整数计算类算子精度验证

1. 算子定义

定义特征： 输入输出均为整型，包含算术运算

2. 验证方法

比对方法： 单标杆比对（CPU实现）

验证脚本： scripts/integer_compute_check.py

3. 使用示例

from scripts.integer_compute_check import check_integer_compute

# 执行算子
npu_output = run_operator_on_npu()  # dtype: int32
golden_output = run_reference_on_cpu()  # dtype: int32

# 验证精度
result = check_integer_compute(npu_output, golden_output)
assert result['is_pass'], f"整数计算精度不达标"

4. 通过标准

核心标准： 二进制一致 或 绝对误差为0

4.1 判定条件（满足其一即可）

条件1：二进制一致

is_bitwise_match = np.array_equal(npu_output, golden_output)

条件2：绝对误差为0

is_abs_zero = np.all(np.abs(npu_output - golden_output) == 0)

最终判定：

is_pass = is_bitwise_match or is_abs_zero

4.2 为什么允许绝对误差为0但不二进制一致？

整数计算中，可能存在以下情况：

• 不同位宽整数转换后数值相同但二进制表示不同（如int8的10和int64的10）
• 符号扩展方式不同但数值结果一致

只要数值结果一致（绝对误差为0），即视为通过。

5. 脚本详细使用

5.1 单用例检查

from scripts.integer_compute_check import check_integer_compute

result = check_integer_compute(npu_output, golden_output)

# 返回结果
# {
#   'is_pass': True/False,
#   'bitwise_match': True/False,
#   'abs_error_zero': True/False,
#   'max_abs_error': 0,
#   'mean_abs_error': 0.0,
#   'npu_dtype': 'int32',
#   'golden_dtype': 'int32',
#   'shape': (128, 256)
# }

5.2 批量检查

from scripts.integer_compute_check import check_integer_compute_batch

outputs_list = [
    (npu_output1, golden_output1),
    (npu_output2, golden_output2),
    ...
]

summary = check_integer_compute_batch(outputs_list)

# 返回汇总信息
# {
#   'total_cases': 100,
#   'pass_count': 95,
#   'fail_count': 5,
#   'pass_rate': 0.95,
#   'bitwise_match_count': 90,  # 二进制一致的用例数
#   'abs_zero_count': 5,         # 绝对误差为0的用例数
#   'detail_results': [...]
# }

6. 参考文档

• 详细精度标准：见 golden/COMMERCIAL_OPS_PRECISION_DOCS.md
• 测试用例生成：见 test_case_generation.md