Closed
[Bug-Report|缺陷反馈]: aclnnCompressorGrad 同一 shape 类非法入参返回两种错误码(rank 越界 561002 / dtype 越界 161002) #6862
liuhanwen8Add on  18 days agoClosed at  11 days ago
liuhanwen8
liuhanwen8
18 days ago Create

[Bug-Report|缺陷反馈]: aclnnCompressorGrad 同一 shape 类非法入参返回两种错误码(rank 越界 561002 / dtype 越界 161002)

现象

同一接口、同一类「输入 shape 不在支持范围」的非法入参,返回码不统一:

  • x 的 dtype 改成不支持的类型(如 fp32)→ 第一段返回 161002
  • x 的 rank 改成 1(合法为 2 或 3)→ 第一段返回 561002

两组都是"只改一个维度、其余完全合法",返回码却分别落在 aclnn 参数校验层与 tiling 层。

期望

同类参数错误返回同一种码。x 的 rank 越界属纯形状/维度错误,资料把它归在
「输入参数的 shape(维度/尺寸)不在接口支持的范围内」,应返回 161002;
现在的 561002(ACLNN_ERR_INNER_TILING_ERROR)语义是"tiling 发生异常",会让调用方误判为内部故障。

环境

  • 硬件 Ascend 950PR(Ascend950PR_9579);CANN 9.2.0-beta.2
  • 算子仓 cann/ops-transformer,attention/compressor_grad @ 45a09b29;接口 aclnnCompressorGrad

复现步骤

  1. 构造完全合法的基线:B=1, S=4, H=1024, D=512, coff=1, cmpRatio=4,全部张量 bf16/fp32/int32 按资料。
  2. 调第一段,确认返回 0(基线自证)。
  3. 只把 x 的 rank 从 3 改成 1([1,4,1024] → [4096]),其余不变,调第一段,记录返回码。
  4. 只把 x 的 dtype 从 bf16 改成 fp32,其余不变,调第一段,记录返回码。
  5. 对比两步的返回码。

复现脚本

// g++ -std=c++17 -O2 -o repro repro.cpp -I$ASCEND_HOME_PATH/include -I$ASCEND_HOME_PATH/include/aclnnop \
//   -L$ASCEND_HOME_PATH/lib64 -lopapi -lnnopbase -lacl_rt -Wl,-rpath,$ASCEND_HOME_PATH/lib64 -Wl,--allow-shlib-undefined
#include <cstdio>
#include <vector>
#include "acl/acl.h"
#include "aclnnop/aclnn_compressor_grad.h"

static aclTensor *Mk(std::vector<int64_t> sh, aclDataType dt, void **dev) {
    int64_t n = 1; for (auto d : sh) n *= d;
    size_t esz = (dt == ACL_FLOAT) ? 4 : 2, bytes = (size_t)n * esz;
    aclrtMalloc(dev, bytes ? bytes : 2, ACL_MEM_MALLOC_HUGE_FIRST);
    std::vector<uint8_t> h(bytes ? bytes : 1, 0);
    aclrtMemcpy(*dev, bytes, h.data(), bytes, ACL_MEMCPY_HOST_TO_DEVICE);
    std::vector<int64_t> st(sh.size(), 1);
    for (int64_t i = (int64_t)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(), *dev);
}

/* mode 0=基线 1=x rank=1 2=x dtype=fp32 */
static int Run(int mode, aclrtStream s) {
    void *a = 0, *b = 0, *c = 0, *d = 0, *e = 0, *f = 0, *o1 = 0, *o2 = 0, *o3 = 0, *o4 = 0;
    aclDataType xdt = (mode == 2) ? ACL_FLOAT : ACL_BF16;
    aclTensor *x = (mode == 1) ? Mk({4096}, xdt, &a) : Mk({1, 4, 1024}, xdt, &a);
    aclTensor *wkv = Mk({512, 1024}, ACL_BF16, &b);
    aclTensor *wgate = Mk({512, 1024}, ACL_BF16, &c);
    aclTensor *dck = Mk({1, 1, 512}, ACL_BF16, &d);
    aclTensor *sm = Mk({1, 1, 4, 512}, ACL_FLOAT, &e);
    aclTensor *kv = Mk({1, 1, 4, 512}, ACL_FLOAT, &f);
    aclTensor *ox = Mk({1, 4, 1024}, ACL_BF16, &o1);
    aclTensor *owkv = Mk({512, 1024}, ACL_BF16, &o2);
    aclTensor *owgate = Mk({512, 1024}, ACL_BF16, &o3);
    aclTensor *oape = Mk({4, 512}, ACL_FLOAT, &o4);
    uint64_t ws = 0; aclOpExecutor *ex = nullptr;
    aclnnStatus r = aclnnCompressorGradGetWorkspaceSize(x, wkv, wgate, dck, sm, kv, nullptr, nullptr,
                                                        nullptr, 4, 1, ox, owkv, owgate, oape, &ws, &ex);
    (void)s;
    return (int)r;
}

int main() {
    aclInit(nullptr); aclrtSetDevice(0);
    aclrtStream s = nullptr; aclrtCreateStream(&s);
    printf("[对照组 CTRL 合法基线] GetWorkspaceSize = %d\n", Run(0, s));
    printf("[缺陷组 DEFECT-A x rank=1] GetWorkspaceSize = %d\n", Run(1, s));
    printf("[缺陷组 DEFECT-B x dtype=fp32] GetWorkspaceSize = %d\n", Run(2, s));
    aclrtDestroyStream(s); aclrtResetDevice(0); aclFinalize();
    return 0;
}

