您好,感谢提供类型覆盖和 Ascend950 的本地验证结果。将不受 TensorFlow 支持的类型及空张量改走等价的 torch 拼接,可以作为这两份 golden 的改进方案;两条参考路径需要保持相同的 padding、块内顺序和输出 batch 排列。您列出的 12/12 与 complex32 用例结果按本地自验记录保留,目前尚未独立复验。
这里先核对一个版本差异:本次读取的 ops-math 固定提交 212ce9d5460b1be26cfbee481aff1acbf5cc5c62 中,SpaceToBatch golden 直接使用 numpy 的 pad/reshape/transpose,SpaceToBatchND golden 则使用 numpy 分块索引,尚未包含您描述的 TF 主通路和 _TF_UNSUPPORTED_DTYPES。请补充您验证时的提交号或公开分支,以及两份 golden 的改动,便于对齐当前方案。
方案核对时建议保留以下边界:
- TF 支持集合需要附 TF/torch/ml_dtypes 版本和按类型的执行结果;uint32/uint64 的可用性以该版本实测为依据。complex128 的参考实现能力与算子正式支持类型分别记录。
- BF16 与 complex32 的表示转换应保留原始 lane,核对 padding 后的类型与布局;非对称 padding、不同 block_shape 和空维都要与 TF 可执行的对照路径比较。空张量不能依赖有歧义的
reshape(-1, ...)推导。 - golden 与 third_party 都来自同一 torch 拼接时,二者一致不能单独作为独立正确性证据;建议在 TF 支持的类型上保留 TF 对照,并对不可走 TF 的类型使用可独立检查的索引/重排基准。
- 此固定提交的 SpaceToBatch 注册 仍列 9 种 value 类型,未包含 BF16、UINT32、UINT64;SpaceToBatchND 列表已包含您列的 15 种。若要宣告 SpaceToBatch 的 12 类型正式支持,需把 golden、host 注册和实际 tiling/构建支持一并对齐,不能仅凭 golden 能生成结果扩大算子支持范围。
补充版本和改动后,可据此继续评审参考路径与类型支持范围;本次不据自验记录承诺合入或发布版本。


TF 支持集合与版本实测(方案核对第 1 点)
环境版本
- tensorflow 2.21.0
- torch 2.7.1+cpu
- ml_dtypes 0.6.0
- numpy 2.2.5
确认方法:对每个 dtype 构造 4D NHWC 小输入 (1,4,4,2),block_shape=[2,2]、paddings=[[0,0],[0,0]],直接调用 tf.raw_ops.SpaceToBatchND(space_to_batch / space_to_batch_nd golden 共用原语),记录是否执行成功、输出 dtype/shape 以及失败异常。
按类型实测结果
| dtype | TF 执行 | 结果 |
|---|---|---|
| int8 / uint8 | ✅ | dtype/shape 正确 |
| int16 / uint16 | ✅ | dtype/shape 正确 |
| int32 / uint32 | ✅ | dtype/shape 正确 |
| int64 / uint64 | ✅ | dtype/shape 正确 |
| float16 / float32 / float64 | ✅ | dtype/shape 正确 |
| bfloat16 | ✅ | 需 uint16 bitcast,输出 bf16 正确 |
| bool | ❌ | NotFoundError: no kernel for DT_BOOL |
| complex64 | ❌ | NotFoundError: no kernel for DT_COMPLEX64 |
| complex128 | ❌ | NotFoundError: no kernel for DT_COMPLEX128 |
| complex32 | ⚠️ | TF 无 complex32 dtype;按 float16 双 lane 可执行,非复数语义 |
结论
- uint32/uint64 在 tf 2.21.0 实测可执行,据此移出
_TF_UNSUPPORTED_DTYPES走 TF 主通路;该依据绑定版本,TF/torch/ml_dtypes 版本变化需重新实测。 - bool/complex64/complex128 无 TF kernel,需 torch 回退;complex32 不是 TF dtype,需 torch 回退。
删除 complex128 的原因
- complex128 不是 space_to_batch / space_to_batch_nd 的算子支持类型(OpDef 中无 DT_COMPLEX128),正常用例不会进入 golden;将其留在
_TF_UNSUPPORTED_DTYPES属于不可达分支,且容易让人误以为算子支持 complex128。 - 因此
space_to_batch_nd的_TF_UNSUPPORTED_DTYPES移除了 complex128,集合收敛为“算子支持但 TF 不支持”的{bool, complex32, complex64}。 space_to_batch不支持 bool/complex32/complex64/complex128,已整体移除_TF_UNSUPPORTED_DTYPES与 golden 的 dtype 路由,golden 统一走 TF;torch 拼接仅保留为 third_party 独立参照,不再作为 golden 回退。- complex128 的 golden 参考能力与算子正式支持类型分开记录:golden 不再承诺 complex128,算子支持集合以 OpDef 为准。


golden 和 third_party同时使用一个torch接口或同一个tf接口是可以的
golden 运行前,ttk已经对数据进行了升维


一、背景信息 (必填)
ops-math 中 space_to_batch、space_to_batch_nd 的 TTK golden 参考实现(tests/assets/golden.py)以 TensorFlow(tf.raw_ops.SpaceToBatchND)为主参考通路。但 TensorFlow 对部分 dtype 不支持或仅实验支持(如 bool / complex32 / complex64),导致这些 dtype 无法稳定生成 golden,ST 覆盖受限;当前对 TF 不支持类型另用一套纯 numpy 手写实现,存在 TF / numpy 双实现语义与精度口径不一致、维护成本高的问题。
需要对 TF 不支持的类型自动回退到基于 torch 小算子的等价拼接实现(F.pad + reshape + permute),与 TF 主通路语义对齐。
二、价值/作用 (必填)
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)
TTK golden 插件(tests/assets/golden.py),适用于 Kernel / GEIR 通路;不改动算子对外接口。
3.2 总体设计
3.2.1 算子支持的数据类型
3.2.2 host侧设计
以测试资产改动为主。若 space_to_batch 需正式覆盖 uint32/uint64,需同步 op_host/space_to_batch_def.cpp 的 VALUE_DATA_TYPE_ALL 与 tiling ParamCheck 的 dtype 白名单(本地已补齐)。
3.2.3 kernel侧设计
无算子 kernel 改动。
3.3 支持硬件
在 Ascend950(arch35)完成本地验证。
3.4 算子约束限制
💡 备注(选填)
本地验证(GEIR 动态模式 -c=false -d):