Backgroud（背景信息）

需要在 ops-nn 仓补齐 SGD（带动量的随机梯度下降）优化器算子在 Ascend 950PR/Ascend 950DT（arch35 / DAV_3510 / regbase）上的 Ascend C 实现。

现状：

• 本仓 optim 目录下不存在 SGD 算子。已有的 optim/fused_sgd 是语义不同的另一个算子（融合优化器），不能替代。
• 910B/910C 等产品形态上的 SGD 由 CANN 内置的 TBE 实现承载，算子原型登记在 canndev ops/built-in/op_proto/inc/nn_training_ops.h 的 REG_OP(SGD)。
• Ascend 950 缺失该算子的 Ascend C 实现，训练场景下使用 SGD 优化器的图无法在 950 上落到本仓算子。

需要实现的算子语义（与 910B/910C 基线逐字对齐）：

grad     = (wd != 0) ? gradient + parameters * wd : gradient
accum_t  = accum * m + grad                       // 无条件计算
accum_t -= (d != 0) ? grad * (1 - stat) * d : 0
parameters -= nesterov ? (grad * lr + accum_t * m * lr) : (accum_t * lr)
if (m != 0) { accum = accum_t; stat = 0; }        // 回写掩码

其中 d = dampening、wd = weight_decay、lr = learning_rate[0]、m = momentum[0]。

接口形态：六输入 parameters / gradient / learning_rate / accum / momentum / stat，三属性 dampening / weight_decay / nesterov，图上只声明一个输出 parameters —— accum 与 stat 靠覆写输入 GM 原地回写（与 A2 的 TBE 实现 reuse=('accum','parameters','stat') 形态一致）。

Origin（信息来源）

CANN 长尾算子补齐任务，开发分支 SGD-810。

Benefit / Necessity （价值/作用）

• 补齐 Ascend 950 上的训练优化器能力：SGD（含 momentum / Nesterov / weight decay / dampening）是训练场景最基础的优化器之一，950 上缺失会导致相关训练图无法在本仓获得 Ascend C 实现。
• 与 A2 基线语义一致：dtype 支持面（FLOAT / FLOAT16 / BFLOAT16）、三个属性的默认值、非法组合的拒绝口径（nesterov == true 时 dampening 必须为 0、weight_decay >= 0）全部对齐 910B/910C，同一张图在不同产品形态上行为一致。
• 性能收益：与 A100 对标 200 例实测，NPU 侧 200/200 更快。

Design（设计方案）

1. 目录与交付形态

新增 optim/sgd/，共 22 个文件、+2719 行，纯新增，不修改任何存量文件（唯一非新增改动是在 docs/zh/op_list.md 追加一行算子登记）。

交付形态为 GE 图模式，不提供 aclnn 接口（sgd_def.cpp 保持 ACLNNTYPE aclnn_exclude）。依据：CANN 9.1.0 的 include/aclnnop/ 无 aclnn_sgd.h、libopapi.so 未导出任何 aclnnSgd* 符号、canndev 全仓无 aclnn_sgd 定义 —— SGD 在上游本就是纯图模式算子，本算子与之对齐。

2. Kernel（op_kernel/arch35/）

基于 ATVOSS DAG + ElementwiseSch：

• sgd_dag.h 用算子级 DAG 描述上述公式；sgd.cpp 在运行期按 momentum == 0 选择两套 DAG。
• momentum == 0 掩码不作为 TilingKey 维度：momentum 是 Device 侧 [1] 张量，Host Tiling 阶段拿不到其数值，只能做运行期分支；两套 DAG 同时存在于同一个 binary 内，binary 数量不变。
• TilingKey 四维模板参数 schMode / useNesterov / hasWeightDecay / hasDampening。非法组合 nesterov==1 && dampening!=0 由 ASCENDC_TPL_SEL 的两组 ARGS_SEL 在编译期剪除，不生成对应 binary。
• 组合数：业务模板 2×2×2 − 2 = 6（K0~K5）→ TPL_SEL 展开 12 → binary 12 × 3 dtype = 36。

3. Host（op_host/）

• sgd_def.cpp：dtype FLOAT / FLOAT16 / BFLOAT16，format 仅 ND，DynamicShapeSupportFlag(true) / DynamicRankSupportFlag(true) / PrecisionReduceFlag(false)；只 AddConfig("ascend950")，不触碰任何 A2 配置。format 只做 ND 是跟随本仓 arch35 全族 optim 算子（apply_momentum / apply_ftrl / apply_adam_w_v2 / apply_adamax / apply_centered_rms_prop）的既定约定，这些算子的 def.cpp 一律只声明 ge::FORMAT_ND。
• sgd_infershape.cpp：属性校验（nesterov==true 时 dampening 必须为 0、weight_decay >= 0）；rank 限 [1,8]（rank-0 拒绝）；空 tensor（任一轴为 0）拒绝为 null_input；-1（UNKNOWN_DIM）支持、-2（UNKNOWN_RANK）透传。
• arch35/sgd_tiling.cpp：基于 ElewiseBaseTiling。

4. 与 PyTorch 的已知语义分歧（有意保留，对齐 A2）

PyTorch 把 dampening 放在 momentum 块内部，本算子（同 A2）放在外部，故 m==0 && d>0 && stat==0 时结果差 (1-d) 倍。该分歧已在 sgd_proto.h 与 README.md 显式记录，golden 参考实现按本算子契约（而非 torch.optim.SGD）编写。

5. 验证方案

合计 1081 项、0 失败。

关联 PR：https://gitcode.com/cann/ops-nn/pull/8155