| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
feat: AddV2 算子 Ascend950 arch35 regbase 实现（无 aclnn 接口） Co-authored-by: raoliang_sac<raoliang4@huawei.com> # message auto-generated for no-merge-commit merge: !4362 merge add-v2-arch35-no-aclnn into master feat: AddV2 算子 Ascend950 arch35 regbase 实现（无 aclnn 接口） Created-by: raoliang_sac Commit-by: raoliang_sac Merged-by: cann-robot Description: ## 描述 在 math/add_v2/ 新建 AddV2 算子，实现 Ascend950 (arch35) regbase 版本的逐元素加法。基于 atvoss broadcast DAG 框架，支持 11 种 dtype（含 4 种混合精度组合），共 15 个预编译 binary。算子仅支持图模式调用，不提供 aclnn 接口。 ### 改动原因 ops-math 仓缺少 AddV2 算子的 Ascend950 (arch35) 实现。本 PR 在 math/add_v2/ 新建算子，仅包含 950 arch35 regbase 实现。 ### 改动方法 - op_host: def（单一 950 配置）、infershape（broadcast）、arch35 tiling（BroadcastBaseTiling 框架分发） - op_kernel/arch35: kernel entry（BroadcastSch）、dag（4 种 Compute: AddWithoutCast/AddWithCast/AddMixDtype/AddBool）、struct（tiling key 声明） - op_graph: proto.h（REG_OP(AddV2)）、graph_infer（类型提升推导 PromoteType 查表） - tests/assets/golden.py: kernel 模式 golden（bool 语义 logical_or） - CMakeLists.txt: ACLNNTYPE 配置为 aclnn_exclude，不生成 aclnn 接口 - tiling 校验使用 OP_LOGE_FOR_INVALID_* 结构化宏 ### 产品支持情况 - Ascend 950PR/950DT: 本 PR 实现 - A2/A3/推理/训练系列: 通过 canndev Add 算子复用支持（tf_plugin 将 AddV2 映射到 Add） ## 关联的Issue - #2379 ## 测试 - TTK kernel 990/990 precision PASS - 三方性能 200/200 全部达标 - ophost UT 21/21 PASS（覆盖全部 11 种 dtype） - run_example graph 模式 PASS ## 文档更新 - README.md: 算子对外资料（产品支持情况、参数说明、约束说明、调用说明） ## 类型标签 - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： See merge request: cann/ops-math!4362 | 1 个月前 | |
fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Co-authored-by: raoliang_sac<raoliang4@huawei.com> Co-authored-by: Claude<noreply@anthropic.com> # message auto-generated for no-merge-commit merge: !4505 merge fix/review-and-issue-4553 into master fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Created-by: raoliang_sac Commit-by: raoliang_sac;Claude Merged-by: cann-robot Description: ## 描述 本 PR 包含三部分改动，均针对 conversion/tensor_redirect 与 math/add_v2 两个新增算子。 ### 一、TensorRedirect 对齐 issue #4553 的两条交付件规范 issue 提出两条要求，TensorRedirect **两条都不满足**： 1. **InferDataType 须交付在 op_graph 目录**（仅图场景使用）；InferShape 图与算子双用，保留在 op_host。 - 原实现把 InferDataType4TensorRedirect 和 InferShape 一起注册在 op_host/tensor_redirect_infershape.cpp。 - 现新增 op_graph/tensor_redirect_graph_infer.cpp 承载 InferDataType，op_host 只保留 IMPL_OP_INFERSHAPE(TensorRedirect).InferShape(...)。 - 顺带修复：InferDataType 原先丢弃 SetOutputDataType 返回值无条件返回 SUCCESS，现改为透传。 2. **原型从 legacy 挪出后须补防重定义宏**。 - canndev ops/built-in/op_proto/inc/ops_proto_legacy.h:13857 确实存在 REG_OP(TensorRedirect)，且已用 OPS_PROTO_DEF_TENSORREDIRECT 包裹；本仓 op_graph/tensor_redirect_proto.h 无守卫。 - 已实测：构造同时包含两份定义的 TU，加守卫前报 error: redefinition of 'class ge::op::TensorRedirect'，加守卫后编译通过。 - 现补同名守卫 OPS_PROTO_DEF_TENSORREDIRECT，与 legacy 侧配对。 > AddV2 这两条**本来就满足**，未作改动：InferDataType 一直在 op_graph/add_v2_graph_infer.cpp；AddV2 不在 ops_proto_legacy.h 中（仅在 elewise_calculation_ops.h），按 issue 条件不需要加守卫。 **两个算子的 REG_OP 均未改动**，与 canndev 保持逐字符一致（忽略空白后比对：AddV2 vs elewise_calculation_ops.h:1390；TensorRedirect vs elewise_calculation_ops.h:3779 及 ops_proto_legacy.h:13857）。 ### 二、代码检视报告问题修复 | 级别 | 问题 | 修复 | |---|---|---| | P1 | TensorRedirect Tiling 不拒绝负维与 shape 乘积溢出，负 numel 可穿透到 DoTiling 产生 usedCoreNum == 0 / SetBlockDim(0) | 逐维拒绝 < 0；GetShapeSize() 后拦截溢出哨兵 kInvalidDimValue，且置于 numel == 0 判断之前 | | P1 | TensorRedirect PrecisionReduceFlag(true) 与 bit-exact 语义冲突：allow_mix_precision 下允许把 FP32 节点降为 FP16，破坏 README 声明的逐 bit 相等（含负零 / NaN payload / 非规格化数） | 改为 PrecisionReduceFlag(false) | | P1 | AddV2 注册的 4 个混合 dtype 组合在 GE 图通路上不可达 | 删除，详见下 | | P2 | 文档与实现不一致 | docs/zh/op_list.md 删除 add_v2 已不存在的 bool logical_or 声明；README 删除混合精度组合表 | **关于 AddV2 的 4 个混合 dtype 组合（FP16+FP32、FP32+FP16、BF16+FP32、FP32+BF16）：** canonical AddV2 契约要求 x1/x2 同 dtype —— canndev ops/built-in/op_proto/elewise_calculation_ops.cc:475 的 AddV2Verify 调用 CheckTwoInputDtypeSame，原型注释也写明 x2: A tensor of the same dtype as "x1"。