| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
test(fx): Add NPU test cases for fx symbolic_shapes APIs Co-authored-by: litianyu2026<1483211810@qq.com> # message auto-generated for no-merge-commit merge: !37478 merge fix-fx-api into master test(fx): Add NPU test cases for fx symbolic_shapes APIs Created-by: litianyu_2026 Commit-by: litianyu2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">https://gitcode.com/Ascend/pytorch/issues/1620</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 > 请描述修改内容的具体实现，涉及哪些组件之间进行交互，可以用1、2、3、...进行罗列\ > 如果是需求或者重构类的PR，需要补充详细设计文档（说明上下游组件关系、时序图、类图、DFX能力等内容） 1. **架构上下文与物理执行边界说明**： 本次任务涉及的 torch.fx.experimental.symbolic_shapes 系列接口，属于 PyTorch Dynamo 编译引擎前端的基础设施。其核心功能是在编译期进行代数推导、符号绑定（SymInt）及多项式展开，而非处理物理张量（Tensor）的真实数据计算。因此，这些接口的底层代数逻辑天然在宿主机（CPU）上由 Python/SymPy 闭环执行，物理上无需下发至 NPU 设备。本次适配的核心，是验证底层推导引擎在接收提取自 NPU 张量的元数据（如 size 维度）时，能否正确进行代数解析与状态交互。 2. **API 功能介绍**： 针对底层实验性 API 的原生看护情况，经核查上游社区源码，得出以下客观排查结论： - torch.fx.experimental.symbolic_shapes.RelaxedUnspecConstraint（推导异常状态封装类）：缺乏针对该类自身实例化与符号封装机制的独立单测。 - torch.fx.experimental.symbolic_shapes.resolve_unbacked_bindings（未绑定符号解析器）：作为内部查表辅助工具，缺乏独立单测覆盖。 - torch.fx.experimental.symbolic_shapes.safe_expand（代数多项式安全展开器）：作为底层代数计算组件，缺乏独立单测覆盖。 - torch.fx.experimental.symbolic_shapes.ShapeEnv.add_backed_var_to_val（符号数值绑定注册接口）：作为底层字典写入操作，缺乏状态变更的断言单测。 **结论**：上述 4 个 API 在上游均没有用例测试，需补充单元测试。 3. **关于 torch.fx.experimental.symbolic_shapes.ShapeEnv 整体类**： torch.fx.experimental.symbolic_shapes.ShapeEnv 是一个庞大的上下文容器类，其内部包含 torch.fx.experimental.symbolic_shapes.ShapeEnv.add_backed_var_to_val 、torch.fx.experimental.symbolic_shapes.ShapeEnv.bind_symbols、torch.fx.experimental.symbolic_shapes.ShapeEnv.bound_sympy、torch.fx.experimental.symbolic_shapes.ShapeEnv.create_symbol等大量独立子方法。ShapeEnv 包括的api还分布在8个实习任务上。 ShapeEnv 作为图追踪期的核心上下文环境（Context / State Machine），并非单一功能的执行函数。所以针对ShapeEnv 仅在新增的集中测试文件中实例化 ShapeEnv，精准调用并断言本次任务负责的 add_backed_var_to_val 方法，不对 ShapeEnv 整体进行冗余及全局测算。 4. **新增测试用例**： 在 test/fx/experimental 目录下test_symbolic_shapes.py 文件中新增test_relaxed_unspec_constraint_with_npu_tensor_shape，test_resolve_unbacked_bindings_with_npu_tensor_shape，test_safe_expand_with_npu_tensor_shape和test_add_backed_var_to_val_with_npu_tensor_shape测试用例。分布在 TestSymbolicShapes 测试类和TestShapeEnvSymbolicShapes 测试类中，针对上述 4 个 API 的底层物理逻辑分别进行了深度单测覆盖（均引入 NPU 张量维度提取以满足设备交互验证合规性）： - **test_relaxed_unspec_constraint_with_npu_tensor_shape**：针对torch.fx.experimental.symbolic_shapes.test_relaxed_unspec_constraintapi，详细测试底层推导发生冲突时，该异常类的实例化逻辑。