Backgroud（背景信息）

BNTrainingReduce 用于在训练阶段保留输入张量的 C 轴，并归约其余维度，输出每个通道的元素和 sum 与平方和 square_sum。

当前 Ascend 950 GE 内核已支持 NCHW 2～4 维和 NHWC 4 维，但缺少 NCDHW 5 维格式支持，无法直接覆盖输入形状为 [N, C, D, H, W] 的三维 BatchNorm 训练场景。需要为 GE 图模式补充 NCDHW 5 维支持，沿 N、D、H、W 轴归约并保留 C 轴；ACLNN 接口继续保持仅支持 NCHW 的既有契约。

Origin（信息来源）

来源于 cann/ops-nn 社区 PR #9089 对 BNTrainingReduce Ascend 950 GE 通路格式能力的扩展需求：
https://gitcode.com/cann/ops-nn/pull/9089

需求提交与实现人：lianjieyu。

Benefit / Necessity （价值/作用）

• 支持三维卷积、视频及医学影像等模型中的 5D BatchNorm 训练归约场景。
• 避免上层图为 NCDHW 输入额外增加格式转换或自定义归约逻辑。
• 统一 OpDef、InferShape、Tiling、Kernel、GEIR 示例和 README 对 NCDHW 能力的声明，降低接口契约不一致风险。

Design（设计方案）

• 在 Ascend 950 OpDef 中为 FLOAT16、BFLOAT16、FLOAT 输入补充 NCDHW 格式组合；sum 和 square_sum 固定为 FLOAT，并保持与输入一致的 GE 格式元数据。
• InferShape 按格式识别通道轴：NCHW/NCDHW 取第 1 维，NHWC 取第 3 维；支持 NCHW 2～4 维、NHWC 4 维、NCDHW 5 维，拒绝 NDC1HWC0 及格式/Rank 不匹配输入。
• 扩展公共 Tiling 输入形状容量和格式枚举，增加 NCDHW 路由及输入/输出 Shape 校验；兼容逻辑输出 [C] 和仅通道维非 1 的展开输出。
• ACLNN 通路继续仅接受 NCHW；将一维输出在 AICore 调用前扩展为 NCHW 四维视图，保持既有接口行为。
• 更新 GEIR 示例的 NCDHW 格式解析与打印，补充 InferShape、Tiling 和 ACLNN 契约 UT，并同步 README。

验收要点：NCDHW 5 维的 FLOAT16、BFLOAT16、FLOAT 输入可在 Ascend 950 GE 通路正确归约为每通道 FLOAT 输出；原有 NCHW/NHWC 能力无回归；非法格式和 Rank 能被拒绝；相关 UT 与仓库 CI 通过。