Closed
[Documentation|文档反馈]: aclnnSyncBatchNormGatherStats 的 A2/A3 BF16 排除句漏列 sampleCount(实测 161002) #7474
liuhanwen8Add on  26 days agoClosed at  17 days ago
liuhanwen8
liuhanwen8
26 days ago Create

现象

sampleCount 的 BF16 支持面,资料自身矛盾,且与 Atlas A2 实测不一致:

  • docs/aclnnSyncBatchNormGatherStats.md:130:参数表 sampleCount 行的「数据类型」列是 BFLOAT16、FLOAT16、FLOAT、INT32;
  • 同文件 :219(<!-- npu="A3,910b" id7 --> 分段):只把 totalSum、totalSquareSum、mean、variance、batchMean、batchInvstd 列入「数据类型不支持BFLOAT16」,未列 sampleCount;
  • 两句合读即「A2/A3 上 sampleCount 支持 BFLOAT16」。上板实测(aclnn 两段式直调,同样 7 个张量、仅改 sampleCount 的 dtype):INT32 → 0/0、FLOAT → 0/0、FLOAT16 → 0/0、BFLOAT16 → 161002(第一段即拒,第二段未执行)。

期望

A2/A3 上 sampleCount 不支持 BFLOAT16,排除句应覆盖 sampleCount。应得值来源:

  1. op_api/aclnn_sync_batch_norm_gather_stats.cpp:46-50:ASCEND950_SAMPLT_COUNT_DTYPE_SUPPORT_LIST 含 DT_BF16,ASCEND910_SAMPLT_COUNT_DTYPE_SUPPORT_LIST 仅 DT_FLOAT/DT_FLOAT16/DT_INT32 —— 计数 dtype 的产品差异是刻意设计;
  2. 同文件 :41 的 950 主 dtype 白名单含 DT_BF16,:44-45 的 910 主白名单仅 DT_FLOAT/DT_FLOAT16,与第 1 条同构,说明 A2 整条链路不提供 BF16;
  3. 现网 ascend910b 只编了 int32 计数内核:kernel/ascend910b/ops_legacy/sync_batch_norm_gather_stats/SyncBatchNormGatherStats_{0,1}_high_performance.json 的 sample_count 均为 int32。

环境

  • Atlas A2(910B2)单卡;CANN 9.2.0($ASCEND_HOME_PATH 指向本机 CANN 安装目录);cann/ops-nn master 80f6f02f(本文档 md5 a38f277b,该文件最后一次改动为 6d3a3af6);核对日期 2026-10-27

复现步骤

  1. 把下方「复现脚本」存为 check_doc.py
  2. python3 check_doc.py --repo-root <ops-nn 仓根目录>,看退出码与 [DEFECT] 行

复现脚本

#!/usr/bin/env python3
"""断言 aclnnSyncBatchNormGatherStats 资料里 sampleCount 的 BF16 支持面自相矛盾。
用法:python3 check_doc.py --repo-root <ops-nn 根目录>;退出码 0=一致 1=缺陷 2=无法判定"""
import argparse, pathlib, re, sys

ap = argparse.ArgumentParser(); ap.add_argument("--repo-root", required=True)
root = pathlib.Path(ap.parse_args().repo_root)
doc = root / "norm/sync_batch_norm_gather_stats/docs/aclnnSyncBatchNormGatherStats.md"
if not doc.is_file():
    print("[SKIP] 找不到资料: %s" % doc); sys.exit(2)
t = doc.read_text(encoding="utf-8")
m = re.search(r"<tr>(?:(?!</tr>).)*?<td>sampleCount(aclTensor\*)</td>.*?</tr>", t, re.S)
ex = re.search(r'<!--\s*npu="A3,910b"[^>]*-->(.*?)<!--\s*end', t, re.S)
if not m or not ex:
    print("[SKIP] 参数表 sampleCount 行或 npu=" + '"A3,910b"' + " 分段缺失"); sys.exit(2)
row, excl = m.group(0), ex.group(1)
has = "BFLOAT16" in row
print("① sampleCount 的「数据类型」列含 BFLOAT16 = %s" % has)
print("② A2/A3 的 BF16 排除句含 sampleCount = %s" % ("sampleCount" in excl))
print("   排除句原文: %s" % " ".join(excl.split())[:140])
if has and "sampleCount" not in excl:
    print("[DEFECT] 参数表声明 sampleCount 支持 BFLOAT16,但 A2/A3 的 BF16 排除句未覆盖它"
          " ⇒ 资料对 A2/A3 上该参数的支持面表述与实现(实测第一段 161002)矛盾")
    sys.exit(1)
print("[OK] 该参数的 BF16 支持面在资料内部自洽"); sys.exit(0)

