cann-robot修改Relu6D,InplaceApplyAdagradDA,InplaceApplyAdagradV2产品支持情况

文件	最后提交记录	最后更新时间
examples	fix: 完善 Relu6D 和 SmoothL1LossGrad 的异常输入 Tiling 校验及 GE IR 验证覆盖 Co-authored-by: zhongheng<m202474569@hust.edu.cn> # message auto-generated for no-merge-commit merge: !8281 merge codex/transfer-test-exception into master fix: 完善 Relu6D 和 SmoothL1LossGrad 的异常输入 Tiling 校验及 GE IR 验证覆盖 Created-by: zhongheng Commit-by: zhongheng Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述你的改动，包括改动的原因和所采取的方法。--> 本 PR 完善 Ascend950 上 Relu6D 和 SmoothL1LossGrad 的异常输入 Tiling 校验及 GE IR 验证覆盖。主要改动： - Relu6D： - 增加输入 rank 0～8 约束； - 增加输入 x 和输出 y 的 ND 格式校验； - 完善非法 dtype 错误信息； - 补充静态数值校验、动态 Shape/Rank example 和异常 GEIR example。 - SmoothL1LossGrad： - 增加 predict、label、dout 独立的 dtype 和 ND 格式校验； - 增加输出 gradient 格式校验； - 完善三输入 dtype/Shape 一致性和 sigma > 0 校验； - 增加 rank 0～8 约束； - 补充静态数值校验、动态 Shape/Rank example 和异常 GEIR example。 - 扩充两个算子的 Ascend950 Host UT，覆盖合法输入和 dtype、format、rank、属性、Shape 等异常场景。本 PR 不修改 Kernel 计算公式和性能策略。 ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> https://gitcode.com/cann/ops-nn/issues/4585 ## 测试 <!--描述进行了哪些测试来验证你的改动。--> - Relu6D Host UT：24/24 PASS； - SmoothL1LossGrad Host UT：15/15 PASS； - 合计 Host UT：39/39 PASS； - GEIR 异常用例：19/19 行为符合预期，17 个拒绝用例均在 Tiling 失败且无目标 Kernel，2 个合法 Cast 用例启动目标 Kernel并验证输出； - 两个算子的 static GEIR 均 PASS； - 每个算子的 unknown-dim `-1`：3/3 PASS；unknown-rank `[-2]`：3/3 PASS； - custom vendor/dynamic module 路由、输出 Shape/dtype/数值及真实 Kernel launch 均通过； - pre-commit、clang-format 18、codespell、OAT、git diff --check 均 PASS。 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> 本 PR 不涉及用户接口文档更新。 ## 类型标签 <!-- [x] 表示选中 --> - [x] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x] 文档更新 - [ ] 其他，请描述： ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [x] AI辅助编写 See merge request: cann/ops-nn!8281	23 天前
op_graph	修复 Relu6D def 驱动 dtype 及算子原型重复定义问题 Co-authored-by: zhongheng<m202474569@hust.edu.cn> # message auto-generated for no-merge-commit merge: !8640 merge codex/relu6d-transfer-test-fixes into master 修复 Relu6D def 驱动 dtype 及算子原型重复定义问题 Created-by: zhongheng Commit-by: zhongheng Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述你的改动，包括改动的原因和所采取的方法。--> 本 PR 修复 ops-transfer-test-scan 检查发现的以下转测准入问题： 1. 修复 Relu6D“def 驱动 dtype”问题。 - 移除 Relu6D tiling key 中的 dtype 模板声明和 dtype 分发逻辑。 - Host tiling 统一设置固定 tiling key 0。 - Kernel 入口直接使用 def 生成的 `DTYPE_X` 实例化 `KernelRelu6D<DTYPE_X>`。 - 更新 Relu6D Host UT 和 Kernel UT，使测试逻辑与 def 驱动 dtype 的实现保持一致。修复后，FP16、FP32、INT32、BF16 四种类型均可通过 def 配置生成并完成正式二进制编译。 2. 修复 Relu6D 和 SmoothL1LossGrad 重复定义问题。参考 PR 8552 的处理方式，不删除已有 `REG_OP` 定义，而是增加统一的宏保护： - Relu6D：`OPS_PROTO_DEF_RELU6D` - SmoothL1LossGrad：`OPS_PROTO_DEF_SMOOTHL1LOSSGRAD` 宏保护已添加至对应算子 proto 及公共扩展头，避免多份 proto 合并或共同包含时重复展开同名算子定义。 ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> https://gitcode.com/cann/ops-nn/issues/4780 ## 测试 <!--描述进行了哪些测试来验证你的改动。--> 完成以下验证： 1. Relu6D Host/Proto UT - 24/24 通过。 - 覆盖 FP16、FP32、INT32、BF16、空 Tensor、标量、不同 shape、非法 dtype、非法 format、9D shape 和不同 scale 等场景。 - 成功验证 tiling key 固定为 0。 2. Relu6D Kernel UT - 5/5 通过。 - 覆盖 FP32、FP16、INT32、BF16 以及 FP32 多轮循环场景。 - 测试过程中输入数据和 golden 数据均成功生成。 3. Proto 合并及编译 - Relu6D 本地 proto、SmoothL1LossGrad 本地 proto 与公共扩展 proto 合并并编译成功。 - 未出现算子原型重复定义错误。 4. Relu6D 正式二进制编译 - Ascend950PR_9599 编译成功。 - 成功生成 FP16、FP32、INT32、BF16 四种 dtype 的独立二进制产物。 - 最终结果：`[SUCCESS] Build binary success!` 5. 冒烟已过 6. 代码检查 - `git diff --check` 通过。 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [x] 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 <!-- [x] 表示选中 --> - [x] AI辅助编写 See merge request: cann/ops-nn!8640	16 天前
op_host	修复 Relu6D def 驱动 dtype 及算子原型重复定义问题 Co-authored-by: zhongheng<m202474569@hust.edu.cn> # message auto-generated for no-merge-commit merge: !8640 merge codex/relu6d-transfer-test-fixes into master 修复 Relu6D def 驱动 dtype 及算子原型重复定义问题 Created-by: zhongheng Commit-by: zhongheng Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述你的改动，包括改动的原因和所采取的方法。--> 本 PR 修复 ops-transfer-test-scan 检查发现的以下转测准入问题： 1. 修复 Relu6D“def 驱动 dtype”问题。 - 移除 Relu6D tiling key 中的 dtype 模板声明和 dtype 分发逻辑。 - Host tiling 统一设置固定 tiling key 0。 - Kernel 入口直接使用 def 生成的 `DTYPE_X` 实例化 `KernelRelu6D<DTYPE_X>`。 - 更新 Relu6D Host UT 和 Kernel UT，使测试逻辑与 def 驱动 dtype 的实现保持一致。修复后，FP16、FP32、INT32、BF16 四种类型均可通过 def 配置生成并完成正式二进制编译。 2. 修复 Relu6D 和 SmoothL1LossGrad 重复定义问题。参考 PR 8552 的处理方式，不删除已有 `REG_OP` 定义，而是增加统一的宏保护： - Relu6D：`OPS_PROTO_DEF_RELU6D` - SmoothL1LossGrad：`OPS_PROTO_DEF_SMOOTHL1LOSSGRAD` 宏保护已添加至对应算子 proto 及公共扩展头，避免多份 proto 合并或共同包含时重复展开同名算子定义。 ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> https://gitcode.com/cann/ops-nn/issues/4780 ## 测试 <!--描述进行了哪些测试来验证你的改动。--> 完成以下验证： 1. Relu6D Host/Proto UT - 24/24 通过。 - 覆盖 FP16、FP32、INT32、BF16、空 Tensor、标量、不同 shape、非法 dtype、非法 format、9D shape 和不同 scale 等场景。 - 成功验证 tiling key 固定为 0。 2. Relu6D Kernel UT - 5/5 通过。 - 覆盖 FP32、FP16、INT32、BF16 以及 FP32 多轮循环场景。 - 测试过程中输入数据和 golden 数据均成功生成。 3. Proto 合并及编译 - Relu6D 本地 proto、SmoothL1LossGrad 本地 proto 与公共扩展 proto 合并并编译成功。 - 未出现算子原型重复定义错误。 4. Relu6D 正式二进制编译 - Ascend950PR_9599 编译成功。 - 成功生成 FP16、FP32、INT32、BF16 四种 dtype 的独立二进制产物。 - 最终结果：`[SUCCESS] Build binary success!` 5. 冒烟已过 6. 代码检查 - `git diff --check` 通过。 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [x] 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 <!-- [x] 表示选中 --> - [x] AI辅助编写 See merge request: cann/ops-nn!8640	16 天前
op_kernel	MicroAPI namespace to Reg for arch35 kernels Co-authored-by: gcw_DS4cmz2b<1312925094@qq.com> # message auto-generated for no-merge-commit merge: !9267 merge rename into master MicroAPI namespace to Reg for arch35 kernels Created-by: gcw_DS4cmz2b Commit-by: gcw_DS4cmz2b Merged-by: cann-robot Description: ## 描述修改了index,activation,matmul,conv,foreach,optim,experimental,vfusion,hash这几个文件夹内的命名空间，将MicroAPI-->Reg ## 关联的Issue [多个文件夹内的算子命名空间使用的MicroAPI，应改为Reg](https://gitcode.com/cann/ops-nn/issues/5218) ## 测试验证方法严格按四步流程，逐算子验证： 1. Step 1：编译原始代码，保存 baseline binary .o 文件 MD5 2. Step 2：执行 MicroAPI → Reg 替换 3. Step 3：编译替换后代码，保存 after binary .o 文件 MD5 4. Step 4：对比 A_before.md5 与 B_after.md5 平台：ascend950，编译参数：--soc=ascend950 --ops=<op> -j16 验证替换前后 binary 产物 MD5 完全一致。冒烟，代码审查均通过 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!9267	6 天前
