描述

一、主要解决的问题

1.1 原始 NDDMA 语义在合轴后会丢失

NDDMA 的 repeats / gm_strides / strides / vectorized_axis 在 MergeTensorContinuousDims 之后会被压成更粗的连续维视图，原始 rank、轴序和非连续搬运信息不可逆。

1.2 旧 DMA 模型只能描述通用搬运，不能区分 1D 多核的真实代价

现有 GetDmaPerf 主要覆盖通用 DMA 与 stride penalty，无法把 raw rank = 1 场景下 input_stride / output_stride / block_dim 对搬运性能的影响单独表达出来。

1.3 需要把“命中新模型”和“必须回退”的边界说清楚

如果把 rank 2～5、descriptor schema 不一致、dtype 不支持、或者 Codegen 语义不一致的场景混进新模型，就会把结果写偏，影响后续融合决策。

二、修改方案

2.1 先取原始 descriptor，再做规范化，不经过合轴

新模型在 MergeTensorContinuousDims 之前读取 NDDMA 原始输入，保存以下信息：

字段	含义	作用
repeats	原始输出维度	计算 raw rank 和搬运字节数
gm_strides	输入侧 stride	进入 NG 基础项
strides	输出侧 stride	决定 NGM 是否生效
vectorized_axis	Codegen 轴序	作为 parity gate 的一部分

NormalizeNddmaDescriptor 只做合法性检查和统一视图，不改写原始 rank；当前 1D 命中时，raw_rank 和 effective_rank 保持一致。

2.2 选择顺序拆成 4 步，命中关系更清楚

步骤	检查项	通过后	不通过后
1	descriptor 是否完整	继续	记录 no_descriptor / schema_mismatch
2	轴序是否与 Codegen 语义一致	继续	记录 codegen_mismatch
3	raw rank 是否等于 1	继续	记录 rank_unsupported / no_registered_model
4	dtype / stride / block_dim 是否可建模	计算 1D 公式	记录 dtype_unsupported / stride_invalid

is_cv_ub_fusion / kUBFuse 路径属于已知不一致场景，命中后直接回退旧模型。

2.3 1D 公式采用 HW_GE_ATT 的两段式多核模型

按 dtype size 选择 B8 / B16 / B32 / B64 参数表后，先计算：

• bytes = output_dims[0] * dtype_size
• input_stride = min(128, input_strides[0])
• output_stride_gate = max(0, min(1, output_strides[0] - 1))

然后构造两个分支：

• low_core = bytes / t1 + h1 + NG + NGM
• high_core = bytes / t2 + h2 + (NG + NGM) * rho

其中：

• NG 描述输入侧非连续搬运带来的基础 penalty
• NGM 只在 output_stride > 1 时生效
• rho 是高核数分支的修正系数

block_dim <= 2 时直接取 low_core，block_dim > 2 时取 high_core。如果 block_dim 是动态表达式，就生成 nddma_1d_multicore 的 TernaryOp。

2.4 回退策略只记录一次原因

对 raw rank = 2～5、dtype 不支持、stride 非法、schema 不一致或 codegen parity 不成立的场景，都不进入新模型，直接记录 fallback reason 并回退当前 legacy GetDmaPerf。

三、代码修改流程图

flowchart TD
    A[TensorShapeInfo / NodeInfo] --> B[提取 repeats / gm_strides / strides / vectorized_axis]
    B --> C{descriptor / codegen 校验}
    C -->|不通过| R[记录 fallback reason]
    C -->|通过| D{raw rank = 1 ?}
    D -->|否| R
    D -->|是| E[选择 dtype 参数表]
    E --> F[计算 low_core / high_core]
    F --> G{block_dim 是否可静态判断}
    G -->|是| H[直接选择对应分支]
    G -->|否| I[生成 nddma_1d_multicore TernaryOp]
    H --> J[写入 AIV_MTE2]
    I --> J
    R --> K[回退 legacy GetDmaPerf]

四、测试结果汇总

场景	用例	PGO	结果	关键结论
Torch Task Duration	NC019	关闭	PASS	176.765 us -> 10.5065 us，加速比 16.82x
TensorFlow profiling	NC019	关闭	PASS	PROFILE_TASK_OK，每个 kernel 8 个样本
NDDMA 1D 影响范围复测	22 个用例	关闭	PASS	22/22 PASS，22/22 PROFILE_TASK_OK
UT	profiling / benchmark / report / backend	-	PASS	145 passed，git diff --check PASS

4.1 NDDMA 1D 复测明细

• 范围：NC001-NC019、P0-RD-01、P0-RD-02、P0-RD-03
• AUTOFUSE_DFX_FLAGS=--disable_lifting=true
• 首轮结果：20/22 在 ±3% 内
• NC008 三轮中位数：1.296 us -> 1.319 us，劣化约 1.74%
• NC017 三轮中位数：1.742 us -> 1.7615 us，劣化约 1.11%
• 结论：未观察到稳定超过 3% 的 Task Duration 劣化，未观察到 kernel/template 变化

