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

一、背景信息 （必填）

TBE转Ascend C 功能实现

二、价值/作用 （必填）

三、设计方案 （必填）

3.1 使能方式（涉及哪些框架：如Aclnn直调、Pytorch训练等）

3.2 总体设计

Mod 算子提供 aclnnFmodTensor / aclnnInplaceFmodTensor / aclnnFmodScalar / aclnnInplaceFmodScalar 四个 aclnn 接口，计算语义为：

out = self - other * trunc(self / other)

当前 CI/UT 已验证 op_api / op_host / op_kernel 三段均可通过，出包也已通过。

3.2.1 算子支持的数据类型

接口侧 dtype 支持范围按当前 op_api 逻辑：

• Ascend910B / Ascend910_93 / RegBase：DOUBLE、BF16、FLOAT16、FLOAT32、INT32、INT64、INT8、UINT8
• Ascend910 / Ascend310P：DOUBLE、FLOAT16、FLOAT32、INT32、INT64、INT8、UINT8
• 不支持 complex：COMPLEX64 / COMPLEX128 会直接报不支持

3.2.2 host侧设计

host 侧包含 op_def / infershape / tiling：

• op_def 注册 Mod，输入 x1/x2、输出 y，格式均为 ND，当前 AddConfig("ascend910b")。

• infershape 输出 shape 固定跟随 self，即 out.shape == self.shape。

• op_api 负责更严格的参数校验：

  • tensor-tensor 场景要求 other 可 broadcast 到 self
  • out shape 必须等于 self shape
  • 维度数不超过 8
  • dtype promote 后必须在支持列表内

• tiling 侧按 self 总元素数做多核切分：

  • 最小每核 1024 元素
  • UB 预留 1024 字节和 tiling data 空间
  • workspace 固定设置为 32MB
  • tiling data 下发 needCoreNum / usableUbSize / perCoreDataCount / tailDataCoreNum / lastCoreDataCount

• tiling 同时识别三类 other 形态：

  • scalar
  • same shape
  • broadcast shape，并记录 input2Shape / input2Stride

3.2.3 kernel侧设计

kernel 采用模板化实现，tiling key 选择实际 dtype 模板：

• FP32 / FP16 / BF16 / INT32 分支分别实例化

• 多核按 host tiling 下发的 blockIdx / perCoreDataCount / tailCoreNum 处理各自数据段

• 数据搬运使用 DataCopyPad

• scalar other 场景：只搬一个元素到 UB，再 Duplicate 成当前 tile

• same-shape 场景：x1/x2 按相同 offset 连续搬运

• broadcast 场景：根据 input2Stride 计算 other offset，并尽量按连续段搬运，避免整 tensor materialize

• 浮点路径：

  • FP16/BF16 先 cast 到 FP32 计算
  • FP32 直接计算
  • 核心计算为 Div -> Trunc -> Mul -> Sub

• INT32 路径：

  • high performance 模式下 cast 到 FP32 快速计算再 cast 回 INT32
  • 另有 high precision 分支逻辑，但当前性能路径主要使用 high performance

3.3 支持硬件

3.4 算子约束限制

• 当前 kernel 直接计算 dtype 仅支持 BF16 / FLOAT16 / FLOAT32 / INT32。
• DOUBLE / INT64 / INT8 / UINT8 依赖 op_api cast 到可计算 dtype，存在额外 cast 开销。
• 不支持 complex dtype。
• 只支持 ND 格式。
• tensor-tensor 场景要求 other 可广播到 self，且广播结果必须等于 self.shape。

💡 备注（选填）