实测输出:

[对照组 CTRL 合法基线] GetWorkspaceSize = 0
[缺陷组 DEFECT-A x rank=1] GetWorkspaceSize = 561002
[缺陷组 DEFECT-B x dtype=fp32] GetWorkspaceSize = 161002

影响

  • 调用方按资料写的错误处理(161002 → 参数错误、提示用户改 shape)在 rank 越界时收不到,
    拿到的是 561002(内部 tiling 故障),会被归到"算子内部错误"上报,掩盖真实的参数问题。
  • 同一个 x 的参数错误,改 rank 与改 dtype 走两条不同路径,排查时需要先分辨是哪一层拦的。

建议

把 CheckSingleParaX 里的 rank 校验(CheckDimNumSupport,目前只在 tiling 阶段执行)
上一份到 aclnn 参数校验层,与 dtype 校验同层返回 161002;
或统一在 tiling 层返回并在资料错误码表里写明"shape/rank/dtype 一律 561002"。

顺带:资料未说明 161002 与 561002 的校验分层(见同批的文档类 issue),
两处一致性应以实现为准补齐一处。

同族参考(不重复,差异已核):

  • #6833「aclnnQuantCompressor 23 类非法 shape/attr 返回 561002」:同仓同族算子,
    机理相同(校验前移到 tiling),但出问题的函数是各自的 quant_compressor_tiling.cpp,
    本单是 compressor_grad_tiling.cpp 的 CheckSingleParaX,属独立实现,修一处不覆盖另一处。
  • #6688「aclnnMoeGatingTopKBackward rank/shape 违例返回 561002」:同样是 rank/shape 越界落 561002,
    但接口与实现均不同。
  • #6844、#6822:同接口族的"第一段校验缺项",本文是码不一致而非漏校验,不重复。

三单合计说明这是族级/仓级共性问题,建议在公共校验层统一 rank/dtype 的返回码。

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

您好,感谢提供完整的对照用例和实测结果。

问题分析

您报告的结果表明,在 Ascend 950PR、CANN 9.2.0-beta.2 环境中,合法基线返回 0;仅将 x 改为一维时,aclnnCompressorGradGetWorkspaceSize 返回 561002;仅将 x 改为 fp32 时则返回 161002。这会影响调用方区分非法输入与内部执行准备失败,您指出的错误分类问题值得进一步确认。

rank 和 dtype 分别属于维度约束与类型约束,但都属于输入参数检查。算子定义中,x 的类型范围确实仅包含 bf16 和 fp16,不包含 fp32。至于 rank 校验是否仅在 tiling 阶段执行,以及内部检查失败如何转换为公开接口的 561002,现有证据尚不足以确认完整路径;这部分仍需结合您报告版本的第一段实现和错误码映射确认。

处理方向

如果该接口约定将不支持的 rank 归为 161002,一个可行方向是在第一段参数检查中增加 x 的 rank 校验,在进入依赖维度的处理前拦截非法输入。该检查应与算子支持的二维、三维输入规则保持一致,并保留 tiling 层必要的防御性检查,避免两处规则后续出现差异。

不建议仅为统一数值而把 dtype 错误也改为 561002:这会改变现有参数错误的分类,并可能影响调用方已有的错误处理。文档也应明确参数错误与 tiling 错误的适用范围,而不是仅按触发检查的阶段解释错误码。

本单可以聚焦 aclnnCompressorGrad 的返回码问题;其他算子的类似报告可作为共性评估的参考,但不能据此认定修复一处即可覆盖同族接口。我们会继续确认本接口的校验路径及错误码约定。

likedislike
周云飞
周云飞Collaborators
17 days ago Comments:

/assign @wangss21

likedislike
CANN-robotCANN-robotCollaborators
17 days ago Assign wangss21 as responsible person
CANN-robotCANN-robotCollaborators
11 days ago Close issue
CANN-robotCANN-robotCollaborators
11 days ago Added label: resolved
周云飞
周云飞Collaborators
6 days ago Comments:

处置结果

已更新 aclnnCompressorGrad 的错误码说明。第一段接口中,dtype 超出支持范围由 ACLNN 参数校验返回 161002,rank 或 shape 不满足约束而在 tiling 阶段失败时返回 561002。本项通过文档明确两类返回码的来源。

变更已合入 master,详见 PR #15124。

likedislike