既然本仓 REG_OP 与 canndev 保持一致，OpDef 里注册异类型组合就与自身原型契约矛盾。 已实测复现：FP16+FP32 离线构图被 Verifier 拒绝（The AddV2_0 op dtype is not same, type1:DT_FLOAT16, type2:DT_FLOAT），FP16+FP16 对照组构图成功。本算子无 ACLNN，因此这 4 个已编译 binary 对公开调用方实际不可达。 删除范围（REG_OP 不动）： - add_v2_def.cpp：x1/x2/y 的 DataType 列表 13 → 9 组同 dtype，ADD_V2_FORMAT_LIST 同步收缩 - add_v2_binary.json：删除 4 个混合 binary，13 → 9 - add_v2_graph_infer.cpp：删除 34×34 类型提升表，InferDataType 改为 y 与 x1 同 dtype，并显式拒绝异类型输入 - add_v2_tiling_arch35.cpp：IsMixedDtype 与 4 个混合分支改为 CheckDtype 前置校验 - add_v2.cpp / add_v2_dag.h：删除 isMixDtype 分支与 AddMixDtypeCompute 模板 - tests/assets/golden.py：删除已不注册的 bool logical_or 死分支；对异类型输入直接抛错，避免静默按 x1.dtype 生成错误标杆 ### 三、AddV2 支持空 Tensor 上板回归时补的空张量用例暴露出一个既有能力缺口：**AddV2 对 numel == 0 的输入一律 OPTILING_FAILURE**，9 种 dtype × 4 种空场景 36/36 全挂。根因是 ATVOSS 的 BroadcastBaseTiling 在合轴之后显式拒绝 0 元素（broadcast_tiling.h 的 "tensor check is empty, check failed"），空 Tensor 根本落不到 DoTiling。 > 对比：同批提交的 TensorRedirect 本来就支持（Tiling 里有 HandleEmptyTensor 早返回，README 也声明了"支持空Tensor"）。AddV2 此前既没实现也没声明。 按 math/select 的既有惯例另开一条自定义模板分支承接： - add_v2_struct_arch35.h：新增 userDef 模板键（0 常规 / 1 空 Tensor），空分支复用 BRC_TEMP_SCH_CUSTOM_MODE_KEY_SEL 的 schMode 999；并补 AddV2EmptyTilingData —— opc 靠 kernel 里的 GET_TILING_DATA_WITH_STRUCT 反推每个模板实例的 tiling 结构体大小，自定义分支不引用任何结构体会导致编译期 tiling_struct_size 未定义。 - add_v2.cpp：kernel 增加 userDef 模板参数，userDef == 1 时直接返回。 - add_v2_tiling_arch35.cpp：抽出 SetWorkspace()，新增 HandleEmptyTensor()；按输出 y 的元素数判空，blockDim = 1、tilingKey 走自定义分支。判空**之前**先拦截 GetShapeSize() 的溢出哨兵（负值），否则负的 numel 会被当成非空穿透到 DoTiling。 - 常规通路的 tilingKey 统一补 userDef = 0，编码后取值不变（仍为 8），原有 UT 的 expectTilingKey 无需调整。 ## 关联的Issue - https://gitcode.com/cann/ops-nn/issues/4553 —— INTrainingReduceV2 / NormalizeBBox / SGD 原型重定义与 inferdatatype 放置问题（本 PR 按同一规范修正 ops-math 侧的 TensorRedirect） ## 测试 ### 单元测试 - ./build.sh -u --ophost --soc=ascend950 --ops=add_v2：**22/22 通过**（10 条 tiling，含新增 4 条空 Tensor；12 条 infershape）。 - op_host 全量 UT 75/75 通过（前两个 commit 时验证）。 ### 上板回归（Ascend950PR，TTK kernel 模式） 全部以 --binary-only（-d=false -b=release）+ --pc=1 串行执行，**只采信 BIN_* 列**（bin_compile_s = BINARY_MATCH 才算真正匹配到部署的 .o，而非 JIT 现编兜底）。 | 算子 | 用例数 | BINARY_MATCH | 精度通过率 | |---|---:|---:|---:| | AddV2 | 1735 | 1735 | **100.00%** | | TensorRedirect | 900 | 900 | **100.00%** | | **合计** | **2635** | **2635** | **100.00%** | 其中 36 条空 Tensor 用例全部 BINARY_MATCH + 100%，tiling_key = 65550 (0x1000e)、block_dim = 1，确认走的是新增的自定义分支（改动前为 36/36 INVALID_TILING）。 ### 负向对照 add_v2_removed_mixed_dtype.csv 12 条（已删除的 4 组混合 dtype）如期 **全部 BINARY_MATCH_FAILURE**。历史交付件里这 4 组是 BINARY_MATCH + 100% PASS —— 前后翻转，可作为"部署的确实是本 PR 代码"的直接证据。 ### 编译 - ./build.sh --pkg --soc=ascend950 --ops=add_v2,tensor_redirect：AddV2 产出 **9** 个 binary（原 13），TensorRedirect **4** 个，无残留混合 dtype binary。 - 原型防重定义：构造同时包含 legacy 与本仓两份 REG_OP(TensorRedirect) 的 TU，加守卫前编译失败、加守卫后通过。 ### 需要评审者注意的测试局限（如实说明） 1. 本 PR 为 TensorRedirect 新增的 4 个负维 / 溢出 UT，**在打补丁前也是通过的** —— 当前 UT faker 构造这类 context 时本就返回 GRAPH_FAILED（并非因为走到了新增的显式校验）。这些用例锁定了契约，但**不能证明新增守卫本身生效**；真实 GE 通路的行为需由 GEIR 测试覆盖。 2. 两个算子的 InferDataType **均无单元覆盖** —— 仓内 UT harness 只有 InferShape executor，没有 InferDataType 的对应设施，本 PR 未为此新造 harness。AddV2 新增的"x1/x2 异类型返回 GRAPH_FAILED"这条也因此未被测到。 3. TensorRedirect 的 900 条回归是在**前一版**代码上跑的，本次 AddV2 改动后未复跑。依据：conversion/tensor_redirect 源码相对该版本零改动，且重新编译产出的 4 个 binary 配置 json 与已部署版本**逐字段一致**（仅豁免随构建变化的 sha256；.o 本身构建不可复现，MD5 不具可比性）。 4. 性能仅有 TTK 采集的 cycle 数，未做三方对标。 ## 文档更新 - math/add_v2/README.md：删除混合精度组合表；x2/y 描述改为"与 x1 一致"；约束说明补充"输入 x1 和 x2 的数据类型需相同" - docs/zh/op_list.md：删除 add_v2 条目中已不存在的"bool 输入按 logical_or 处理"；描述补充"支持空Tensor" - math/add_v2/README.md：约束说明补充"支持空Tensor。当输出y的元素个数为0时，算子不下发有效计算，直接返回成功。" ## 类型标签 <!-- [x] 表示选中 --> - [x] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x] 文档更新 - [x] 其他，请描述：交付件目录规范对齐（issue #4553）、删除不可达的 dtype 注册组合 See merge request: cann/ops-math!4505 | 1 个月前 | |
fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Co-authored-by: raoliang_sac<raoliang4@huawei.com> Co-authored-by: Claude<noreply@anthropic.com> # message auto-generated for no-merge-commit merge: !4505 merge fix/review-and-issue-4553 into master fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Created-by: raoliang_sac Commit-by: raoliang_sac;Claude Merged-by: cann-robot Description: ## 描述 本 PR 包含三部分改动，均针对 conversion/tensor_redirect 与 math/add_v2 两个新增算子。 ### 一、TensorRedirect 对齐 issue #4553 的两条交付件规范 issue 提出两条要求，TensorRedirect **两条都不满足**： 1. **InferDataType 须交付在 op_graph 目录**（仅图场景使用）；InferShape 图与算子双用，保留在 op_host。 - 原实现把 InferDataType4TensorRedirect 和 InferShape 一起注册在 op_host/tensor_redirect_infershape.cpp。 - 现新增 op_graph/tensor_redirect_graph_infer.cpp 承载 InferDataType，op_host 只保留 IMPL_OP_INFERSHAPE(TensorRedirect).InferShape(...)。 - 顺带修复：InferDataType 原先丢弃 SetOutputDataType 返回值无条件返回 SUCCESS，现改为透传。 2. **原型从 legacy 挪出后须补防重定义宏**。 - canndev ops/built-in/op_proto/inc/ops_proto_legacy.h:13857 确实存在 REG_OP(TensorRedirect)，且已用 OPS_PROTO_DEF_TENSORREDIRECT 包裹；本仓 op_graph/tensor_redirect_proto.h 无守卫。 - 已实测：构造同时包含两份定义的 TU，加守卫前报 error: redefinition of 'class ge::op::TensorRedirect'，加守卫后编译通过。 - 现补同名守卫 OPS_PROTO_DEF_TENSORREDIRECT，与 legacy 侧配对。 > AddV2 这两条**本来就满足**，未作改动：InferDataType 一直在 op_graph/add_v2_graph_infer.cpp；AddV2 不在 ops_proto_legacy.h 中（仅在 elewise_calculation_ops.h），按 issue 条件不需要加守卫。 **两个算子的 REG_OP 均未改动**，与 canndev 保持逐字符一致（忽略空白后比对：AddV2 vs elewise_calculation_ops.h:1390；TensorRedirect vs elewise_calculation_ops.h:3779 及 ops_proto_legacy.h:13857）。 ### 二、代码检视报告问题修复 | 级别 | 问题 | 修复 | |---|---|---| | P1 | TensorRedirect Tiling 不拒绝负维与 shape 乘积溢出，负 numel 可穿透到 DoTiling 产生 usedCoreNum == 0 / SetBlockDim(0) | 逐维拒绝 < 0；GetShapeSize() 后拦截溢出哨兵 kInvalidDimValue，且置于 numel == 0 判断之前 | | P1 | TensorRedirect PrecisionReduceFlag(true) 与 bit-exact 语义冲突：allow_mix_precision 下允许把 FP32 节点降为 FP16，破坏 README 声明的逐 bit 相等（含负零 / NaN payload / 非规格化数） | 改为 PrecisionReduceFlag(false) | | P1 | AddV2 注册的 4 个混合 dtype 组合在 GE 图通路上不可达 | 删除，详见下 | | P2 | 文档与实现不一致 | docs/zh/op_list.md 删除 add_v2 已不存在的 bool logical_or 声明；README 删除混合精度组合表 | **关于 AddV2 的 4 个混合 dtype 组合（FP16+FP32、FP32+FP16、BF16+FP32、FP32+BF16）：** canonical AddV2 契约要求 x1/x2 同 dtype —— canndev ops/built-in/op_proto/elewise_calculation_ops.cc:475 的 AddV2Verify 调用 CheckTwoInputDtypeSame，原型注释也写明 x2: A tensor of the same dtype as "x1"。既然本仓 REG_OP 与 canndev 保持一致，OpDef 里注册异类型组合就与自身原型契约矛盾。 已实测复现：FP16+FP32 离线构图被 Verifier 拒绝（The AddV2_0 op dtype is not same, type1:DT_FLOAT16, type2:DT_FLOAT），FP16+FP16 对照组构图成功。本算子无 ACLNN，因此这 4 个已编译 binary 对公开调用方实际不可达。 删除范围（REG_OP 不动）： - add_v2_def.cpp：x1/x2/y 的 DataType 列表 13 → 9 组同 dtype，ADD_V2_FORMAT_LIST 同步收缩 - add_v2_binary.json：删除 4 个混合 binary，13 → 9 - add_v2_graph_infer.cpp：删除 34×34 类型提升表，InferDataType 改为 y 与 x1 同 dtype，并显式拒绝异类型输入 - add_v2_tiling_arch35.cpp：IsMixedDtype 与 4 个混合分支改为 CheckDtype 前置校验 - add_v2.cpp / add_v2_dag.h：删除 isMixDtype 分支与 AddMixDtypeCompute 模板 - tests/assets/golden.py：删除已不注册的 bool logical_or 死分支；对异类型输入直接抛错，避免静默按 x1.dtype 生成错误标杆 ### 三、AddV2 支持空 Tensor 上板回归时补的空张量用例暴露出一个既有能力缺口：**AddV2 对 numel == 0 的输入一律 OPTILING_FAILURE**，9 种 dtype × 4 种空场景 36/36 全挂。根因是 ATVOSS 的 BroadcastBaseTiling 在合轴之后显式拒绝 0 元素（broadcast_tiling.h 的 "tensor check is empty, check failed"），空 Tensor 根本落不到 DoTiling。 > 对比：同批提交的 TensorRedirect 本来就支持（Tiling 里有 HandleEmptyTensor 早返回，README 也声明了"支持空Tensor"）。AddV2 此前既没实现也没声明。 