变更摘要

该 PR 新增双输出（y0/y1）的 V2 算子 ExtendConvTransposeV2，其底层复用 conv3d_backprop_input_v2 的 tiling 与 kernel 实现，通过引入第二路输出 y1 及对应量化参数 scale1，支持双输出独立量化（quantMode0/quantMode1）与独立 ReLU（enRelu0/enRelu1）控制。为支撑该能力，将原单输出的 quantMode/enRelu 字段拆分为两路，并将 fusion_mode 改为位编码语义，同时在 arch35 卷积反向 kernel 链路中为各 Block 类扩展了 y1/scale1 的输入与处理逻辑。

主要改动

• 新增 ExtendConvTransposeV2 算子: 新增算子注册定义（extend_conv_transpose_v2_proto.h、extend_conv_transpose_v2_def.cpp），声明 scale0/scale1 可选输入及 y0/y1 两个输出；extend_conv_transpose_v2_infershape.cpp 在 input_size 全零时按转置卷积公式重新推导输出 shape 并复制到 y1；新增 tiling 注册（复用 Conv3DDXV2 系列模板类）与 kernel 入口 extend_conv_transpose_v2.cpp（通过 DTYPE_Y1 宏启用双输出路径）。

• Tiling 数据与运行参数扩展为双输出: 在 conv3d_backprop_input_v2_tiling_data_arch35.h 中新增 dualOutput、enRelu1、quantMode1 字段，将原 quantMode/enRelu 重命名为 quantMode0/enRelu0；Conv3dBpInputV2RunInfo 同步拆分两路字段，SCALE_INDEX 拆为 SCALE0_INDEX/SCALE1_INDEX，并从 dual_output 属性读取 hasDualOutput_ 写入 tiling 数据；各 tiling 类按 GetVectorScaleCount() 计算 scale L1 占用（scale0/scale1 双路向量量化）。

• kernel 双输出计算链路: Conv3dDxBase、Conv3dDxOswBlock、Conv3dDxKsBlock、Conv3dDxSmallKernel 均扩展 scale0Type/scale0Format、y1Type、scale1Type/scale1Format 模板参数，新增 y1Gm_/scale1Gm_ 及 hasSecondOutput_，并新增 SetScale1 与双输出 IterateAll/GetTensorC/LoadL0c2GmDual 路径；ConvBpContext/Output1Intf 与 IsSecondOutput 机制使两路输出写回时分别选择 enRelu0/enRelu1 与 scale0/scale1。

• fusion_mode 位编码与量化模式扩展: GetFusionMode 将 fusion_mode 按位解析为两路 ReLU（bit0=y0、bit1=y1，取值范围扩展为 {0,1,2,3}），extend_conv_transpose_v2_proto.h 中同步更新注释说明；同时为 NO_QUANT/SCALAR_QUANT 场景补充标量反量化分支（SetQuantInt32ToHalf/SetQuantInt8 等），并新增 GetOutputQuantMode/GetScaleGlobal/GetScaleL1Buf 辅助函数按当前输出路选择量化模式与 scale 缓冲。

• 双输出约束与校验调整: Conv3DDXV2KernelSplitTiling 在开启双输出（hasDualOutput_）时禁用 KernelSplitHW 路径；fixedShiftVal 校验改为限定在 (0, fixedShiftValDefault] 区间，并新增 DUAL_OUTPUT_EXTEND_CONV_TRANSPOSE_INDEX 属性索引；同时新增 infershape 与 tiling 的 UT 用例（test_extend_conv_transpose_v2_infershape.cpp、test_extend_conv_transpose_v2_tiling.cpp）。

🤖 AI Code Review

⚠️ 审查未能完成

本次代码审查未能完成，可能是临时性故障。

你可以在评论区输入 /ai review 重新发起审查。若多次失败，请联系管理员并附上下方追踪 ID。

追踪 ID: task-223766-run-212641

Pull Request 已合并或已关闭。

If you want to solve this problem, you can click here to do it in the FAQs.