cann-robottest: update AddV2 and TensorRedirect golden specs

文件	最后提交记录	最后更新时间
examples	fix: TensorRedirect README 补充 GEIR 调用示例 (fixes #2503) Co-authored-by: raoliang_sac<raoliang4@huawei.com> # message auto-generated for no-merge-commit merge: !4442 merge tensor-redirect-geir-example into master fix: TensorRedirect README 补充 GEIR 调用示例 (fixes #2503) Created-by: raoliang_sac Commit-by: raoliang_sac Merged-by: cann-robot Description: ## 修改说明修复 Issue #2503：TensorRedirect README 调用说明缺少 GEIR 调用 cpp 示例。 ### 变更内容 1. 新增 `conversion/tensor_redirect/examples/test_geir_tensor_redirect.cpp` — GEIR 图模式调用示例，展示通过 GE API 创建包含 TensorRedirect 单算子的计算图、初始化环境、构建会话并执行图推理的完整流程 2. 更新 `conversion/tensor_redirect/README.md` 调用说明表格，补充示例文件链接 ### gitcode-bot 审查意见修复 - P1: GenOnesData 缓冲区从 int32_t* 改为 uint8_t* 按字节分配，按 dtype 分别填充，修复 8 字节类型未初始化内存读取 - P2: GenOnesData 添加 nullptr 检查，修复空指针崩溃 - P2: GenOnesData 添加 delete[] pData，修复内存泄漏 - P2: WriteDataToFile 添加 fopen nullptr 检查 + fwrite 返回值检查 ### 关联Issue Fixes #2503 See merge request: cann/ops-math!4442	7 天前
op_graph	fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Co-authored-by: raoliang_sac<raoliang4@huawei.com> Co-authored-by: Claude<noreply@anthropic.com> # message auto-generated for no-merge-commit merge: !4505 merge fix/review-and-issue-4553 into master fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Created-by: raoliang_sac Commit-by: raoliang_sac;Claude Merged-by: cann-robot Description: ## 描述本 PR 包含三部分改动，均针对 `conversion/tensor_redirect` 与 `math/add_v2` 两个新增算子。 ### 一、TensorRedirect 对齐 issue #4553 的两条交付件规范 issue 提出两条要求，TensorRedirect 两条都不满足： 1. InferDataType 须交付在 `op_graph` 目录（仅图场景使用）；InferShape 图与算子双用，保留在 `op_host`。 - 原实现把 `InferDataType4TensorRedirect` 和 InferShape 一起注册在 `op_host/tensor_redirect_infershape.cpp`。 - 现新增 `op_graph/tensor_redirect_graph_infer.cpp` 承载 InferDataType，`op_host` 只保留 `IMPL_OP_INFERSHAPE(TensorRedirect).InferShape(...)`。 - 顺带修复：InferDataType 原先丢弃 `SetOutputDataType` 返回值无条件返回 SUCCESS，现改为透传。 2. 原型从 legacy 挪出后须补防重定义宏。 - canndev `ops/built-in/op_proto/inc/ops_proto_legacy.h:13857` 确实存在 `REG_OP(TensorRedirect)`，且已用 `OPS_PROTO_DEF_TENSORREDIRECT` 包裹；本仓 `op_graph/tensor_redirect_proto.h` 无守卫。 - 已实测：构造同时包含两份定义的 TU，加守卫前报 `error: redefinition of 'class ge::op::TensorRedirect'`，加守卫后编译通过。 - 现补同名守卫 `OPS_PROTO_DEF_TENSORREDIRECT`，与 legacy 侧配对。 > AddV2 这两条本来就满足，未作改动：InferDataType 一直在 `op_graph/add_v2_graph_infer.cpp`；`AddV2` 不在 `ops_proto_legacy.h` 中（仅在 `elewise_calculation_ops.h`），按 issue 条件不需要加守卫。两个算子的 `REG_OP` 均未改动，与 canndev 保持逐字符一致（忽略空白后比对：AddV2 vs `elewise_calculation_ops.h:1390`；TensorRedirect vs `elewise_calculation_ops.h:3779` 及 `ops_proto_legacy.h:13857`）。 ### 二、代码检视报告问题修复 \| 级别 \| 问题 \| 修复 \| \|---\|---\|---\| \| P1 \| TensorRedirect Tiling 不拒绝负维与 shape 乘积溢出，负 numel 可穿透到 `DoTiling` 产生 `usedCoreNum == 0` / `SetBlockDim(0)` \| 逐维拒绝 `< 0`；`GetShapeSize()` 后拦截溢出哨兵 `kInvalidDimValue`，且置于 `numel == 0` 判断之前 \| \| P1 \| TensorRedirect `PrecisionReduceFlag(true)` 与 bit-exact 语义冲突：`allow_mix_precision` 下允许把 FP32 节点降为 FP16，破坏 README 声明的逐 bit 相等（含负零 / NaN payload / 非规格化数） \| 改为 `PrecisionReduceFlag(false)` \| \| P1 \| AddV2 注册的 4 个混合 dtype 组合在 GE 图通路上不可达 \| 删除，详见下 \| \| P2 \| 文档与实现不一致 \| `docs/zh/op_list.md` 删除 add_v2 已不存在的 bool logical_or 声明；README 删除混合精度组合表 \| 关于 AddV2 的 4 个混合 dtype 组合（FP16+FP32、FP32+FP16、BF16+FP32、FP32+BF16）： canonical AddV2 契约要求 x1/x2 同 dtype —— canndev `ops/built-in/op_proto/elewise_calculation_ops.cc:475` 的 `AddV2Verify` 调用 `CheckTwoInputDtypeSame`，原型注释也写明 `x2: A tensor of the same dtype as "x1"`。既然本仓 `REG_OP` 与 canndev 保持一致，OpDef 里注册异类型组合就与自身原型契约矛盾。已实测复现：`FP16+FP32` 离线构图被 Verifier 拒绝（`The AddV2_0 op dtype is not same, type1:DT_FLOAT16, type2:DT_FLOAT`），`FP16+FP16` 对照组构图成功。本算子无 ACLNN，因此这 4 个已编译 binary 对公开调用方实际不可达。删除范围（`REG_OP` 不动）： - `add_v2_def.cpp`：x1/x2/y 的 DataType 列表 13 → 9 组同 dtype，`ADD_V2_FORMAT_LIST` 同步收缩 - `add_v2_binary.json`：删除 4 个混合 binary，13 → 9 - `add_v2_graph_infer.cpp`：删除 34×34 类型提升表，InferDataType 改为 y 与 x1 同 dtype，并显式拒绝异类型输入 - `add_v2_tiling_arch35.cpp`：`IsMixedDtype` 与 4 个混合分支改为 `CheckDtype` 前置校验 - `add_v2.cpp` / `add_v2_dag.h`：删除 `isMixDtype` 分支与 `AddMixDtypeCompute` 模板 - `tests/assets/golden.py`：删除已不注册的 bool logical_or 死分支；对异类型输入直接抛错，避免静默按 `x1.dtype` 生成错误标杆 ### 三、AddV2 支持空 Tensor 上板回归时补的空张量用例暴露出一个既有能力缺口：AddV2 对 `numel == 0` 的输入一律 `OPTILING_FAILURE`，9 种 dtype × 4 种空场景 36/36 全挂。根因是 ATVOSS 的 `BroadcastBaseTiling` 在合轴之后显式拒绝 0 元素（`broadcast_tiling.h` 的 `"tensor check is empty, check failed"`），空 Tensor 根本落不到 `DoTiling`。 > 对比：同批提交的 TensorRedirect 本来就支持（Tiling 里有 `HandleEmptyTensor` 早返回，README 也声明了"支持空Tensor"）。AddV2 此前既没实现也没声明。