Merged
[Atanh] 修复原地 Golden 输入污染并兼容 TF 输入 #7021
陈展熹Add on 12 days ago
[Atanh] 修复原地 Golden 输入污染并兼容 TF 输入 #7021
Merged
Total: 1 files changed+30-4
| @@ -19,9 +19,10 @@ Kernel/GEIR Enable 使用原生 output_dtypes；直接调用无元信息时按 x | |||
| 19 | 推导（Atanh 的 y.dtype == x.dtype），在 BF16 容器转换之前保存目标 dtype。 | 19 | 推导（Atanh 的 y.dtype == x.dtype），在 BF16 容器转换之前保存目标 dtype。 |
| 20 | Kernel/GEIR 输出类型仅支持 FP16、BF16、FP32。 | 20 | Kernel/GEIR 输出类型仅支持 FP16、BF16、FP32。 |
| 21 | Promote 会改写原生 output_dtypes，不能用其冒充实际输出；完整回归沿用 Enable。 | 21 | Promote 会改写原生 output_dtypes，不能用其冒充实际输出；完整回归沿用 Enable。 |
| 22 | -ACLNN 使用 out.dtype 或 inputRef.dtype，cast 后再写回并返回。 | 22 | +普通 ACLNN 通路按 out.dtype cast 后写回；原地接口 Golden 按 inputRef.dtype 返回独立结果。 |
| 23 | BF16 在 Torch 中完成 cast，NumPy 仅按位承载同一 BF16 结果。 | 23 | BF16 在 Torch 中完成 cast，NumPy 仅按位承载同一 BF16 结果。 |
| 24 | -provider third_party 保持原样；此修正不依赖该 provider 启用。 | 24 | +Kernel/GEIR third_party 保持原样；ACLNN 原地通路在副本上执行 torch.atanh_ 参考。 |
| 25 | +TF E2E 使用 tf.math.atanh，输入先转换为 NumPy，输出保持输入 dtype 和 shape。 | ||
| 25 | """ | 26 | """ |
| 26 | 27 | ||
| 27 | import numpy as np | 28 | import numpy as np |
| @@ -31,6 +32,7 @@ __spec__ = { | |||
| 31 | "atanh": "AtanhTestSpec", | 32 | "atanh": "AtanhTestSpec", |
| 32 | "aclnnAtanh": "AclnnAtanhTestSpec", | 33 | "aclnnAtanh": "AclnnAtanhTestSpec", |
| 33 | "aclnnInplaceAtanh": "AclnnInplaceAtanhTestSpec", | 34 | "aclnnInplaceAtanh": "AclnnInplaceAtanhTestSpec", |
| 35 | + "tf.math.atanh": "TensorFlowAtanhTestSpec", | ||
| 34 | } | 36 | } |
| 35 | 37 | ||
| 36 | 38 | ||
| @@ -111,9 +113,33 @@ class AclnnAtanhTestSpec: | |||
| 111 | 113 | ||
| 112 | 114 | ||
| 113 | class AclnnInplaceAtanhTestSpec: | 115 | class AclnnInplaceAtanhTestSpec: |
| 114 | - """按原始 inputRef dtype 完整 cast，再执行原地写回。""" | 116 | + """CPU 数值参考：按 inputRef dtype 返回独立结果，保留调用方输入。""" |
| 115 | 117 | ||
| 116 | def golden(inputRef, **kwargs): | 118 | def golden(inputRef, **kwargs): |
| 119 | + if not (inputRef.is_floating_point() or inputRef.is_complex()): | ||
| 120 | + raise TypeError( | ||
| 121 | + "aclnnInplaceAtanh requires a floating-point or complex inputRef" | ||
| 122 | + ) | ||
| 117 | result = _atanh_reference(inputRef).to(dtype=inputRef.dtype) | 123 | result = _atanh_reference(inputRef).to(dtype=inputRef.dtype) |
| 118 | - inputRef.copy_(result) | ||
| 119 | return [result] | 124 | return [result] |
| 125 | + | ||
| 126 | + class ThirdPartyImpl: | ||
| 127 | + def __call__(self, inputRef, **kwargs): | ||
| 128 | + # 在副本上原地计算，避免重复参考调用污染调用方输入。 | ||
| 129 | + return [inputRef.clone().atanh_()] | ||
| 130 | + | ||
| 131 | + third_party = {"torch": ThirdPartyImpl} | ||
| 132 | + | ||
| 133 | + | ||
| 134 | +class TensorFlowAtanhTestSpec: | ||
| 135 | + """TF EagerTensor/Variable 的独立数值参考，支持标量和空张量。""" | ||
| 136 | + | ||
| 137 | + def golden(x, **kwargs): | ||
| 138 | + from ttk.utilities.dtypes import numpy_to_torch_tensor | ||
| 139 | + | ||
| 140 | + array = np.asarray(x.numpy()) if hasattr(x, "numpy") else np.asarray(x) | ||
| 141 | + tensor = numpy_to_torch_tensor(np.array(array, copy=True, order="C")) | ||
| 142 | + result = _atanh_reference(tensor).to(dtype=tensor.dtype) | ||
| 143 | + return [_numpy_result(result)] | ||
| 144 | + | ||
| 145 | + third_party = {"tf": "tf.math.atanh"} | ||