Pull Request

主要解决的问题

本 PR 将 ATT 的 NDDMA 描述和性能模型对齐到 codegen 实际发出的 DataCopy NDDMA 参数，并补齐 effective rank 1～5 的统一建模。

问题	原有行为	风险/影响	本 PR 目标
描述口径不一致	ATT 使用 raw view，codegen 在发出 API 前还会忽略双零 stride 轴、合并连续轴并应用 tail actual size	ATT 可能按错误 rank、dim 或 stride 选模	NddmaDescriptorInfo 固定表示 codegen-equivalent effective view
模型维度不完整	新模型只覆盖 1D	2D～5D 只能进入 legacy 路径	effective rank 1 使用 1D 模型，2～5 使用统一任意维模型
合轴规则重复	ATT 与 codegen 各自判断零 stride 和连续轴	两侧规则容易随迭代漂移	仅抽取两个无状态判定 helper，保留 CalculateDmaParams 原状态机和变量
dtype 口径不完整	维度/stride 以元素为单位，公式需要字节量	B8/B16/B32/B64 预测可能量纲错误	总数据量和输入 stride 修正统一乘 dtype_size
fallback 难定位	选模失败缺少稳定、统一的上下文	设备侧难区分 rank、dtype、schema 等原因	DEBUG 日志输出模型、raw/effective rank 和 fallback reason

同时修复远端 ST_Test_autofuse_ascendc_api 暴露的 Broadcast/IndirectLoad 图改写一致性问题，并将 EvaluateNddmaModel 拆分到单函数 50 行以内；这些修复不改变 NDDMA 公式和 codegen 搬运行为。

修改方案

1. effective view 与 codegen 对齐

NddmaDescriptorInfo 只保存最终用于建模的 effective view：

字段	含义	单位/顺序
output_dims	合轴并应用 full/tail actual repeat 后的搬运维度	元素，外轴 → 内轴
input_strides	effective GM stride	元素，外轴 → 内轴
output_strides	effective UB vectorized stride	元素，外轴 → 内轴
vectorized_axis	每个 effective 维度对应的代表轴	与上述向量一一对应

为了控制 codegen review 风险，CalculateDmaParams 的遍历方向、状态变量、合并顺序和 SetDataCopyParams 调用均保留，仅将以下已有判断抽到 common_utils 供 ATT/codegen 共用：

• ShouldIgnoreDataCopyZeroAxis：双零 stride 轴忽略条件；
• IsDataCopyAxisContinuous：GM/UB 两侧连续轴合并条件。

tile-inner 边界仍由调用侧已有元数据提供，不新增 descriptor 字段或新的中间实体。

2. 支持 effective rank 1～5

effective rank	模型	行为
1	NDDMA_1D_MULTICORE_V2	使用统一公式的单层形式
2～5	NDDMA_ND_MULTICORE_V1	对每个 effective 层级累加 residual
>5	legacy GetDmaPerf	保留现有 outer-loop fallback
非法 dtype/schema/stride/cycles	legacy GetDmaPerf	输出稳定 fallback reason，不写入无效表达式

统一公式按 effective rank D 计算：

B     = dtype_size × Π(d_j)
B_j   = dtype_size × Π(d_m), m=j...D-1
s_j   = min(îs_j × dtype_size, 128)
g_j   = min(1, ôs_j - 1)
N_j   = NG_j + NGU_j                        (block_dim <= 2)
        (NG_j + NGU_j) × rho_j              (block_dim > 2)
cycles = N_base + Σ N_j, j=0...D-1

其中 îs_j/ôs_j 由当前层 stride 与更内层覆盖范围的差值计算；动态 dim/stride 保留符号表达式。BuildNddma1DResidual 的名字表示“单个层级的 residual”，多维模型逐层调用同一公式，不是把完整 1D 模型重复叠加；N_base 只计算一次。

3. 校验、日志与 fallback

检查点	处理
ATT data_type_size 与 dtype 映射不一致	kDtypeUnsupported fallback
effective rank 不在 1～5	kRankUnsupported fallback
dim/stride/schema 非法	对应稳定 reason fallback
静态公式得到非正 cycles	kSchemaMismatch fallback
CV-Fusion descriptor 与默认 codegen 语义不同	保持 legacy 路径

新增两类关键 DEBUG 日志用于两侧 golden 对照：

• codegen：raw/effective rank、repeats、GM/UB strides、vectorized axis；
• ATT：selected/fallback、模型名、raw/effective rank、reason。