按 `math/select` 的既有惯例另开一条自定义模板分支承接： - `add_v2_struct_arch35.h`：新增 `userDef` 模板键（0 常规 / 1 空 Tensor），空分支复用 `BRC_TEMP_SCH_CUSTOM_MODE_KEY_SEL` 的 `schMode 999`；并补 `AddV2EmptyTilingData` —— opc 靠 kernel 里的 `GET_TILING_DATA_WITH_STRUCT` 反推每个模板实例的 tiling 结构体大小，自定义分支不引用任何结构体会导致编译期 `tiling_struct_size` 未定义。 - `add_v2.cpp`：kernel 增加 `userDef` 模板参数，`userDef == 1` 时直接返回。 - `add_v2_tiling_arch35.cpp`：抽出 `SetWorkspace()`，新增 `HandleEmptyTensor()`；按输出 y 的元素数判空，`blockDim = 1`、tilingKey 走自定义分支。判空之前先拦截 `GetShapeSize()` 的溢出哨兵（负值），否则负的 numel 会被当成非空穿透到 `DoTiling`。 - 常规通路的 tilingKey 统一补 `userDef = 0`，编码后取值不变（仍为 8），原有 UT 的 `expectTilingKey` 无需调整。 ## 关联的Issue - https://gitcode.com/cann/ops-nn/issues/4553 —— INTrainingReduceV2 / NormalizeBBox / SGD 原型重定义与 inferdatatype 放置问题（本 PR 按同一规范修正 ops-math 侧的 TensorRedirect） ## 测试 ### 单元测试 - `./build.sh -u --ophost --soc=ascend950 --ops=add_v2`：22/22 通过（10 条 tiling，含新增 4 条空 Tensor；12 条 infershape）。 - op_host 全量 UT 75/75 通过（前两个 commit 时验证）。 ### 上板回归（Ascend950PR，TTK kernel 模式）全部以 `--binary-only`（`-d=false -b=release`）+ `--pc=1` 串行执行，*只采信 `BIN_` 列（`bin_compile_s = BINARY_MATCH` 才算真正匹配到部署的 `.o`，而非 JIT 现编兜底）。 \| 算子 \| 用例数 \| BINARY_MATCH \| 精度通过率 \| \|---\|---:\|---:\|---:\| \| AddV2 \| 1735 \| 1735 \| 100.00% \| \| TensorRedirect \| 900 \| 900 \| 100.00% \| \| 合计 \| 2635 \| 2635 \| 100.00% \| 其中 36 条空 Tensor 用例全部 `BINARY_MATCH` + 100%，`tiling_key = 65550 (0x1000e)`、`block_dim = 1`，确认走的是新增的自定义分支（改动前为 36/36 `INVALID_TILING`）。 ### 负向对照 `add_v2_removed_mixed_dtype.csv` 12 条（已删除的 4 组混合 dtype）如期全部 `BINARY_MATCH_FAILURE`。历史交付件里这 4 组是 `BINARY_MATCH` + 100% PASS —— 前后翻转，可作为"部署的确实是本 PR 代码"的直接证据。 ### 编译 - `./build.sh --pkg --soc=ascend950 --ops=add_v2,tensor_redirect`：AddV2 产出 9 个 binary（原 13），TensorRedirect 4 个，无残留混合 dtype binary。 - 原型防重定义：构造同时包含 legacy 与本仓两份 `REG_OP(TensorRedirect)` 的 TU，加守卫前编译失败、加守卫后通过。 ### 需要评审者注意的测试局限（如实说明） 1. 本 PR 为 TensorRedirect 新增的 4 个负维 / 溢出 UT，在打补丁前也是通过的 —— 当前 UT faker 构造这类 context 时本就返回 `GRAPH_FAILED`（并非因为走到了新增的显式校验）。这些用例锁定了契约，但不能证明新增守卫本身生效；真实 GE 通路的行为需由 GEIR 测试覆盖。 2. 两个算子的 InferDataType 均无单元覆盖 —— 仓内 UT harness 只有 InferShape executor，没有 InferDataType 的对应设施，本 PR 未为此新造 harness。AddV2 新增的"x1/x2 异类型返回 `GRAPH_FAILED`"这条也因此未被测到。 3. TensorRedirect 的 900 条回归是在前一版代码上跑的，本次 AddV2 改动后未复跑。依据：`conversion/tensor_redirect` 源码相对该版本零改动，且重新编译产出的 4 个 binary 配置 json 与已部署版本逐字段一致**（仅豁免随构建变化的 `sha256`；`.o` 本身构建不可复现，MD5 不具可比性）。 4. 