变更摘要

本 PR 在 Challenge09-MatmulAddRelu/PR_code/Student_ZZX/ 目录下新增两个文件，补全 Challenge 09 官方模板中五处 TODO，实现固定 256×256×256 的 MatmulAddRelu 融合算子及其验证脚本。算子基于 catlass.tla 构造成 cube 与 vector 两段执行流程：Cube 侧完成 GM→L1、L1→L0、四段 L0_K=64 的 tla.mmad 矩阵乘累加以及 L0C→UB 的 SPLIT_M 搬运，并借助 mutex 与 cross_flag/cross_core_wait_flag 管理缓冲访问与跨核同步；Vector 侧在 UB 上分块搬入 X 后执行 Vector Add 与 ReLU，再写回 GM 的 Y。验证脚本 test_matmul_add_relu.py 使用 torch/torch_npu 生成输入与参考结果，通过 tla.compile 与 from_dlpack 运行算子并比对容差。

主要改动

• 补全 GM→L1 与 L1→L0 搬运（TODO 1、TODO 2）：在 mutex_l1、mutex_l0 约束下按 A、B 顺序调用 tla.copy，将 gm_a/gm_b 搬到 zN 布局的 l1_a/l1_b，再将 K 分片 l1_a_k/l1_b_k 搬到 l0_a（zN）与 l0_b（nZ）。
• 补全四段 K 分片的矩阵乘累加（TODO 3）：在 K // L0_K 循环中以 tla.mmad(l0_c, l0_a, l0_b, init_c=(k_tile == 0)) 将 FP16 输入累加为 L0C 中的 FP32 结果，仅首段初始化、后续保留累加值。
• 补全 L0C→UB 的跨核搬运与同步（TODO 4）：用 tla.copy 配合 tla.params.CopyL0C2DstParams(l0c2ub_mode=tla.params.L0C2UBMode.SPLIT_M) 将完整 l0_c 拆分到两侧 AIV 的 128×256 累加缓冲，并通过 cross_core_set_flag/cross_core_wait_flag 通知 Vector 侧。
• 补全 Vector Add + ReLU（TODO 5）：在 simd 模式下逐行按 SIMD_LANES=64 分块 load 累加值与 X，以 tla.max(tla.add(acc_value, x_value), 0.0) 计算并 store 回 ub_acc_chunk，随后由 tla.copy 写回 GM。
• 新增实机验证脚本：test_matmul_add_relu.py 定义 --device 参数（禁止负数），用 torch.manual_seed(2026) 生成输入并计算 torch.relu(a @ b + x) 参考值，经 tla.compile(..., options="--npu-arch 3510") 与 block_num=1 执行后按相对容差判定 PASS/FAIL。

代码审查

✅ 未发现问题

Thanks for your pull-request.
The full list of commands accepted by me can be found at here.
You can get sig-info at here.
You can self-configure the PR merge rules for this repository. For more details, please refer to Here.
For more, you also can visit HICANN.

PR Approval Progress

⚠️ This PR does not yet meet the following requirements:lgtm (requires ≥ 2 person(s) per module)、approve (requires ≥ 1 person(s) per module)

Module Approval Details

💡 Tip:

• Committer can comment /approve or /lgtm
• Commenting /approve implies both code review (lgtm) and intent to merge (approve)

CLA Signature Pass

Student_ZZX, thanks for your pull request. All authors of the commits have signed the CLA. 👍