Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.

Backgroud（背景信息）

RotatedBoxEncode 是旋转目标检测（Rotated Object Detection）训练阶段的核心算子。在主流旋转检测框架（如 RoI Transformer、 Oriented R-CNN、DOTA 系列检测器）中，网络需要对锚框（anchor_box）与 ground-truth 旋转框之间的几何偏差进行回归监督。RotatedBoxEncode 负责将这对旋转框的几何偏差编码为 5 通道回归 delta 目标 (dx, dy, dw, dh, dθ)，供网络损失函数计算使用。它是已有 RotatedBoxDecode 算子的逆运算，两者共同构成旋转框回归的编解码闭环。

当前 Ascend 950（arch35）平台尚无该算子的原生 AscendC 实现，旋转检测训练管线在此平台上存在算子缺口。

Origin（信息来源）

NA

Benefit / Necessity （价值/作用）

1. 补齐算子链路：为 Ascend 950 平台提供 RotatedBoxEncode 的原生 AscendC 实现，与已交付的 RotatedBoxDecode 配套，使旋转目标检测训练管线（anchor 编码 → 网络回归 → delta 解码）在 Ascend 950 上端到端可用。
2. 性能收益：通过多核并行 + UB 流水 + VF 向量融合实现高性能编码，替代框架侧 CPU fallback 或通用计算图拼接，降低端到端训练耗时。
3. 精度保障：FP16 输入内部升精度到 FP32 完成对数、三角与除法计算，并采用数值稳定性恒等变形（ln(a)−ln(b) 替代 ln(a/b)、sin(Δθ)/(cos·cos) 替代 tan(a)−tan(b)），规避硬件 FTZ 与奇点消去导致的精度偏差。
4. 规格完备：覆盖 FP16/FP32 双 dtype、动态 shape、空 tensor 短路、ND 格式等完整规格，配套 InferShape/InferDataType/Tiling UT 及 GEIR 调用示例，满足交付质量要求。

Design（设计方案）

1. 算子接口

约束：anchor_box / gt_box / y 三者 dtype 必须一致；anchor_box 与 gt_box shape 完全一致（无广播），秩为 3，第 1 维必须为 5；weight 若提供长度必须为 5；空 tensor（B=0 或 N=0）直接短路返回空输出。

2. 计算公式

角点形式 (x0, y0, x1, y1, θ_deg) 转中心 (cx, cy, w, h) 后逐通道编码：

w_a = max(x1_a - x0_a, 1.0),  h_a = max(y1_a - y0_a, 1.0)
cx_a = x0_a + w_a/2,          cy_a = y0_a + h_a/2
w_g = max(x1_g - x0_g, 1.0),  h_g = max(y1_g - y0_g, 1.0)
cx_g = x0_g + w_g/2,          cy_g = y0_g + h_g/2

dx = (cx_g - cx_a) / w_a · wx
dy = (cy_g - cy_a) / h_a · wy
dw = (ln(w_g) - ln(w_a)) · ww
dh = (ln(h_g) - ln(h_a)) · wh
dθ = (tan(θ_g) - tan(θ_a)) · wa

max(·, 1.0) 防止退化框导致除零与 log(0)，并按 np.maximum 语义传播 NaN。

3. Host 侧设计

• OpDef 注册（rotated_box_encode_def.cpp）：声明双输入/单输出/可选属性，AICore 配置 ascend950，开启动态编译静态、动态格式、动态 shape 支持。
• InferDataType（rotated_box_encode_graph_infer.cpp）：y.dtype = anchor_box.dtype = gt_box.dtype，拒绝 dtype 不一致。
• InferShape（rotated_box_encode_infershape.cpp）：y.shape = anchor_box.shape，恒等映射，无广播。
• Tiling（rotated_box_encode_tiling_arch35.h/.cpp）：
  • 编译期 TilingParse 解析平台信息（AIV 核数、UB 大小）。
  • 运行时 Tiling 按 dtype 分两条分支：
    • Branch-0（FP16-upcast）：perBoxBytes=70（1 个 fp16 IO 缓冲 + 3 个 fp32 计算缓冲），UB 对齐因子 128 box，多核对齐 512 box。
    • Branch-1（FP32-direct）：perBoxBytes=60（3 个 fp32 缓冲，无 Cast），UB 对齐因子 64 box，多核对齐 512 box。
  • 多核数估算：coreNum = ceil(dim0 × minDtypeBits / 32768)，上限为平台 AIV 核数；每核 box 数对齐到 ELEM_ALIGN_FACTOR=512。
  • UB tile：ubFormer = alignDown(ubSize / perBoxBytes, alignFactor)；首 block / 尾 block 各自的 UB 循环数与尾块大小均预计算写入 TilingData。
  • 空 tensor 短路：dim0==0 时置 coreNum=0、SetBlockDim(0)，kernel 不执行。

4. Kernel 侧设计（rotated_box_encode_kernel.h）

• 模板特化：通过 DTYPE 模板参数（FP16=0 / FP32=1）编译期生成两个 binary，由 tilingKey 选择，if constexpr 分支调度。
• UB 布局：通道分离布局 [5, ubStride]，ubStride = ceilAlign(boxCount, 16) 保证每通道起始地址 32B 对齐（满足 LoadAlign/StoreAlign 要求）。
• 流水线：
  • FP16 路径（S1–S8）：CopyIn(MTE2) → Cast fp16→fp32(V) → CopyIn gt → Cast → dθ 预计算 → VF C1–C9 → Cast fp32→fp16 → CopyOut(MTE3)。P=4 TBuf（B0 fp16 IO / B1 fp32 anchor / B2 fp32 gt / B3 fp32 output）。
  • FP32 路径（S1–S5）：CopyIn(MTE2) → CopyIn gt → dθ 预计算 → VF C1–C9 → CopyOut(MTE3)。P=3 TBuf（B0 fp32 anchor / B1 fp32 gt / B2 fp32 output），无 Cast。
• VF 向量函数（3 个 __simd_vf__ 函数，FP32-only，双分支共享）：
  • DxDwVF：计算 dx（ch0）与 dw（ch2），链路 C1+C3+C4+C5+C7，峰值 5 个活跃 RegTensor。
  • DyDhVF：计算 dy（ch1）与 dh（ch3），链路 C2+C3'+C4'+C6+C8，峰值 5 个活跃 RegTensor。
  • DThetaVF：计算 dθ（ch4），读取预计算的 dθ_prewa 乘以 wa，链路 C9，峰值 3 个活跃 RegTensor。
• 数据搬运：GM 布局 [B, 5, N] 行优先，按 per-batch-segment per-channel 拆分拷贝。N 对齐时走 DataCopyPad 快速路径（fp16 需 N%16==0，fp32 需 N%8==0），否则回退到标量 GetValue/SetValue。
• 多核调度：GetBlockIdx → 首/尾 block 双层循环 → ProcessTile；超配核（blockIdx >= blockNum）直接跳过。

5. 数值稳定性设计

6. 测试与验证

• InferShape UT：覆盖正常 shape、空 tensor、动态 shape 等场景。
• Tiling UT：覆盖 FP16/FP32 双分支、多核切分、首/尾 block 边界、空 tensor 短路。
• Golden：基于 PyTorch 的参考实现（golden.py），使用 torch.maximum 传播 NaN 语义、torch.log 差值计算 dw/dh。
• GEIR 示例：图模式端到端调用样例，验证算子在实际图编译流程中的可用性。