性能仅有 TTK 采集的 cycle 数，未做三方对标。 ## 文档更新 - `math/add_v2/README.md`：删除混合精度组合表；x2/y 描述改为"与 x1 一致"；约束说明补充"输入 x1 和 x2 的数据类型需相同" - `docs/zh/op_list.md`：删除 add_v2 条目中已不存在的"bool 输入按 logical_or 处理"；描述补充"支持空Tensor" - `math/add_v2/README.md`：约束说明补充"支持空Tensor。当输出y的元素个数为0时，算子不下发有效计算，直接返回成功。" ## 类型标签 <!-- [x] 表示选中 --> - [x] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x] 文档更新 - [x] 其他，请描述：交付件目录规范对齐（issue #4553）、删除不可达的 dtype 注册组合 See merge request: cann/ops-math!4505	3 天前
op_host	fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Co-authored-by: raoliang_sac<raoliang4@huawei.com> Co-authored-by: Claude<noreply@anthropic.com> # message auto-generated for no-merge-commit merge: !4505 merge fix/review-and-issue-4553 into master fix: TensorRedirect 交付件规范对齐(issue #4553)，并删除 AddV2 不可达的混合 dtype 组合 Created-by: raoliang_sac Commit-by: raoliang_sac;Claude Merged-by: cann-robot Description: ## 描述本 PR 包含三部分改动，均针对 `conversion/tensor_redirect` 与 `math/add_v2` 两个新增算子。 ### 一、TensorRedirect 对齐 issue #4553 的两条交付件规范 issue 提出两条要求，TensorRedirect 两条都不满足： 1. InferDataType 须交付在 `op_graph` 目录（仅图场景使用）；InferShape 图与算子双用，保留在 `op_host`。 - 原实现把 `InferDataType4TensorRedirect` 和 InferShape 一起注册在 `op_host/tensor_redirect_infershape.cpp`。 - 现新增 `op_graph/tensor_redirect_graph_infer.cpp` 承载 InferDataType，`op_host` 只保留 `IMPL_OP_INFERSHAPE(TensorRedirect).InferShape(...)`。 - 顺带修复：InferDataType 原先丢弃 `SetOutputDataType` 返回值无条件返回 SUCCESS，现改为透传。 2. 原型从 legacy 挪出后须补防重定义宏。 - canndev `ops/built-in/op_proto/inc/ops_proto_legacy.h:13857` 确实存在 `REG_OP(TensorRedirect)`，且已用 `OPS_PROTO_DEF_TENSORREDIRECT` 包裹；本仓 `op_graph/tensor_redirect_proto.h` 无守卫。 - 已实测：构造同时包含两份定义的 TU，加守卫前报 `error: redefinition of 'class ge::op::TensorRedirect'`，加守卫后编译通过。 - 现补同名守卫 `OPS_PROTO_DEF_TENSORREDIRECT`，与 legacy 侧配对。 > AddV2 这两条本来就满足，未作改动：InferDataType 一直在 `op_graph/add_v2_graph_infer.cpp`；`AddV2` 不在 `ops_proto_legacy.h` 中（仅在 `elewise_calculation_ops.h`），按 issue 条件不需要加守卫。两个算子的 `REG_OP` 均未改动，与 canndev 保持逐字符一致（忽略空白后比对：AddV2 vs `elewise_calculation_ops.h:1390`；TensorRedirect vs `elewise_calculation_ops.h:3779` 及 `ops_proto_legacy.h:13857`）。 ### 二、代码检视报告问题修复 \| 级别 \| 问题 \| 修复 \| \|---\|---\|---\| \| P1 \| TensorRedirect Tiling 不拒绝负维与 shape 乘积溢出，负 numel 可穿透到 `DoTiling` 产生 `usedCoreNum == 0` / `SetBlockDim(0)` \| 逐维拒绝 `< 0`；`GetShapeSize()` 后拦截溢出哨兵 `kInvalidDimValue`，且置于 `numel == 0` 判断之前 \| \| P1 \| TensorRedirect `PrecisionReduceFlag(true)` 与 bit-exact 语义冲突：`allow_mix_precision` 下允许把 FP32 节点降为 FP16，破坏 README 声明的逐 bit 相等（含负零 / NaN payload / 非规格化数） \| 改为 `PrecisionReduceFlag(false)` \| \| P1 \| AddV2 注册的 4 个混合 dtype 组合在 GE 图通路上不可达 \| 删除，详见下 \| \| P2 \| 文档与实现不一致 \| `docs/zh/op_list.md` 删除 add_v2 已不存在的 bool logical_or 声明；README 删除混合精度组合表 \| 关于 AddV2 的 4 个混合 dtype 组合（FP16+FP32、FP32+FP16、BF16+FP32、FP32+BF16）： canonical AddV2 契约要求 x1/x2 同 dtype —— canndev `ops/built-in/op_proto/elewise_calculation_ops.cc:475` 的 `AddV2Verify` 调用 `CheckTwoInputDtypeSame`，原型注释也写明 `x2: A tensor of the same dtype as "x1"`。既然本仓 `REG_OP` 与 canndev 保持一致，OpDef 里注册异类型组合就与自身原型契约矛盾。已实测复现：`FP16+FP32` 离线构图被 Verifier 拒绝（`The AddV2_0 op dtype is not same, type1:DT_FLOAT16, type2:DT_FLOAT`），`FP16+FP16` 对照组构图成功。本算子无 ACLNN，因此这 4 个已编译 binary 对公开调用方实际不可达。删除范围（`REG_OP` 不动）： - `add_v2_def.cpp`：x1/x2/y 的 DataType 列表 13 → 9 组同 dtype，`ADD_V2_FORMAT_LIST` 同步收缩 - `add_v2_binary.json`：删除 4 个混合 binary，13 → 9 - `add_v2_graph_infer.cpp`：删除 34×34 类型提升表，InferDataType 改为 y 与 x1 同 dtype，并显式拒绝异类型输入 - `add_v2_tiling_arch35.cpp`：`IsMixedDtype` 与 4 个混合分支改为 `CheckDtype` 前置校验 - `add_v2.cpp` / `add_v2_dag.h`：删除 `isMixDtype` 分支与 `AddMixDtypeCompute` 模板 - `tests/assets/golden.py`：删除已不注册的 bool logical_or 死分支；对异类型输入直接抛错，避免静默按 `x1.dtype` 生成错误标杆 ### 三、AddV2 支持空 Tensor 上板回归时补的空张量用例暴露出一个既有能力缺口：AddV2 对 `numel == 0` 的输入一律 `OPTILING_FAILURE`，9 种 dtype × 4 种空场景 36/36 全挂。根因是 ATVOSS 的 `BroadcastBaseTiling` 在合轴之后显式拒绝 0 元素（`broadcast_tiling.h` 的 `"tensor check is empty, check failed"`），空 Tensor 根本落不到 `DoTiling`。 > 对比：同批提交的 TensorRedirect 本来就支持（Tiling 里有 `HandleEmptyTensor` 早返回，README 也声明了"支持空Tensor"）。AddV2 此前既没实现也没声明。按 `math/select` 的既有惯例另开一条自定义模板分支承接： - `add_v2_struct_arch35.h`：新增 `userDef` 模板键（0 常规 / 1 空 Tensor），空分支复用 `BRC_TEMP_SCH_CUSTOM_MODE_KEY_SEL` 的 `schMode 999`；并补 `AddV2EmptyTilingData` —— opc 靠 kernel 里的 `GET_TILING_DATA_WITH_STRUCT` 反推每个模板实例的 tiling 结构体大小，自定义分支不引用任何结构体会导致编译期 `tiling_struct_size` 未定义。 - `add_v2.cpp`：kernel 增加 `userDef` 模板参数，`userDef == 1` 时直接返回。 - `add_v2_tiling_arch35.cpp`：抽出 `SetWorkspace()`，新增 `HandleEmptyTensor()`；按输出 y 的元素数判空，`blockDim = 1`、tilingKey 走自定义分支。判空之前先拦截 `GetShapeSize()` 的溢出哨兵（负值），否则负的 numel 会被当成非空穿透到 `DoTiling`。 - 常规通路的 tilingKey 统一补 `userDef = 0`，编码后取值不变（仍为 8），原有 UT 的 `expectTilingKey` 无需调整。 ## 关联的Issue - https://gitcode.com/cann/ops-nn/issues/4553 —— INTrainingReduceV2 / NormalizeBBox / SGD 原型重定义与 inferdatatype 放置问题（本 PR 按同一规范修正 ops-math 侧的 TensorRedirect） ## 测试 ### 单元测试 - `./build.sh -u --ophost --soc=ascend950 --ops=add_v2`：22/22 通过（10 条 tiling，含新增 4 条空 Tensor；12 条 infershape）。 - op_host 全量 UT 75/75 通过（前两个 commit 时验证）。 ### 上板回归（Ascend950PR，TTK kernel 模式）全部以 `--binary-only`（`-d=false -b=release`）+ `--pc=1` 串行执行，*只采信 `BIN_` 列（`bin_compile_s = BINARY_MATCH` 才算真正匹配到部署的 `.o`，而非 JIT 现编兜底）。 \| 算子 \| 用例数 \| BINARY_MATCH \| 精度通过率 \| \|---\|---:\|---:\|---:\| \| AddV2 \| 1735 \| 1735 \| 100.00% \| \| TensorRedirect \| 900 \| 900 \| 100.00% \| \| 合计 \| 2635 \| 2635 \| 100.00% \| 其中 36 条空 Tensor 用例全部 `BINARY_MATCH` + 100%，`tiling_key = 65550 (0x1000e)`、`block_dim = 1`，确认走的是新增的自定义分支（改动前为 36/36 `INVALID_TILING`）。 ### 负向对照 `add_v2_removed_mixed_dtype.csv` 12 条（已删除的 4 组混合 dtype）如期全部 `BINARY_MATCH_FAILURE`。历史交付件里这 4 组是 `BINARY_MATCH` + 100% PASS —— 前后翻转，可作为"部署的确实是本 PR 代码"的直接证据。 ### 编译 - `./build.sh --pkg --soc=ascend950 --ops=add_v2,tensor_redirect`：AddV2 产出 9 个 binary（原 13），TensorRedirect 4 个，无残留混合 dtype binary。 - 原型防重定义：构造同时包含 legacy 与本仓两份 `REG_OP(TensorRedirect)` 的 TU，加守卫前编译失败、加守卫后通过。 ### 需要评审者注意的测试局限（如实说明） 1. 本 PR 为 TensorRedirect 新增的 4 个负维 / 溢出 UT，在打补丁前也是通过的 —— 当前 UT faker 构造这类 context 时本就返回 `GRAPH_FAILED`（并非因为走到了新增的显式校验）。这些用例锁定了契约，但不能证明新增守卫本身生效；真实 GE 通路的行为需由 GEIR 测试覆盖。 2. 两个算子的 InferDataType 均无单元覆盖 —— 仓内 UT harness 只有 InferShape executor，没有 InferDataType 的对应设施，本 PR 未为此新造 harness。AddV2 新增的"x1/x2 异类型返回 `GRAPH_FAILED`"这条也因此未被测到。 3. TensorRedirect 的 900 条回归是在前一版代码上跑的，本次 AddV2 改动后未复跑。依据：`conversion/tensor_redirect` 源码相对该版本零改动，且重新编译产出的 4 个 binary 配置 json 与已部署版本逐字段一致**（仅豁免随构建变化的 `sha256`；`.o` 本身构建不可复现，MD5 不具可比性）。 4. 性能仅有 TTK 采集的 cycle 数，未做三方对标。 ## 文档更新 - `math/add_v2/README.md`：删除混合精度组合表；x2/y 描述改为"与 x1 一致"；约束说明补充"输入 x1 和 x2 的数据类型需相同" - `docs/zh/op_list.md`：删除 add_v2 条目中已不存在的"bool 输入按 logical_or 处理"；描述补充"支持空Tensor" - `math/add_v2/README.md`：约束说明补充"支持空Tensor。当输出y的元素个数为0时，算子不下发有效计算，直接返回成功。" ## 类型标签 <!-- [x] 表示选中 --> - [x] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x] 文档更新 - [x] 其他，请描述：交付件目录规范对齐（issue #4553）、删除不可达的 dtype 注册组合 See merge request: cann/ops-math!4505	3 天前