实测输出(cann/ops-nn master 80f6f02f):

① sampleCount 的「数据类型」列含 BFLOAT16 = True
② A2/A3 的 BF16 排除句含 sampleCount = False
   排除句原文: - Atlas A3系列产品、Atlas A2系列产品:参数`totalSum`、`totalSquareSum`、`mean`、`variance`、`batchMean`、`batchInvstd`的数据类型不支持BFLOAT16。
[DEFECT] 参数表声明 sampleCount 支持 BFLOAT16,但 A2/A3 的 BF16 排除句未覆盖它 ⇒ 资料对 A2/A3 上该参数的支持面表述与实现(实测第一段 161002)矛盾

影响

  • 用户按资料在 A2/A3 上给 SyncBN 传 BF16 计数会直接拿到 161002(参数非法),需反查 op_api 白名单才能判断是「产品不支持」而非自己参数写错;
  • 同一分段里其余 6 个张量都被明确排除 BF16,唯独 sampleCount 漏列,属于资料内部自相矛盾(表列含 BF16 + 排除句不含);仅影响 dtype 选择,不改变数值结果。

建议

二选一(推荐第 1 条,与现网实现一致、只改一行):① 在 :219 的排除句补 sampleCount;② 若设计上 A2/A3 应支持 BF16 计数(op_api 会把 sampleCount 统一 Cast 到 int32,链路本身支持),则把 DT_BF16 加入 ASCEND910_SAMPLT_COUNT_DTYPE_SUPPORT_LIST 并同步 kernel 声明。

查重:同仓未搜到本接口的相关 issue;同类「声明面与实现面不一致」的既有条目是 #7353(aclnnGroupNormSiluQuant)、#7361(aclnnGemm),接口与字段均不同,故单独开本条。

likedislike
liuhanwen8liuhanwen8
26 days ago Added label: documentation
yuning_chen
yuning_chenCollaborators
26 days ago Comments:

初步分析

感谢反馈。

现象理解:
aclnnSyncBatchNormGatherStats 参数表写 sampleCount 含 BF16,A2/A3 排除句未列 sampleCount;实测 A2 上 BF16 返回 161002。

当前判断:初步判断,待复现确认。
偏文档产品差异漏列。实现 910 白名单不含 BF16,950 才有。

涉及范围:
docs/aclnnSyncBatchNormGatherStats.md 的 BF16 排除段与 sampleCount 行。

下一步:
A2/A3 排除句补上 sampleCount;保持与 op_api dtype 白名单一致。

likedislike
yuning_chenyuning_chenCollaborators
25 days ago Assign liujie12345678 as responsible person
yuning_chen
yuning_chenCollaborators
25 days ago Comments:

您好,问题已收到,当前 @liujie12345678 正在处理中。

likedislike
liujie12345678liujie12345678Collaborators
24 days ago Assign gitee-duhuiping as responsible person
liujie12345678liujie12345678Collaborators
24 days ago Removed responsible person liujie12345678
CANN-robotCANN-robotCollaborators
17 days ago Close issue
CANN-robotCANN-robotCollaborators
16 days ago Added label: resolved
chenjiayi_
chenjiayi_Collaborators
11 days ago Comments:

补充说明本问题的修复结果:

结论:A2/A3 的 BF16 排除句已补上 sampleCount,资料内部不再自相矛盾。

修复内容(文件/函数):

  • norm/sync_batch_norm_gather_stats/docs/aclnnSyncBatchNormGatherStats.md:219(npu="A3,910b" 段):BF16 排除列表由 totalSum、totalSquareSum、mean、variance、batchMean、batchInvstd 改为并加入 sampleCount。
  • norm/sync_batch_norm_gather_stats/docs/aclnnSyncBatchNormGatherStats_en.md:同步修改英文表述。

验证:

  • 静态核对:修改后的排除句与 op_api/aclnn_sync_batch_norm_gather_stats.cpp 的 ASCEND910_SAMPLT_COUNT_DTYPE_SUPPORT_LIST(FLOAT / FLOAT16 / INT32,不含 BF16)一致,也与 910b kernel 配置中 sample_count 为 int32 一致。
  • 按更新后的资料,A2/A3 上 sampleCount 传 BFLOAT16 应返回 161002,与 issue 的实测结果一致。本次仅改文档。

该 issue 已随修复合入关闭。

MR 链接:https://gitcode.com/cann/ops-nn/merge_requests/13602

likedislike