PidStepResponseFeatures Benchmark Note

目标

PidStepResponseFeatures 是第二个新算子方向尝试，用于对候选阶跃响应轨迹做批量后处理。它不做闭环递推，只假设上游已有：

pv_candidates[B, C, N], sp[B, N]

并输出：

features[B, C, 12]

本机复现命令

python -m pytest prediction/ProcessControl/PIDModelFit/pid_step_response_features/tests/test_pid_step_response_features.py -q
python prediction/ProcessControl/PIDModelFit/pid_step_response_features/tests/benchmark_pid_step_response_features.py

初步判断口径

本机 benchmark 只用于筛方向：

• loop_ms：Python loop reference，模拟逐候选逐时间扫描。
• numpy_ms：NumPy vectorized reference，表示该方向是否能被批量化。
• 若 numpy_ms 仍明显偏高，说明该方向需要谨慎上 Ascend C；若批量化收益稳定，再考虑 kernel 原型。

本机结果

4 passed

B	C	N	loop ms	numpy ms	speedup
32	16	512	258.632	6.349	40.73x
64	32	1024	2166.663	41.855	51.77x
128	64	1024	8828.969	211.420	41.76x
256	64	2048	34199.989	657.373	52.03x

结论

该方向值得继续做 Ascend C 原型。它没有闭环递推依赖，计算结构主要是按 (batch,candidate) 扫描轨迹并融合峰值、误差积分、rise time 和 settling time，适合作为上游 rollout 或仿真输出后的 device-side 特征提取。

风险点：

• 当前 NumPy 版本会产生若干 [B,C,N] 临时数组，Ascend C 版本应在单 kernel 内边扫边归约。
• rise_time 和 settling_time 包含首次/末次条件判断，kernel 中需要注意分支和精度口径。

Ascend C 原型验证

环境：

• NPU 环境：node202
• SOC：Ascend910B3
• CANN：/usr/local/Ascend/ascend-toolkit
• device：3
• CPU 对比线程数：64

构建命令：

source /usr/local/Ascend/ascend-toolkit/set_env.sh
cd prediction/ProcessControl/PIDModelFit/pid_step_response_features
cmake -S . -B build -DCMAKE_BUILD_TYPE=Release -DSOC_VERSION=Ascend910B3
cmake --build build -j 2

构建结果：

• libpid_step_response_features_kernel_lib.so
• libpid_step_response_features_host.so
• test_aclnn_pid_step_response_features
• benchmark_pid_step_response_features

Smoke：

PidStepResponseFeatures smoke initial=0 final=10 peak=11 overshoot=0.1 rise_time=2 peak_time=4 settling_time=5 iae=15 ise=91
PASSED

Benchmark 命令：

./build/benchmark_pid_step_response_features 3 64 32 1024 5 64
./build/benchmark_pid_step_response_features 3 128 64 1024 3 64

结果：

B=64 C=32 N=1024
cpu_64T_ms=4.41643
npu_kernel_ms=0.0547166
npu_resident_e2e_ms=0.101893
kernel_speedup=80.7146
resident_e2e_speedup=43.3438
feature_max_abs=0
feature_max_rel=0

B=128 C=64 N=1024
cpu_64T_ms=6.87986
npu_kernel_ms=0.0792977
npu_resident_e2e_ms=0.164775
kernel_speedup=86.7599
resident_e2e_speedup=41.7531
feature_max_abs=0
feature_max_rel=0

说明：

• 当前 resident_e2e 口径假设 pv_candidates/sp 已在 Device，仅统计 kernel 和 features D2H。
• 冷启动口径尚未统计；若输入来自 Host，完整候选轨迹 H2D 会影响端到端收益。
• 当前 Ascend C 原型没有物化 NumPy reference 中的中间数组，直接在 kernel 内单次扫描完成 12 个特征。