按 math/select 的既有惯例另开一条自定义模板分支承接： - add_v2_struct_arch35.h：新增 userDef 模板键（0 常规 / 1 空 Tensor），空分支复用 BRC_TEMP_SCH_CUSTOM_MODE_KEY_SEL 的 schMode 999；并补 AddV2EmptyTilingData —— opc 靠 kernel 里的 GET_TILING_DATA_WITH_STRUCT 反推每个模板实例的 tiling 结构体大小，自定义分支不引用任何结构体会导致编译期 tiling_struct_size 未定义。 - add_v2.cpp：kernel 增加 userDef 模板参数，userDef == 1 时直接返回。 - add_v2_tiling_arch35.cpp：抽出 SetWorkspace()，新增 HandleEmptyTensor()；按输出 y 的元素数判空，blockDim = 1、tilingKey 走自定义分支。判空**之前**先拦截 GetShapeSize() 的溢出哨兵（负值），否则负的 numel 会被当成非空穿透到 DoTiling。 - 常规通路的 tilingKey 统一补 userDef = 0，编码后取值不变（仍为 8），原有 UT 的 expectTilingKey 无需调整。 ## 关联的Issue - https://gitcode.com/cann/ops-nn/issues/4553 —— INTrainingReduceV2 / NormalizeBBox / SGD 原型重定义与 inferdatatype 放置问题（本 PR 按同一规范修正 ops-math 侧的 TensorRedirect） ## 测试 ### 单元测试 - ./build.sh -u --ophost --soc=ascend950 --ops=add_v2：**22/22 通过**（10 条 tiling，含新增 4 条空 Tensor；12 条 infershape）。 - op_host 全量 UT 75/75 通过（前两个 commit 时验证）。 ### 上板回归（Ascend950PR，TTK kernel 模式） 全部以 --binary-only（-d=false -b=release）+ --pc=1 串行执行，**只采信 BIN_* 列**（bin_compile_s = BINARY_MATCH 才算真正匹配到部署的 .o，而非 JIT 现编兜底）。 | 算子 | 用例数 | BINARY_MATCH | 精度通过率 | |---|---:|---:|---:| | AddV2 | 1735 | 1735 | **100.00%** | | TensorRedirect | 900 | 900 | **100.00%** | | **合计** | **2635** | **2635** | **100.00%** | 其中 36 条空 Tensor 用例全部 BINARY_MATCH + 100%，tiling_key = 65550 (0x1000e)、block_dim = 1，确认走的是新增的自定义分支（改动前为 36/36 INVALID_TILING）。 ### 负向对照 add_v2_removed_mixed_dtype.csv 12 条（已删除的 4 组混合 dtype）如期 **全部 BINARY_MATCH_FAILURE**。历史交付件里这 4 组是 BINARY_MATCH + 100% PASS —— 前后翻转，可作为"部署的确实是本 PR 代码"的直接证据。 ### 编译 - ./build.sh --pkg --soc=ascend950 --ops=add_v2,tensor_redirect：AddV2 产出 **9** 个 binary（原 13），TensorRedirect **4** 个，无残留混合 dtype binary。 - 原型防重定义：构造同时包含 legacy 与本仓两份 REG_OP(TensorRedirect) 的 TU，加守卫前编译失败、加守卫后通过。 ### 需要评审者注意的测试局限（如实说明） 1. 本 PR 为 TensorRedirect 新增的 4 个负维 / 溢出 UT，**在打补丁前也是通过的** —— 当前 UT faker 构造这类 context 时本就返回 GRAPH_FAILED（并非因为走到了新增的显式校验）。这些用例锁定了契约，但**不能证明新增守卫本身生效**；真实 GE 通路的行为需由 GEIR 测试覆盖。 2. 两个算子的 InferDataType **均无单元覆盖** —— 仓内 UT harness 只有 InferShape executor，没有 InferDataType 的对应设施，本 PR 未为此新造 harness。AddV2 新增的"x1/x2 异类型返回 GRAPH_FAILED"这条也因此未被测到。 3. TensorRedirect 的 900 条回归是在**前一版**代码上跑的，本次 AddV2 改动后未复跑。依据：conversion/tensor_redirect 源码相对该版本零改动，且重新编译产出的 4 个 binary 配置 json 与已部署版本**逐字段一致**（仅豁免随构建变化的 sha256；.o 本身构建不可复现，MD5 不具可比性）。 4. 性能仅有 TTK 采集的 cycle 数，未做三方对标。 ## 文档更新 - math/add_v2/README.md：删除混合精度组合表；x2/y 描述改为"与 x1 一致"；约束说明补充"输入 x1 和 x2 的数据类型需相同" - docs/zh/op_list.md：删除 add_v2 条目中已不存在的"bool 输入按 logical_or 处理"；描述补充"支持空Tensor" - math/add_v2/README.md：约束说明补充"支持空Tensor。当输出y的元素个数为0时，算子不下发有效计算，直接返回成功。" ## 类型标签 <!-- [x] 表示选中 --> - [x] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x] 文档更新 - [x] 其他，请描述：交付件目录规范对齐（issue #4553）、删除不可达的 dtype 注册组合 See merge request: cann/ops-math!4505 | 1 个月前 | |
fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Co-authored-by: raoliang_sac<raoliang4@huawei.com> Co-authored-by: Claude<noreply@anthropic.com> # message auto-generated for no-merge-commit merge: !4505 merge fix/review-and-issue-4553 into master fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Created-by: raoliang_sac Commit-by: raoliang_sac;Claude Merged-by: cann-robot Description: ## 描述 本 PR 包含三部分改动，均针对 conversion/tensor_redirect 与 math/add_v2 两个新增算子。 ### 一、TensorRedirect 对齐 issue #4553 的两条交付件规范 issue 提出两条要求，TensorRedirect **两条都不满足**： 1. **InferDataType 须交付在 op_graph 目录**（仅图场景使用）；InferShape 图与算子双用，保留在 op_host。 - 原实现把 InferDataType4TensorRedirect 和 InferShape 一起注册在 op_host/tensor_redirect_infershape.cpp。 - 现新增 op_graph/tensor_redirect_graph_infer.cpp 承载 InferDataType，op_host 只保留 IMPL_OP_INFERSHAPE(TensorRedirect).InferShape(...)。 - 顺带修复：InferDataType 原先丢弃 SetOutputDataType 返回值无条件返回 SUCCESS，现改为透传。 2. **原型从 legacy 挪出后须补防重定义宏**。 - canndev ops/built-in/op_proto/inc/ops_proto_legacy.h:13857 确实存在 REG_OP(TensorRedirect)，且已用 OPS_PROTO_DEF_TENSORREDIRECT 包裹；本仓 op_graph/tensor_redirect_proto.h 无守卫。 - 已实测：构造同时包含两份定义的 TU，加守卫前报 error: redefinition of 'class ge::op::TensorRedirect'，加守卫后编译通过。 - 现补同名守卫 OPS_PROTO_DEF_TENSORREDIRECT，与 legacy 侧配对。 > AddV2 这两条**本来就满足**，未作改动：InferDataType 一直在 op_graph/add_v2_graph_infer.cpp；AddV2 不在 ops_proto_legacy.h 中（仅在 elewise_calculation_ops.h），按 issue 条件不需要加守卫。 **两个算子的 REG_OP 均未改动**，与 canndev 保持逐字符一致（忽略空白后比对：AddV2 vs elewise_calculation_ops.h:1390；TensorRedirect vs elewise_calculation_ops.h:3779 及 ops_proto_legacy.h:13857）。 ### 二、代码检视报告问题修复 | 级别 | 问题 | 修复 | |---|---|---| | P1 | TensorRedirect Tiling 不拒绝负维与 shape 乘积溢出，负 numel 可穿透到 DoTiling 产生 usedCoreNum == 0 / SetBlockDim(0) | 逐维拒绝 < 0；GetShapeSize() 后拦截溢出哨兵 kInvalidDimValue，且置于 numel == 0 判断之前 | | P1 | TensorRedirect PrecisionReduceFlag(true) 与 bit-exact 语义冲突：allow_mix_precision 下允许把 FP32 节点降为 FP16，破坏 README 声明的逐 bit 相等（含负零 / NaN payload / 非规格化数） | 改为 PrecisionReduceFlag(false) | | P1 | AddV2 注册的 4 个混合 dtype 组合在 GE 图通路上不可达 | 删除，详见下 | | P2 | 文档与实现不一致 | docs/zh/op_list.md 删除 add_v2 已不存在的 bool logical_or 声明；README 删除混合精度组合表 | **关于 AddV2 的 4 个混合 dtype 组合（FP16+FP32、FP32+FP16、BF16+FP32、FP32+BF16）：** canonical AddV2 契约要求 x1/x2 同 dtype —— canndev ops/built-in/op_proto/elewise_calculation_ops.cc:475 的 AddV2Verify 调用 CheckTwoInputDtypeSame，原型注释也写明 x2: A tensor of the same dtype as "x1"。既然本仓 REG_OP 与 canndev 保持一致，OpDef 里注册异类型组合就与自身原型契约矛盾。 已实测复现：FP16+FP32 离线构图被 Verifier 拒绝（The AddV2_0 op dtype is not same, type1:DT_FLOAT16, type2:DT_FLOAT），FP16+FP16 对照组构图成功。本算子无 ACLNN，因此这 4 个已编译 binary 对公开调用方实际不可达。 删除范围（REG_OP 不动）： - add_v2_def.cpp：x1/x2/y 的 DataType 列表 13 → 9 组同 dtype，ADD_V2_FORMAT_LIST 同步收缩 - add_v2_binary.json：删除 4 个混合 binary，13 → 9 - add_v2_graph_infer.cpp：删除 34×34 类型提升表，InferDataType 改为 y 与 x1 同 dtype，并显式拒绝异类型输入 - add_v2_tiling_arch35.cpp：IsMixedDtype 与 4 个混合分支改为 CheckDtype 前置校验 - add_v2.cpp / add_v2_dag.h：删除 isMixDtype 分支与 AddMixDtypeCompute 模板 - tests/assets/golden.py：删除已不注册的 bool logical_or 死分支；对异类型输入直接抛错，避免静默按 x1.dtype 生成错误标杆 ### 三、AddV2 支持空 Tensor 上板回归时补的空张量用例暴露出一个既有能力缺口：**AddV2 对 numel == 0 的输入一律 OPTILING_FAILURE**，9 种 dtype × 4 种空场景 36/36 全挂。根因是 ATVOSS 的 BroadcastBaseTiling 在合轴之后显式拒绝 0 元素（broadcast_tiling.h 的 "tensor check is empty, check failed"），空 Tensor 根本落不到 DoTiling。 > 对比：同批提交的 TensorRedirect 本来就支持（Tiling 里有 HandleEmptyTensor 早返回，README 也声明了"支持空Tensor"）。AddV2 此前既没实现也没声明。 按 math/select 的既有惯例另开一条自定义模板分支承接： - add_v2_struct_arch35.h：新增 userDef 模板键（0 常规 / 1 空 Tensor），空分支复用 BRC_TEMP_SCH_CUSTOM_MODE_KEY_SEL 的 schMode 999；并补 AddV2EmptyTilingData —— opc 靠 kernel 里的 GET_TILING_DATA_WITH_STRUCT 反推每个模板实例的 tiling 结构体大小，自定义分支不引用任何结构体会导致编译期 tiling_struct_size 未定义。 - add_v2.cpp：kernel 增加 userDef 模板参数，userDef == 1 时直接返回。 - add_v2_tiling_arch35.cpp：抽出 SetWorkspace()，新增 HandleEmptyTensor()；按输出 y 的元素数判空，blockDim = 1、tilingKey 走自定义分支。判空**之前**先拦截 GetShapeSize() 的溢出哨兵（负值），否则负的 numel 会被当成非空穿透到 DoTiling。 - 常规通路的 tilingKey 统一补 userDef = 0，编码后取值不变（仍为 8），原有 UT 的 expectTilingKey 无需调整。 ## 关联的Issue - https://gitcode.com/cann/ops-nn/issues/4553 —— INTrainingReduceV2 / NormalizeBBox / SGD 原型重定义与 inferdatatype 放置问题（本 PR 按同一规范修正 ops-math 侧的 TensorRedirect） ## 测试 ### 单元测试 - ./build.sh -u --ophost --soc=ascend950 --ops=add_v2：**22/22 通过**（10 条 tiling，含新增 4 条空 Tensor；12 条 infershape）。 - op_host 全量 UT 75/75 通过（前两个 commit 时验证）。 ### 上板回归（Ascend950PR，TTK kernel 模式） 全部以 --binary-only（-d=false -b=release）+ --pc=1 串行执行，**只采信 BIN_* 列**（bin_compile_s = BINARY_MATCH 才算真正匹配到部署的 .o，而非 JIT 现编兜底）。 | 算子 | 用例数 | BINARY_MATCH | 精度通过率 | |---|---:|---:|---:| | AddV2 | 1735 | 1735 | **100.00%** | | TensorRedirect | 900 | 900 | **100.00%** | | **合计** | **2635** | **2635** | **100.00%** | 其中 36 条空 Tensor 用例全部 BINARY_MATCH + 100%，tiling_key = 65550 (0x1000e)、block_dim = 1，确认走的是新增的自定义分支（改动前为 36/36 INVALID_TILING）。 ### 负向对照 add_v2_removed_mixed_dtype.csv 12 条（已删除的 4 组混合 dtype）如期 **全部 BINARY_MATCH_FAILURE**。历史交付件里这 4 组是 BINARY_MATCH + 100% PASS —— 前后翻转，可作为"部署的确实是本 PR 代码"的直接证据。 ### 编译 - ./build.sh --pkg --soc=ascend950 --ops=add_v2,tensor_redirect：AddV2 产出 **9** 个 binary（原 13），TensorRedirect **4** 个，无残留混合 dtype binary。 - 原型防重定义：构造同时包含 legacy 与本仓两份 REG_OP(TensorRedirect) 的 TU，加守卫前编译失败、加守卫后通过。 ### 需要评审者注意的测试局限（如实说明） 1. 本 PR 为 TensorRedirect 新增的 4 个负维 / 溢出 UT，**在打补丁前也是通过的** —— 当前 UT faker 构造这类 context 时本就返回 GRAPH_FAILED（并非因为走到了新增的显式校验）。这些用例锁定了契约，但**不能证明新增守卫本身生效**；真实 GE 通路的行为需由 GEIR 测试覆盖。 2. 两个算子的 InferDataType **均无单元覆盖** —— 仓内 UT harness 只有 InferShape executor，没有 InferDataType 的对应设施，本 PR 未为此新造 harness。AddV2 新增的"x1/x2 异类型返回 GRAPH_FAILED"这条也因此未被测到。 3. TensorRedirect 的 900 条回归是在**前一版**代码上跑的，本次 AddV2 改动后未复跑。依据：conversion/tensor_redirect 源码相对该版本零改动，且重新编译产出的 4 个 binary 配置 json 与已部署版本**逐字段一致**（仅豁免随构建变化的 sha256；.o 本身构建不可复现，MD5 不具可比性）。 4. 性能仅有 TTK 采集的 cycle 数，未做三方对标。 ## 文档更新 - math/add_v2/README.md：删除混合精度组合表；x2/y 描述改为"与 x1 一致"；约束说明补充"输入 x1 和 x2 的数据类型需相同" - docs/zh/op_list.md：删除 add_v2 条目中已不存在的"bool 输入按 logical_or 处理"；描述补充"支持空Tensor" - math/add_v2/README.md：约束说明补充"支持空Tensor。当输出y的元素个数为0时，算子不下发有效计算，直接返回成功。" ## 类型标签 <!-- [x] 表示选中 --> - [x] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x] 文档更新 - [x] 其他，请描述：交付件目录规范对齐（issue #4553）、删除不可达的 dtype 注册组合 See merge request: cann/ops-math!4505 | 1 个月前 | |
test: update AddV2 and TensorRedirect golden specs Co-authored-by: raoliang_sac<raoliang4@huawei.com> # message auto-generated for no-merge-commit merge: !4540 merge fix/add-v2-tensor-redirect-golden into master test: update AddV2 and TensorRedirect golden specs Created-by: raoliang_sac Commit-by: raoliang_sac Merged-by: cann-robot Description: ## 描述 按照新的golden规范更新AddV2和TensorRedirect： - AddV2增加TestSpec注册，kernel与GEIR共用 add_v2入口，并配置PyTorch三方标杆和分dtype精度标准。 - 新增TensorRedirect golden，使用torch.clone实现逐bit拷贝，并覆盖全部11种支持的数据类型。 - 保留仓库兼容的__golden__入口，与TestSpec共用同一计算实现。 - 两个算子均不注册ACLNN和e2e通路，与ACLNNTYPE aclnn_exclude配置保持一致。 本PR描述仅体现上述golden修改；前置PR尚未合入产生的其他diff不属于本PR说明范围。 ## 关联的Issue #2559 ## 测试 - TTK TestSpec loader和validator检查通过。 - AddV2改造前后11个代表用例逐位一致，覆盖广播、标量、空Tensor、整数边界、complex64和BF16。 - TensorRedirect完成11种dtype共33个用例的逐位一致性验证，覆盖连续、非连续及空Tensor，并验证NaN payload、负零、Inf和非规格化数。 - pre-commit全部检查通过。 - git diff --check通过。 ## 文档更新 不涉及文档更新。 ## 类型标签 - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [x] 其他，请描述：测试与golden规范更新 See merge request: cann/ops-math!4540 | 1 个月前 | |
feat: AddV2 算子 Ascend950 arch35 regbase 实现（无 aclnn 接口） Co-authored-by: raoliang_sac<raoliang4@huawei.com> # message auto-generated for no-merge-commit merge: !4362 merge add-v2-arch35-no-aclnn into master feat: AddV2 算子 Ascend950 arch35 regbase 实现（无 aclnn 接口） Created-by: raoliang_sac Commit-by: raoliang_sac Merged-by: cann-robot Description: ## 描述 在 math/add_v2/ 新建 AddV2 算子，实现 Ascend950 (arch35) regbase 版本的逐元素加法。基于 atvoss broadcast DAG 框架，支持 11 种 dtype（含 4 种混合精度组合），共 15 个预编译 binary。算子仅支持图模式调用，不提供 aclnn 接口。 ### 改动原因 ops-math 仓缺少 AddV2 算子的 Ascend950 (arch35) 实现。本 PR 在 math/add_v2/ 新建算子，仅包含 950 arch35 regbase 实现。 ### 改动方法 - op_host: def（单一 950 配置）、infershape（broadcast）、arch35 tiling（BroadcastBaseTiling 框架分发） - op_kernel/arch35: kernel entry（BroadcastSch）、dag（4 种 Compute: AddWithoutCast/AddWithCast/AddMixDtype/AddBool）、struct（tiling key 声明） - op_graph: proto.h（REG_OP(AddV2)）、graph_infer（类型提升推导 PromoteType 查表） - tests/assets/golden.py: kernel 模式 golden（bool 语义 logical_or） - CMakeLists.txt: ACLNNTYPE 配置为 aclnn_exclude，不生成 aclnn 接口 - tiling 校验使用 OP_LOGE_FOR_INVALID_* 结构化宏 ### 产品支持情况 - Ascend 950PR/950DT: 本 PR 实现 - A2/A3/推理/训练系列: 通过 canndev Add 算子复用支持（tf_plugin 将 AddV2 映射到 Add） ## 关联的Issue - #2379 ## 测试 - TTK kernel 990/990 precision PASS - 三方性能 200/200 全部达标 - ophost UT 21/21 PASS（覆盖全部 11 种 dtype） - run_example graph 模式 PASS ## 文档更新 - README.md: 算子对外资料（产品支持情况、参数说明、约束说明、调用说明） ## 类型标签 - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： See merge request: cann/ops-math!4362 | 1 个月前 | |
fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Co-authored-by: raoliang_sac<raoliang4@huawei.com> Co-authored-by: Claude<noreply@anthropic.com> # message auto-generated for no-merge-commit merge: !4505 merge fix/review-and-issue-4553 into master fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Created-by: raoliang_sac Commit-by: raoliang_sac;Claude Merged-by: cann-robot Description: ## 描述 本 PR 包含三部分改动，均针对 conversion/tensor_redirect 与 math/add_v2 两个新增算子。 ### 一、TensorRedirect 对齐 issue #4553 的两条交付件规范 issue 提出两条要求，TensorRedirect **两条都不满足**： 1. **InferDataType 须交付在 op_graph 目录**（仅图场景使用）；InferShape 图与算子双用，保留在 op_host。 - 原实现把 InferDataType4TensorRedirect 和 InferShape 一起注册在 op_host/tensor_redirect_infershape.cpp。 - 现新增 op_graph/tensor_redirect_graph_infer.cpp 承载 InferDataType，op_host 只保留 IMPL_OP_INFERSHAPE(TensorRedirect).InferShape(...)。 - 顺带修复：InferDataType 原先丢弃 SetOutputDataType 返回值无条件返回 SUCCESS，现改为透传。 2. **原型从 legacy 挪出后须补防重定义宏**。 - canndev ops/built-in/op_proto/inc/ops_proto_legacy.h:13857 确实存在 REG_OP(TensorRedirect)，且已用 OPS_PROTO_DEF_TENSORREDIRECT 包裹；本仓 op_graph/tensor_redirect_proto.h 无守卫。 - 已实测：构造同时包含两份定义的 TU，加守卫前报 error: redefinition of 'class ge::op::TensorRedirect'，加守卫后编译通过。 - 现补同名守卫 OPS_PROTO_DEF_TENSORREDIRECT，与 legacy 侧配对。 > AddV2 这两条**本来就满足**，未作改动：InferDataType 一直在 op_graph/add_v2_graph_infer.cpp；AddV2 不在 ops_proto_legacy.h 中（仅在 elewise_calculation_ops.h），按 issue 条件不需要加守卫。 **两个算子的 REG_OP 均未改动**，与 canndev 保持逐字符一致（忽略空白后比对：AddV2 vs elewise_calculation_ops.h:1390；TensorRedirect vs elewise_calculation_ops.h:3779 及 ops_proto_legacy.h:13857）。 ### 二、代码检视报告问题修复 | 级别 | 问题 | 修复 | |---|---|---| | P1 | TensorRedirect Tiling 不拒绝负维与 shape 乘积溢出，负 numel 可穿透到 DoTiling 产生 usedCoreNum == 0 / SetBlockDim(0) | 逐维拒绝 < 0；GetShapeSize() 后拦截溢出哨兵 kInvalidDimValue，且置于 numel == 0 判断之前 | | P1 | TensorRedirect PrecisionReduceFlag(true) 与 bit-exact 语义冲突：allow_mix_precision 下允许把 FP32 节点降为 FP16，破坏 README 声明的逐 bit 相等（含负零 / NaN payload / 非规格化数） | 改为 PrecisionReduceFlag(false) | | P1 | AddV2 注册的 4 个混合 dtype 组合在 GE 图通路上不可达 | 删除，详见下 | | P2 | 文档与实现不一致 | docs/zh/op_list.md 删除 add_v2 已不存在的 bool logical_or 声明；README 删除混合精度组合表 | **关于 AddV2 的 4 个混合 dtype 组合（FP16+FP32、FP32+FP16、BF16+FP32、FP32+BF16）：** canonical AddV2 契约要求 x1/x2 同 dtype —— canndev ops/built-in/op_proto/elewise_calculation_ops.cc:475 的 AddV2Verify 调用 CheckTwoInputDtypeSame，原型注释也写明 x2: A tensor of the same dtype as "x1"。既然本仓 REG_OP 与 canndev 保持一致，OpDef 里注册异类型组合就与自身原型契约矛盾。 已实测复现：FP16+FP32 离线构图被 Verifier 拒绝（The AddV2_0 op dtype is not same, type1:DT_FLOAT16, type2:DT_FLOAT），FP16+FP16 对照组构图成功。本算子无 ACLNN，因此这 4 个已编译 binary 对公开调用方实际不可达。 删除范围（REG_OP 不动）： - add_v2_def.cpp：x1/x2/y 的 DataType 列表 13 → 9 组同 dtype，ADD_V2_FORMAT_LIST 同步收缩 - add_v2_binary.json：删除 4 个混合 binary，13 → 9 - add_v2_graph_infer.cpp：删除 34×34 类型提升表，InferDataType 改为 y 与 x1 同 dtype，并显式拒绝异类型输入 - add_v2_tiling_arch35.cpp：IsMixedDtype 与 4 个混合分支改为 CheckDtype 前置校验 - add_v2.cpp / add_v2_dag.h：删除 isMixDtype 分支与 AddMixDtypeCompute 模板 - tests/assets/golden.py：删除已不注册的 bool logical_or 死分支；对异类型输入直接抛错，避免静默按 x1.dtype 生成错误标杆 ### 三、AddV2 支持空 Tensor 上板回归时补的空张量用例暴露出一个既有能力缺口：**AddV2 对 numel == 0 的输入一律 OPTILING_FAILURE**，9 种 dtype × 4 种空场景 36/36 全挂。根因是 ATVOSS 的 BroadcastBaseTiling 在合轴之后显式拒绝 0 元素（broadcast_tiling.h 的 "tensor check is empty, check failed"），空 Tensor 根本落不到 DoTiling。 > 对比：同批提交的 TensorRedirect 本来就支持（Tiling 里有 HandleEmptyTensor 早返回，README 也声明了"支持空Tensor"）。AddV2 此前既没实现也没声明。 