五、验证构图

5.1 用例图样

用例组	构图	验证点
模型层 UT	TensorShapeInfo -> NddmaDescriptor -> EvaluateNddmaModel -> NddmaModelResult	raw rank、stride、dtype、fallback reason
ATT 接入 UT	Nddma 单节点 -> rank=1 / rank=2~5 / cv_ub_fusion -> AIV_MTE2 / legacy	命中新模型、回退分支、日志
Codegen UT	Nddma -> Store / Nddma -> DataCopyNddma	默认 descriptor 映射、1D/3D/7D 代码生成
ATT ST	Load / Store / Nddma 单节点图 + transpose / dynamic shape	静态 / 动态 shape 与 stride 重排

graph TD
    M[模型层UT] --> M1[TensorShapeInfo / Descriptor]
    M1 --> M2[EvaluateNddmaModel]
    M2 --> M3[NddmaModelResult]

    A[ATT接入UT] --> A1[Nddma单节点]
    A1 --> A2[rank=1]
    A1 --> A3[rank=2到5]
    A1 --> A4[cv_ub_fusion]
    A2 --> A5[AIV_MTE2]
    A3 --> A6[legacy]
    A4 --> A6

    C[Codegen UT] --> C1[Nddma]
    C1 --> C2[Store]
    C1 --> C3[DataCopyNddma]

    S[ATT ST] --> S1[Load / Store / Nddma]
    S1 --> S2[static shape]
    S1 --> S3[dynamic shape]
    S1 --> S4[transpose]

变更类型

• Bug 修复
• 新功能
• 代码风格更新
• 重构
• 构建过程或辅助工具的变动
• 文档内容更新

关联的Issue

• #285（RFC：Nddma 性能建模统一方案）

如何测试

一、测试用例说明

1.1 单元测试

• 四种 dtype size 的静态公式 golden 验证。
• 动态 block_dim、shape、input_stride 和 output_stride 表达式验证。
• 非法 rank、向量长度、stride、dtype 和 kUBFuse fallback 验证。
• 默认 Codegen 一维 descriptor 映射验证。

1.2 系统测试

• ATT 静态和动态 NDDMA 性能表达式验证。
• legacy rank 2～5 回退兼容性验证。

核对清单

• 我的代码遵循了项目的代码风格
• 我已对代码进行了自测
• 我已更新了相关的文档
• 我在标题中使用了合适的类型标签
• 我已经详细阅读了贡献指南（CONTRIBUTING.md）

其他信息

验证方法

• pre-commit、clang-format、codespell、OAT：通过。
• 原工作区验证记录：ATT UT 1025/1025、ATT ST 1/1、Codegen NDDMA 4/4 通过。
• 基于最新 master 的本地 ATT UT：因本机 Ascend runtime 头文件和动态库缺失，在 CMake 配置阶段失败，未进入源码编译；由 PR compile 流水线继续验证。

注意事项

• 本 PR 不包含 docs 目录改动。
• 当前仅启用 raw rank=1 精确模型，rank 2～5 保持 legacy fallback。
• 未命中新模型时会打印 fallback reason，方便排查为什么没有进入精确模型。

提交记录

Commit	描述	修改文件数
ef9ebd9e	feat: add precise NDDMA 1D performance model	11

修改文件清单

文件路径	修改类型	说明
autofuse/att/gen_model_info/api_perf_register/api_perf.h	修改	增加可选 NDDMA descriptor
autofuse/att/gen_model_info/api_perf_register/utils/api_perf_utils.cpp	修改	复制 descriptor 上下文
autofuse/att/gen_model_info/gen_model_info.cpp	修改	传递 kUBFuse 模型上下文
autofuse/att/gen_model_info/parser/tuning_space.h	修改	保存 kUBFuse gate
autofuse/v35/att/api_perf_register/ascir_api_perf_v2.cpp	修改	接入新模型和 fallback
autofuse/v35/att/api_perf_register/nddma_model.h	新增	定义模型契约
autofuse/v35/att/api_perf_register/nddma_model.cpp	新增	实现一维多核公式
autofuse/tests/v35/ut/att/gen_model_info/api_perf_register/test_nddma_model_v2.cpp	新增	模型层 UT
autofuse/tests/v35/ut/att/gen_model_info/api_perf_register/test_ascir_perf_v2.cpp	修改	ATT 接入 UT
autofuse/tests/v35/st/att/gen_model_info/test_ascir_perf_v2.cpp	修改	ATT 静态和动态 ST
autofuse/tests/v35/ut/codegen/reg_api_call/ test_codegen_nddma_reg_api_call.cpp	修改	Codegen descriptor 映射 UT