tests	修复 Relu6D def 驱动 dtype 及算子原型重复定义问题 Co-authored-by: zhongheng<m202474569@hust.edu.cn> # message auto-generated for no-merge-commit merge: !8640 merge codex/relu6d-transfer-test-fixes into master 修复 Relu6D def 驱动 dtype 及算子原型重复定义问题 Created-by: zhongheng Commit-by: zhongheng Merged-by: cann-robot Description: ## 描述 <!--在这里详细描述你的改动，包括改动的原因和所采取的方法。--> 本 PR 修复 ops-transfer-test-scan 检查发现的以下转测准入问题： 1. 修复 Relu6D“def 驱动 dtype”问题。 - 移除 Relu6D tiling key 中的 dtype 模板声明和 dtype 分发逻辑。 - Host tiling 统一设置固定 tiling key 0。 - Kernel 入口直接使用 def 生成的 `DTYPE_X` 实例化 `KernelRelu6D<DTYPE_X>`。 - 更新 Relu6D Host UT 和 Kernel UT，使测试逻辑与 def 驱动 dtype 的实现保持一致。修复后，FP16、FP32、INT32、BF16 四种类型均可通过 def 配置生成并完成正式二进制编译。 2. 修复 Relu6D 和 SmoothL1LossGrad 重复定义问题。参考 PR 8552 的处理方式，不删除已有 `REG_OP` 定义，而是增加统一的宏保护： - Relu6D：`OPS_PROTO_DEF_RELU6D` - SmoothL1LossGrad：`OPS_PROTO_DEF_SMOOTHL1LOSSGRAD` 宏保护已添加至对应算子 proto 及公共扩展头，避免多份 proto 合并或共同包含时重复展开同名算子定义。 ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> https://gitcode.com/cann/ops-nn/issues/4780 ## 测试 <!--描述进行了哪些测试来验证你的改动。--> 完成以下验证： 1. Relu6D Host/Proto UT - 24/24 通过。 - 覆盖 FP16、FP32、INT32、BF16、空 Tensor、标量、不同 shape、非法 dtype、非法 format、9D shape 和不同 scale 等场景。 - 成功验证 tiling key 固定为 0。 2. Relu6D Kernel UT - 5/5 通过。 - 覆盖 FP32、FP16、INT32、BF16 以及 FP32 多轮循环场景。 - 测试过程中输入数据和 golden 数据均成功生成。 3. Proto 合并及编译 - Relu6D 本地 proto、SmoothL1LossGrad 本地 proto 与公共扩展 proto 合并并编译成功。 - 未出现算子原型重复定义错误。 4. Relu6D 正式二进制编译 - Ascend950PR_9599 编译成功。 - 成功生成 FP16、FP32、INT32、BF16 四种 dtype 的独立二进制产物。 - 最终结果：`[SUCCESS] Build binary success!` 5. 冒烟已过 6. 代码检查 - `git diff --check` 通过。 ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> ## 类型标签 <!-- [x] 表示选中 --> - [x] 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 <!-- [x] 表示选中 --> - [x] AI辅助编写 See merge request: cann/ops-nn!8640	16 天前
CMakeLists.txt	[CANNBot]新增Relu6D算子 Co-authored-by: zhongheng<m202474569@hust.edu.cn> # message auto-generated for no-merge-commit merge: !7444 merge cherry-pick-mr-7375-1783929445662-auto into master [CANNBot]新增Relu6D算子 Created-by: zhaozhongyao Commit-by: zhongheng Merged-by: cann-robot Description: ## 描述新增 Relu6D 算子 ### Relu6D 带缩放系数的 ReLU6 激活函数，对输入张量逐元素执行两步 clamp 操作——先 `max(x, 0)` 下截断消除负值，再 `min(·, 6scale)` 上截断限制上界，输出值域为 `[0, 6scale]`。当 `scale = 1.0`（默认）时等价于标准 ReLU6。适用于 MobileNet 系列等轻量级视觉网络的激活层，限制激活值范围、提升低精度量化（FP16/INT8）场景的数值稳定性。 - 输入：x（单输入） - 输出：y（shape/dtype 与 x 一致，无广播、无类型提升） - 属性：scale（Float，默认 1.0；上界阈值 = 6scale） - 数据类型：FLOAT16、BFLOAT16、FLOAT、INT32 计算公式： $$ y = \min(\max(x,\ 0),\ 6 \cdot scale) $$ 等价分段定义： $$ y = \begin{cases} 0 & x \le 0 \\ x & 0 < x < 6 \cdot scale \\ 6 \cdot scale & x \ge 6 \cdot scale \end{cases} $$ 原型对齐 CANNDEV `Relu6D`（nonlinear_fuc_ops.h）：输入输出结构、scale 属性、`RealNumberType()` dtype 声明完全一致。 ### 关键设计 - RegBase VF 两步 clamp：Step 1 `Reg::Maxs(·, 0)` 下截断（VECIN→VECOUT 非原地），Step 2 `Reg::Mins(·, 6scale)` 上截断（VECOUT 原地）。fp16/fp32/int32 原 dtype 直算，无升精度 - BF16 cast-compute：backend 不支持 bf16 标量 clamp，升 fp32 直算（`Cast bf16→fp32 → Maxs/Mins → Cast fp32→bf16 CAST_RINT`），精度无损 - 4 TilingKey dtype 分发：单一 dtype 维度，ASCENDC_TPL_ARGS_DECL 模板编程，4 键与 dtype 一一对应 - workspace=0：纯逐元素运算，无中间 Buffer - 空 Tensor 守卫：dim0=0 时 blockNum=0，kernel 首行 return，不发起 GM 读写 ACLNNTYPE=aclnn_exclude。 ## 关联的Issue <!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。例如：关联Issue #000--> [Relu6D 算子支持 Ascend950 ascendc 实现](https://gitcode.com/cann/ops-nn/issues/4022) ## 测试 <!--描述进行了哪些测试来验证你的改动。--> NPU 上板测试 \| 测试项 \| 结果 \| 详情 \| \|--------\|------\|------\| \| Kernel Binary \| 4 个 .o ✅ \| fp16/bf16/fp32/int32 各一 \| \| TTK aclnn \| 472/472 PASS (100%) ✅ \| 481 总用例，9 个 L2 负向用例为设计内正确拒绝 \| \| TTK kernel（白盒） \| 648/648 PASS (100%) ✅ \| 4 TilingKey 全覆盖 \| \| UT \| 26/26 PASS ✅ \| op_host 21（infershape 7 + tiling 14）+ op_kernel 5 \| \| E2E 通路 \| 通过 ✅ \| GE IR + Torch 双通路均 PASS \| \| 精度标准 \| 双千双万 ✅ \| fp16/bf16=1e-3、fp32=1e-4、int32 bitwise \| ## 文档更新 <!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。--> - 新增 `activation/relu6_d/README.md` - 更新 `docs/zh/op_list.md`（添加 relu6_d 算子登记） ## 类型标签 <!-- [x] 表示选中 --> - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： ## AI/Agent生成声明 <!-- [x] 表示选中 --> - [ ] AI辅助编写 See merge request: cann/ops-nn!7444	1 个月前
README.md	修改Relu6D,InplaceApplyAdagradDA,InplaceApplyAdagradV2产品支持情况 Co-authored-by: zhongheng<m202474569@hust.edu.cn> # message auto-generated for no-merge-commit merge: !9404 merge codex/fix-readme-product-support into master 修改Relu6D,InplaceApplyAdagradDA,InplaceApplyAdagradV2产品支持情况 Created-by: zhongheng Commit-by: zhongheng Merged-by: cann-robot Description: ## 描述复核并修正以下算子 README 中的产品支持情况： - `Relu6D`：支持 Ascend 950PR/Ascend 950DT、Atlas A3、Atlas A2。 - `InplaceApplyAdagradDA`：历史软件包中的接口名称与当前 OpType 不同，不能作为当前算子的产品支持证据；仅 Ascend 950PR/Ascend 950DT 标记为支持。 - `InplaceApplyAdagradV2`：历史软件包中的接口名称与当前 OpType 不同，不能作为当前算子的产品支持证据；仅 Ascend 950PR/Ascend 950DT 标记为支持。本次仅调整 README 产品支持表中的 `√/×`，不修改算子实现及其他文档内容。 ## 关联的Issue https://gitcode.com/cann/ops-nn/issues/5273 ## 测试 - 精确检查五个算子的六行产品表：`Relu6D`、`SmoothL1LossGrad` 为 `√√√×××`；两个 Inplace 算子均为 `√×××××`。 - 检查 PR 净 diff 仅包含 `Relu6D` 及两个 Inplace 算子 README 的产品支持状态变更；`SmoothL1LossGrad` 与目标分支一致，无净差异。 - 检查 PR 分支相对目标 `master` 仅包含 1 个提交。 - 执行 `git diff --check`，检查通过。 - 执行 README 全量格式校验；报告项均为文档原有的参数表或调用方式格式问题，本次遵循仅修改产品支持情况的范围未处理。 - 本次为纯文档修改，未执行运行时测试。 ## 文档更新 - 更新 `activation/relu6_d/README.md`。 - 更新 `optim/inplace_apply_adagrad_da/README.md`。 - 更新 `optim/inplace_apply_adagrad_v2/README.md`。 ## 类型标签 - [ ] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [x] 文档更新 - [ ] 其他，请描述： ## AI/Agent生成声明 - [x] AI辅助编写 See merge request: cann/ops-nn!9404	5 天前