4. 远端 ST 与代码告警修复

位置	修改	原因
broadcast_backward_pass.cpp	Broadcast 后移时同步 compute_node->attr.sched.axis	tensor axis 已更新但 node schedule axis 未同步，后续 zero-stride 轴识别失败
indirect_load_schedule_case_generator.cpp	Broadcast path 折叠后再次复用 RewriteInputPreNodes	Load -> Abs -> Broadcast -> IndirectLoad 折叠后重新暴露 Abs，需要再次搬移
nddma_model.cpp	抽取 BuildNddmaCoreCycles 等已有逻辑	EvaluateNddmaModel 由 67 NBNC 行降至 44 行，计算顺序与公式不变
optimize_st.cpp	接受语义等价的 scalar broadcast chain	避免对等价节点名称作不必要的唯一性假设

代码修改流程图

effective descriptor 构造

flowchart LR
    A[raw repeats / GM strides / UB strides] --> B[从内轴向外轴遍历]
    B --> C{双零 stride 轴可忽略?}
    C -->|是| B
    C -->|否| D{GM 与 UB 均连续<br/>且未跨 tile-inner?}
    D -->|是| E[合并到当前 effective 维]
    D -->|否| F[新建 effective 维]
    E --> B
    F --> B
    B -->|结束| G[反转为外轴到内轴]
    G --> H[ATT 替换 full/tail actual repeat]
    H --> I[NddmaDescriptorInfo effective view]

模型选择与 fallback

flowchart TD
    A[NDDMA NodeInfo + effective descriptor] --> B{CV-Fusion / dtype / schema 合法?}
    B -->|否| L[记录 fallback reason]
    B -->|是| C{effective rank}
    C -->|1| D[NDDMA_1D_MULTICORE_V2]
    C -->|2～5| E[NDDMA_ND_MULTICORE_V1]
    C -->|大于 5| L
    D --> F[计算一次 N_base]
    E --> F
    F --> G[逐 effective 层构造 residual]
    G --> H{静态 cycles > 0?}
    H -->|是或动态| I[写入 AIV_MTE2]
    H -->|否| L
    L --> M[沿用 legacy GetDmaPerf]

Broadcast/IndirectLoad 修复链路

sequenceDiagram
    participant P as RewriteInputPreNodes
    participant B as RewriteBroadcastPaths
    participant C as CollectRewrittenRegion
    P->>B: 先搬移当前可见前驱
    B->>B: 折叠 Broadcast path
    B->>P: 再搬移新暴露的前驱
    P->>C: 在最终图上收集边界和 region

测试用例说明

1. 功能与回归验证

主要构建命令：

cmake --build build --target \
  att_ut optimize_ut \
  indirect_load_broadcast_axis_simt_test_codegen_v2 \
  -j 8

验证项	结果	覆盖内容
NDDMA 专项 UT	32/32 PASS	1D～5D、dtype、动态表达式、tail/tile-inner、非法输入与 fallback
Optimize 全量 UT	636 PASS / 48 SKIP / 0 FAIL	Broadcast、IndirectLoad 及既有 optimize 回归
IndirectLoad codegen 矩阵	53/53 PASS	Broadcast axis、SIMT 与路径改写组合
目标 AscendC ST	1/1 PASS	indirect_load_broadcast_axis_simt_test_codegen_v2
Round7 analyzer UT	12/12 PASS（含 6 个 subtests）	4D/5D 配置解析、参数合并与结果分析
Round7 配置 dry-run	14,313/14,313 校验通过	4D/5D、5 种 layout 组、4 种 dtype
CANN 9.2 package	构建及 run 包 --check PASS	打包交付链路
静态检查	PASS	git diff --check、clang-format、pre-commit、OAT
PR 远端 compile	success	Pipeline #1067944，SHA e488e759671b

2. BBIT 数值、模型证据与 task duration

环境：同一 CANN 9.2 环境，warmup=2、repeat=5。speedup = baseline_median / candidate_median，大于 1 表示 candidate 更快。

Case	Baseline median (us)	Candidate median (us)	Speedup	数值结果
NC018	495.935	485.037	1.022	baseline/candidate PASS
NC019	7400.639	7431.755	0.996	baseline/candidate PASS
NC020	2966.773	3022.778	0.981	baseline/candidate PASS
P0-RD-01	548.954	576.085	0.953	baseline/candidate PASS
P0-RD-02	793.541	789.034	1.006	baseline/candidate PASS
P0-RD-03	471.708	465.699	1.013	baseline/candidate PASS

验证结果：

• 6/6 case 均有正的 profiler task duration，baseline/candidate 数值均 PASS；
• baseline/candidate 各捕获 66 行 AIV_MTE2，candidate 捕获 30 行 NDDMA selected/model 日志；
• compare_nddma_packages 在 min_speedup=0.9 下 PASS，无 regression 记录；
• 严格 speedup >= 1.0 未全部满足，NC019、NC020、P0-RD-01 属于实测回退，本 PR 不修改参数掩盖该结果。