按 math/select 的既有惯例另开一条自定义模板分支承接： - add_v2_struct_arch35.h：新增 userDef 模板键（0 常规 / 1 空 Tensor），空分支复用 BRC_TEMP_SCH_CUSTOM_MODE_KEY_SEL 的 schMode 999；并补 AddV2EmptyTilingData —— opc 靠 kernel 里的 GET_TILING_DATA_WITH_STRUCT 反推每个模板实例的 tiling 结构体大小，自定义分支不引用任何结构体会导致编译期 tiling_struct_size 未定义。 - add_v2.cpp：kernel 增加 userDef 模板参数，userDef == 1 时直接返回。 - add_v2_tiling_arch35.cpp：抽出 SetWorkspace()，新增 HandleEmptyTensor()；按输出 y 的元素数判空，blockDim = 1、tilingKey 走自定义分支。判空**之前**先拦截 GetShapeSize() 的溢出哨兵（负值），否则负的 numel 会被当成非空穿透到 DoTiling。 - 常规通路的 tilingKey 统一补 userDef = 0，编码后取值不变（仍为 8），原有 UT 的 expectTilingKey 无需调整。 ## 关联的Issue - https://gitcode.com/cann/ops-nn/issues/4553 —— INTrainingReduceV2 / NormalizeBBox / SGD 原型重定义与 inferdatatype 放置问题（本 PR 按同一规范修正 ops-math 侧的 TensorRedirect） ## 测试 ### 单元测试 - ./build.sh -u --ophost --soc=ascend950 --ops=add_v2：**22/22 通过**（10 条 tiling，含新增 4 条空 Tensor；12 条 infershape）。 - op_host 全量 UT 75/75 通过（前两个 commit 时验证）。 ### 上板回归（Ascend950PR，TTK kernel 模式） 全部以 --binary-only（-d=false -b=release）+ --pc=1 串行执行，**只采信 BIN_* 列**（bin_compile_s = BINARY_MATCH 才算真正匹配到部署的 .o，而非 JIT 现编兜底）。 | 算子 | 用例数 | BINARY_MATCH | 精度通过率 | |---|---:|---:|---:| | AddV2 | 1735 | 1735 | **100.00%** | | TensorRedirect | 900 | 900 | **100.00%** | | **合计** | **2635** | **2635** | **100.00%** | 其中 36 条空 Tensor 用例全部 BINARY_MATCH + 100%，tiling_key = 65550 (0x1000e)、block_dim = 1，确认走的是新增的自定义分支（改动前为 36/36 INVALID_TILING）。 ### 负向对照 add_v2_removed_mixed_dtype.csv 12 条（已删除的 4 组混合 dtype）如期 **全部 BINARY_MATCH_FAILURE**。历史交付件里这 4 组是 BINARY_MATCH + 100% PASS —— 前后翻转，可作为"部署的确实是本 PR 代码"的直接证据。 ### 编译 - ./build.sh --pkg --soc=ascend950 --ops=add_v2,tensor_redirect：AddV2 产出 **9** 个 binary（原 13），TensorRedirect **4** 个，无残留混合 dtype binary。 - 原型防重定义：构造同时包含 legacy 与本仓两份 REG_OP(TensorRedirect) 的 TU，加守卫前编译失败、加守卫后通过。 ### 需要评审者注意的测试局限（如实说明） 1. 本 PR 为 TensorRedirect 新增的 4 个负维 / 溢出 UT，**在打补丁前也是通过的** —— 当前 UT faker 构造这类 context 时本就返回 GRAPH_FAILED（并非因为走到了新增的显式校验）。这些用例锁定了契约，但**不能证明新增守卫本身生效**；真实 GE 通路的行为需由 GEIR 测试覆盖。 2. 两个算子的 InferDataType **均无单元覆盖** —— 仓内 UT harness 只有 InferShape executor，没有 InferDataType 的对应设施，本 PR 未为此新造 harness。AddV2 新增的"x1/x2 异类型返回 GRAPH_FAILED"这条也因此未被测到。 3. TensorRedirect 的 900 条回归是在**前一版**代码上跑的，本次 AddV2 改动后未复跑。依据：conversion/tensor_redirect 源码相对该版本零改动，且重新编译产出的 4 个 binary 配置 json 与已部署版本**逐字段一致**（仅豁免随构建变化的 sha256；.o 本身构建不可复现，MD5 不具可比性）。 4. 性能仅有 TTK 采集的 cycle 数，未做三方对标。 ## 文档更新 - math/add_v2/README.md：删除混合精度组合表；x2/y 描述改为"与 x1 一致"；约束说明补充"输入 x1 和 x2 的数据类型需相同" - docs/zh/op_list.md：删除 add_v2 条目中已不存在的"bool 输入按 logical_or 处理"；描述补充"支持空Tensor" - math/add_v2/README.md：约束说明补充"支持空Tensor。当输出y的元素个数为0时，算子不下发有效计算，直接返回成功。" ## 类型标签 <!-- [x] 表示选中 --> - [x] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x] 文档更新 - [x] 其他，请描述：交付件目录规范对齐（issue #4553）、删除不可达的 dtype 注册组合 See merge request: cann/ops-math!4505 | 1 个月前 |
AddV2
产品支持情况
| 产品 | 是否支持 |
|---|---|
| Ascend 950PR/Ascend 950DT | √ |
| Atlas A3 训练系列产品/Atlas A3 推理系列产品 | √ |
| Atlas A2 训练系列产品/Atlas A2 推理系列产品 | √ |
| Atlas 200I/500 A2 推理产品 | √ |
| Atlas 推理系列产品 | √ |
| Atlas 训练系列产品 | √ |
功能说明
-
算子功能：对两个输入张量
x1和x2执行逐元素加法，兼容TensorFlow AddV2语义，支持广播（broadcast）。 -
计算公式：
yi=x1i+x2iy_i = x1_i + x2_i yi=x1i+x2i
- 广播示例：
x1 shape (3, 4), x2 shape (1, 4) -> y shape (3, 4)
x1 shape (3, 1), x2 shape (1, 4) -> y shape (3, 4)
参数说明
| 参数名 | 输入/输出/属性 | 描述 | 数据类型 | 数据格式 |
|---|---|---|---|---|
| x1 | 输入 | 加法运算的第一个输入张量，公式中的x1_i。 | BFLOAT16、FLOAT16、FLOAT、INT32、INT16、UINT8、INT8、INT64、COMPLEX64 | ND |
| x2 | 输入 | 加法运算的第二个输入张量，公式中的x2_i。数据类型需与x1一致。 | BFLOAT16、FLOAT16、FLOAT、INT32、INT16、UINT8、INT8、INT64、COMPLEX64 | ND |
| y | 输出 | 加法运算的输出张量，公式中的y_i。数据类型与x1一致。 | BFLOAT16、FLOAT16、FLOAT、INT32、INT16、UINT8、INT8、INT64、COMPLEX64 | ND |
约束说明
- 输入x1和x2的shape需满足广播规则。
- 输入x1和x2的数据类型需相同，不支持混合数据类型输入。
- 输入数据类型需在支持列表内，不支持DOUBLE、COMPLEX128、BOOL、COMPLEX32。
- 支持空Tensor。当输出y的元素个数为0时，算子不下发有效计算，直接返回成功。
调用说明
| 调用方式 | 调用样例 | 说明 |
|---|---|---|
| 图模式调用 | test_geir_add_v2 | 通过算子IR构图方式调用AddV2算子。 |