Relu6D

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√
Atlas 200I/500 A2 推理产品	×
Atlas 推理系列产品	×
Atlas 训练系列产品	×

功能说明

算子功能：带缩放系数的ReLU6激活函数（Relu6D），对输入张量逐元素先做下截断（负值置0）、再做上截断（限制到6*scale），输出值域为[0, 6*scale]。当scale = 1.0（默认）时等价于标准ReLU6。适用于MobileNet系列等轻量级视觉网络的激活层，限制激活值范围、提升低精度量化场景的数值稳定性。
计算公式：

\min(\max(x,\ 0),\ 6 \cdot scale)

其中 $x$ 为输入张量， $s c a l e$ 为阈值缩放系数（默认 $1.0$ ）， $y$ 为输出张量，值域 $6⋅scale][0,\ 6 \cdot scale]$ 。

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	输入特征张量，对应公式中x。	FLOAT16、FLOAT、INT32、BFLOAT16	ND
y	输出	输出张量，对应公式中y，shape和dtype与输入x一致。	FLOAT16、FLOAT、INT32、BFLOAT16	ND
scale	可选属性	阈值缩放系数，对应公式中scale，上界阈值 = 6*scale。默认值1.0（对应标准ReLU6）。	FLOAT	-

约束说明

输入x和输出y的shape必须相同。
最高支持8维张量。
支持动态shape与动态rank。
scale约束：上界阈值为6*scale；scale = 0时上界为0，输出恒为0；scale < 0时上界6*scale < 0，输出恒等于6*scale（均为数学上合法的边界语义）。int32下阈值按截断向零。

调用说明

调用方式	样例代码	说明
GE图模式	test_geir_relu6_d.cpp	通过算子IR构图方式调用Relu6D算子。