op_kernel	feat: TensorRedirect 算子 Ascend950 arch35 实现（无 aclnn 接口） Co-authored-by: raoliang_sac<raoliang4@huawei.com> # message auto-generated for no-merge-commit merge: !4392 merge tensor-redirect-no-aclnn into master feat: TensorRedirect 算子 Ascend950 arch35 实现（无 aclnn 接口） Created-by: raoliang_sac Commit-by: raoliang_sac Merged-by: cann-robot Description: ## 背景 Issue #2329 要求在 Ascend950 arch35 平台实现 TensorRedirect 算子。 ## 功能 - 11 dtype (FP16/FP32/INT8/UINT8/INT16/UINT16/INT32/UINT32/INT64/UINT64/BF16) - ND format, 1D~8D - 4 TilingKey (schMode: 1/2/4/8 bytes) - bit-exact 纯拷贝，atol=rtol=0 - REG_OP 与 canndev 完全一致（11 dtype，无属性） - 无 aclnn 接口（aclnn_exclude），与 canndev A2 保持一致 ## 测试 - 53 UT (op_host tiling + infershape) - 500 泛化用例 (kernel mode, 100% PASS) - 50 精度用例 (bit-exact) - 200 性能用例 ## Issue Closes #2329 See merge request: cann/ops-math!4392	9 天前
tests	test: update AddV2 and TensorRedirect golden specs Co-authored-by: raoliang_sac<raoliang4@huawei.com> # message auto-generated for no-merge-commit merge: !4540 merge fix/add-v2-tensor-redirect-golden into master test: update AddV2 and TensorRedirect golden specs Created-by: raoliang_sac Commit-by: raoliang_sac Merged-by: cann-robot Description: ## 描述按照新的golden规范更新AddV2和TensorRedirect： - AddV2增加TestSpec注册，kernel与GEIR共用`add_v2`入口，并配置PyTorch三方标杆和分dtype精度标准。 - 新增TensorRedirect golden，使用`torch.clone`实现逐bit拷贝，并覆盖全部11种支持的数据类型。 - 保留仓库兼容的`__golden__`入口，与TestSpec共用同一计算实现。 - 两个算子均不注册ACLNN和e2e通路，与`ACLNNTYPE aclnn_exclude`配置保持一致。本PR描述仅体现上述golden修改；前置PR尚未合入产生的其他diff不属于本PR说明范围。 ## 关联的Issue #2559 ## 测试 - TTK TestSpec loader和validator检查通过。 - AddV2改造前后11个代表用例逐位一致，覆盖广播、标量、空Tensor、整数边界、complex64和BF16。 - TensorRedirect完成11种dtype共33个用例的逐位一致性验证，覆盖连续、非连续及空Tensor，并验证NaN payload、负零、Inf和非规格化数。 - `pre-commit`全部检查通过。 - `git diff --check`通过。 ## 文档更新不涉及文档更新。 ## 类型标签 - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [x] 其他，请描述：测试与golden规范更新 See merge request: cann/ops-math!4540	2 天前
CMakeLists.txt	feat: TensorRedirect 算子 Ascend950 arch35 实现（无 aclnn 接口） Co-authored-by: raoliang_sac<raoliang4@huawei.com> # message auto-generated for no-merge-commit merge: !4392 merge tensor-redirect-no-aclnn into master feat: TensorRedirect 算子 Ascend950 arch35 实现（无 aclnn 接口） Created-by: raoliang_sac Commit-by: raoliang_sac Merged-by: cann-robot Description: ## 背景 Issue #2329 要求在 Ascend950 arch35 平台实现 TensorRedirect 算子。 ## 功能 - 11 dtype (FP16/FP32/INT8/UINT8/INT16/UINT16/INT32/UINT32/INT64/UINT64/BF16) - ND format, 1D~8D - 4 TilingKey (schMode: 1/2/4/8 bytes) - bit-exact 纯拷贝，atol=rtol=0 - REG_OP 与 canndev 完全一致（11 dtype，无属性） - 无 aclnn 接口（aclnn_exclude），与 canndev A2 保持一致 ## 测试 - 53 UT (op_host tiling + infershape) - 500 泛化用例 (kernel mode, 100% PASS) - 50 精度用例 (bit-exact) - 200 性能用例 ## Issue Closes #2329 See merge request: cann/ops-math!4392	9 天前
README.md	fix: TensorRedirect README 补充 GEIR 调用示例 (fixes #2503) Co-authored-by: raoliang_sac<raoliang4@huawei.com> # message auto-generated for no-merge-commit merge: !4442 merge tensor-redirect-geir-example into master fix: TensorRedirect README 补充 GEIR 调用示例 (fixes #2503) Created-by: raoliang_sac Commit-by: raoliang_sac Merged-by: cann-robot Description: ## 修改说明修复 Issue #2503：TensorRedirect README 调用说明缺少 GEIR 调用 cpp 示例。 ### 变更内容 1. 新增 `conversion/tensor_redirect/examples/test_geir_tensor_redirect.cpp` — GEIR 图模式调用示例，展示通过 GE API 创建包含 TensorRedirect 单算子的计算图、初始化环境、构建会话并执行图推理的完整流程 2. 更新 `conversion/tensor_redirect/README.md` 调用说明表格，补充示例文件链接 ### gitcode-bot 审查意见修复 - P1: GenOnesData 缓冲区从 int32_t* 改为 uint8_t* 按字节分配，按 dtype 分别填充，修复 8 字节类型未初始化内存读取 - P2: GenOnesData 添加 nullptr 检查，修复空指针崩溃 - P2: GenOnesData 添加 delete[] pData，修复内存泄漏 - P2: WriteDataToFile 添加 fopen nullptr 检查 + fwrite 返回值检查 ### 关联Issue Fixes #2503 See merge request: cann/ops-math!4442	7 天前

TensorRedirect

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√
Atlas 200I/500 A2 推理产品	√
Atlas 推理系列产品	√
Atlas 训练系列产品	√

功能说明

算子功能：将输入张量 x 的数据完整拷贝到输出张量 outputX，即逐元素恒等映射。本接口不做任何算术运算、类型转换、广播、归约或layout变换，仅按元素的bit位模式原样搬运，因此输出与输入逐bit严格相等（bit-exact）。NaN、Inf、负零（-0.0）、非规格化数均原样透传，不做规范化。

使用场景：图优化 / 引用重定向场景下，将某节点的输出数据搬运到独立的目标张量。本接口的语义与 aclnnTensorMove 等价，区别仅在于对应不同的IR算子（TensorRedirect）。
计算公式：

outputX_i = x_i

其中 $i$ 遍历 $x$ 的全部元素。

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	待拷贝的源张量。支持空Tensor，仅支持连续Tensor，rank取值范围 [1, 8]。	FLOAT、FLOAT16、BFLOAT16、INT8、UINT8、INT16、UINT16、INT32、UINT32、INT64、UINT64	ND
outputX	输出	拷贝结果张量。数据类型、shape、数据格式均需与x严格一致。	与x保持一致	ND

约束说明

x与outputX的数据类型必须完全一致，本接口不做数据类型推导或转换。
x与outputX的shape必须完全一致（逐维相等），维度范围为1-8维，不涉及broadcast。
x与outputX的内存地址不允许重叠（非in-place），重叠时结果未定义。
仅支持连续Tensor，数据格式支持ND。
精度：恒等拷贝，输出与输入逐bit严格相等（bit-exact，rtol=atol=0）。浮点类型的NaN、Inf、负零（-0.0）及非规格化数均按bit位模式原样透传。

调用说明

调用方式	调用样例	说明
图模式调用	test_geir_tensor_redirect	通过算子IR构图方式调用TensorRedirect算子。