMalloc(&op, 4, ACL_MEM_MALLOC_HUGE_FIRST)); aclTensor* self = mk(sh, ACL_FLOAT, dp); aclTensor* out = mk(std::vector<int64_t>{}, odt, op); int64_t ax[1] = {0}; aclIntArray* dim = aclCreateIntArray(ax, 0); // dims=[] → 全归约 uint64_t ws = 0; aclOpExecutor* ex = nullptr; int r1 = (int)aclnnReduceNansumGetWorkspaceSize(self, dim, false, odt, out, &ws, &ex); printf("mode=%d rc1=%d ", mode, r1); if (r1 != 0) { printf("\n"); return r1; } void* wp = nullptr; if (ws > 0) CK(aclrtMalloc(&wp, ws, ACL_MEM_MALLOC_HUGE_FIRST)); int r2 = (int)aclnnReduceNansum(wp, ws, ex, st); CK(aclrtSynchronizeStream(st)); if (odt == ACL_INT32) { int32_t v = 0; CK(aclrtMemcpy(&v, 4, op, 4, ACL_MEMCPY_DEVICE_TO_HOST)); printf("rc2=%d out=%d\n", r2, v); } else { float v = 0; CK(aclrtMemcpy(&v, 4, op, 4, ACL_MEMCPY_DEVICE_TO_HOST)); printf("rc2=%d out=%g\n", r2, v); } aclDestroyTensor(self); aclDestroyTensor(out); aclDestroyIntArray(dim); aclrtFree(dp); aclrtFree(op); aclrtDestroyStream(st); aclrtResetDevice(dev); aclFinalize(); return 0; }实际输出
影响与建议
self为 FP32 计算结果、要求整型和)会在第一段失败,且错误码 161002 的6 个子项都无法解释该场景,调用方会误判为「参数写错」。
CheckPromoteType对 浮点→整型 的判定改为按《互转换关系》放行(Cast 到 dtype 后再归约,
ReduceSum分支已是现成通路),并补dtype=int8/uint8的饱和语义用例;并在 161002 错误码表补一条「self 与 dtype 的转换不满足互转换关系」子项。