描述

本 PR 为 optim/sgd 新增 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，共 22 个文件、+2719 行，纯新增，不修改任何存量文件（唯一的非新增改动是在 docs/zh/op_list.md 中追加一行算子登记）。

改动原因

optim 目录下已有 fused_sgd，但那是语义不同的另一个算子；本仓此前不存在 SGD 算子，Ascend 950 上缺失该优化器的 Ascend C 实现。910B/910C 上 SGD 由 CANN 内置的 TBE 实现承载，Ascend 950 需要在本仓补齐。

改动方法

1. 计算语义 —— 与 910B/910C 基线（canndev nn_training_ops.h 的 REG_OP(SGD) 与 aic-ascend910b-ops-info.ini 的 [SGD] 段）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

• 六输入 parameters / gradient / learning_rate / accum / momentum / stat，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 形态一致（A2 的 TBE 实现声明 reuse=('accum','parameters','stat')）。
• momentum == 0（含 -0.0）时 accum / stat 完全不写、逐位保持输入值；parameters 照常更新。
• 与 PyTorch 的真实分歧已在 sgd_proto.h 与 README 显式记录：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。这是对齐 A2 的有意选择，不是缺陷。

2. Kernel 实现 —— 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（该掩码不是 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，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 两组 ARGS_SEL 在编译期剪除，不生成对应 binary；Host 侧 InferShape 与 Tiling 亦对该组合报 attribute_value_out_of_range。
• 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 实现 —— op_host/：

• sgd_def.cpp：dtype FLOAT / FLOAT16 / BFLOAT16，format 仅 ND，DynamicShapeSupportFlag(true) / DynamicRankSupportFlag(true) / PrecisionReduceFlag(false)（对齐 A2 precision_reduce.flag=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，无一例声明私有 format。
• sgd_infershape.cpp：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. 交付形态：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（阴性对照：同库确实导出 aclnnFusedSgd，证明查法有效）、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。故 docs/zh/op_list.md 中 op_api 列填 ✗，docs/zh/op_api_list.md 不涉及。

关联的Issue

关联Issue #4554 —— https://gitcode.com/cann/ops-nn/issues/4554

测试

全部在 Ascend950PR 真机 + CANN 9.1.0 上实测，合计 1081 项、0 失败：

边界覆盖：空 tensor（1D [0]、2D [0,C]/[N,0]、多轴 [0,0]、高 rank 混合）逐形态拒绝；rank-0 与 rank-9 两端拒绝；-2 动态 rank 透传；inf/nan 按 IEEE 语义无条件传播（判定方式是按 NaN/+Inf/-Inf 三张掩码逐位 array_equal，不套相对误差）。

性能判据说明（供评审取用）：按仓内 verification.md §7.1「mean ≥ 1.2 且 min ≥ 0.5」口径为 200/200 PASS；按测试侧 test-bot-dev 的芯片对阈值（(950PR, A100) = 0.5，逐例 npu/gpu ≤ 0.5）为 191/200，9 条超阈值全部落在 numel = 4M 档、其中 7 条是 momentum == 0。成因是访存量不对等而非实现慢：m == 0 时 torch 不需要 momentum buffer，而本算子的契约要求无条件读 accum；最差的一条 NPU 搬运 1.67 倍数据、耗时反而更短，按达成带宽折算 NPU/GPU = 2.03x。对等访存量下 NPU 仍显著更快。

本地 CI 复现：单算子包 @ascend950、910b、910_93、整仓 JIT（默认 soc，2144 targets）、整仓 A5@950（2527 targets）共 5 项编译全过、0 error。其中 910b 一项专门验证 sgd_infershape.cpp 在 A2 上仍参与编译（kernel/tiling 由 On [ascend910b], [sgd] not supported. 排除，infershape 不排除），确认未引入会破坏 A2 的 arch35-only 头文件。

文档更新

• 新增 optim/sgd/README.md（185 行）：产品支持情况、计算公式、参数说明、约束与注意事项。产品支持表按 SGD 在各产品形态上的可得性填写，并在表下显式声明「本仓的 Ascend C 实现只适配 Ascend 950PR/950DT，其余形态由 CANN 内置 TBE 实现提供」。
• docs/zh/op_list.md 新增一行 optim / sgd 登记，op_kernel ✓ / op_host ✓ / op_api ✗ / op_graph ✓。
• docs/zh/op_api_list.md 不涉及（本算子不提供 aclnn 接口）。

类型标签

• Bug修复
• 新特性
• 性能优化
• 文档更新
• 其他，请描述：

AI/Agent生成声明

• AI辅助编写