模型选择日志包含以下代表性路径：

Case/节点形态	raw rank	effective rank	选择结果
NC018 transpose/load	2	2	NDDMA_ND_MULTICORE_V1
NC020 slice/load 合轴路径	2	1	NDDMA_1D_MULTICORE_V2
P0-RD-02 多轴 reduce/load	3	3	NDDMA_ND_MULTICORE_V1

3. 5D/6D 泛化 BBIT

Case	Baseline median (us)	Candidate median (us)	Speedup	数值结果
NDDMA-5D	324.156	319.084	1.016	PASS
NDDMA-6D	436.204	279.495	1.561	PASS

5D/6D 正式设备用例证明数值和 task-duration 链路有效；该次正式 package 日志没有 AIV_MTE2/model/effective-rank 字段，因此不将它作为 rank 选择或预测误差通过的证据。

4. 构造/编译耗时

六个正式 case 的 comparison.json 已记录 compile time。按 baseline / candidate 统计：

指标	结果
最小比值	0.934
中位比值	0.990
最大比值	1.051
算术平均	0.987

当前数据未显示数量级回退，但这不是隔离 BuildNddmaDescriptor/EvaluateNddmaModel 的微基准；独立构造耗时 benchmark 仍保留为未完成验收项。

5. Round7 预测误差

完整设备采集共 14,313 条 4D/5D 配置。以下是不修改模型参数、仅按 codegen effective-view 口径离线重算的结果：

数据组	MAPE
总体	188.78%
continuous	23.87%
transpose_dim1_dim4	342.56%
transpose_dim1_dim5	344.60%

该结果说明 effective-view 对齐改善了描述一致性，但预测误差仍未达到设计目标（continuous 仍高于 10%，两个 transpose 组误差约为实测时延的 3.4 倍）。本 PR 不调整公式参数，不能将“采集完成”表述为“预测精度验收通过”。

6.Slice/Split泛化用例测试

指标	原始	v1(小尾轴)	v2(尾轴对齐)	v3(关闭打分)	v4(Nddma+关闭打分)
Pass数	38	40	54	102	135
净增Pass	-	+2	+16	+64	+97
Fail→Pass	-	~2	~46	71	100
Pass→Fail	-	~0	~30	7	3
迭代加速比中位数	0.961	1.060	1.087	0.992	0.993
加速比<1用例数	113	59	43	72	87

v4(Nddma(建模优化)相比v3新增34个Fail→Pass，主要集中在：

• SliceSingleGraph系列（26个）：GESlice和GEStrideSlice的小算子场景，Nddma建模优化使模板选择更准确
• SliceSplitToElemwise系列（6个）：GEIsFinite、GENeg、GEBitwiseAnd等，算子加速比1.47~1.72
• SelectPostFuseGraph（1个）：ratio=1.05

7.ATT.泛化用例

整体性能略有劣化：

指标	Round1 (默认cann)	Round2 (nddma_nd fix)	差异
统计用例数	128	128	-
平均加速比	1.9288x	1.8945x	-0.0343x
加速比提升的用例	-	-	54
加速比下降的用例	-	-	74

劣化主要原因是下面3个用例，待进一步分析原因。

用例名	R1 ratio	R2 ratio	delta
tc_af_tf_generalization_att_0086	3.6214	1.1535	-2.4679
tc_af_tf_generalization_att_0003	2.1284	1.1911	-0.9373
tc_af_tf_generalization_att_0023	2.4499	1.8956	-0.5542

3个用例劣化较为明显，根因分析：

用例	算子	切换的模板	变化原因	AIV_MTE2 变化	估值方向	实际影响
att_0086	Relu_Transpose	result0_g0: case1→case0	case1 MTE2 膨胀 +756%	6755→57917	过高估值使case1被弃	af 5.95→18.48us
att_0003	ReduceMax_BroadcastTo_Add	result0_g0: case0→case1	case1 MTE2 下降 -53.4%	9144→4257	过低估值使case1被选	af 2.77→5.05us
att_0023	Mul_ClipByValue_ReduceSum	result0_g0: case0→case1	case1 MTE2 下降 -51.6%	8988→4353	过低估值使case1被选	af 3.66→4.74us

其中att_0086模板切换的原因：
transpose双切分的场景，新建模对nddma估值偏大

关联的Issue

• #285（RFC：Nddma 性能建模统一方案）

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
• 本次为内部行为调整，无需修改用户文档
• 我在标题中使用了合适的类型标签（fix:）
• 我已经详细阅读并遵守 CONTRIBUTING.md

其他信息

• PR 目标分支为 cann/graph-autofusion:develop，当前 HEAD 为 e488e759671b。
• 未修改 NDDMA 模型参数或校准系数；性能与误差未通过项已明确保留。
• effective rank >5、CV-Fusion 和非法输入继续复用既有 legacy 路径。
• 工作区中的未跟踪 docs 和测试产物未纳入提交。