用例通过 ShapeEnv 创建一个未绑定符号，将其底层 SymPy 表达式传入该类封装，并强断言对象成功创建且其内部 args 属性能正确追溯到该符号，证明在 NPU 张量元数据上下文交互中异常封装链路畅通。 - **test_resolve_unbacked_bindings_with_npu_tensor_shape**：针对torch.fx.experimental.symbolic_shapes.test_resolve_unbacked_bindingsapi， 深入验证运行时数据依赖符号（Unbacked SymInt）的查表机制。用例手动向 ShapeEnv 的字典中注入模拟符号，将其映射为真实 NPU 张量的 size 数值，随后调用该接口精准查表提取。这验证了前端解析器能够安全读取基于 NPU 物理维度构建的底层映射，保障动态维度下推安全。 - **test_safe_expand_with_npu_tensor_shape**：针对torch.fx.experimental.symbolic_shapes.test_safe_expandapi，全面测试基于 SymPy 的代数多项式安全展开器。用例提取不同 NPU 张量的形状数值，显式构造复合代数多项式（包含乘法与加法逻辑），传入接口后断言引擎能安全、规范地完成展开计算，验证了图追踪期间等式化简的鲁棒性。 - **test_add_backed_var_to_val_with_npu_tensor_shape**：针对torch.fx.experimental.symbolic_shapes.test_add_backed_var_to_valapi，验证确定性符号与其物理数值强绑定的底层注册逻辑。自PyTorch 2.11+ 官方对底层符号概念的严格解耦（torch.fx.experimental.symbolic_shapes.add_var_to_val重命名为 torch.fx.experimental.symbolic_shapes.add_backed_var_to_val）。 # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” 不涉及。 经核查官方文档目录 docs/zh/native_apis/，本次对齐的 API 均属于 torch.fx.experimental.symbolic_shapes 命名空间下的底层编译期内部实验性接口，非对外暴露的常规 Native API。该文档目录严格记录向外部最终用户开放的稳定核心算子与工具级接口（如 torch.fx.Graph 等）。底层的编译状态机与内部实验性方法不属于该文档的收录统计范围，故无需在 md 文件中补充登记。 # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“不涉及” 不涉及。 # 【功能验证】 > 说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤\ > 新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图 1. 测试场景：昇腾 NPU 单卡算力开发环境，执行图追踪底层实验性接口的功能一致性与跨设备元数据交互兼容性验证。 2. 测试方法：执行本 PR 新增的集中式 Python 专项看护脚本 test_symbolic_shapes.py，触发内部 4 个针对独立 API 的深度单元测试，断言代数执行逻辑及 NPU 设备类型拉起状态。 3. 测试步骤与验证截图： 执行以下命令，即可一键触发 TestSymbolicShapes 类下包含 RelaxedUnspecConstraint、resolve_unbacked_bindings、safe_expand 与 add_backed_var_to_val4 个核心 API 的全量单测： bash python ./fx/experimental/test_symbolic_shapes.py - **验证截图**：  # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!37478 | 2 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
test(fx): add tests for graph codegen api Co-authored-by: nannan-2026<1794949109@qq.com> # message auto-generated for no-merge-commit merge: !34465 merge test-fx-codegen-api-master into master test(fx): add tests for graph codegen api Created-by: nannan-2026 Commit-by: nannan-2026 Merged-by: ascend-robot Description: # 【合入来源】 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 关联 issue：https://gitcode.com/Ascend/pytorch/issues/1637 # 【修改方案】 本 PR 新增 torch.fx 代码生成相关 API 的单元测试，覆盖如下 API： - torch.fx.Graph.python_code - torch.fx.graph.PythonCode - torch.fx.Graph.set_codegen 具体修改内容： 1. 新增 test/test_fx_codegen_api.py 测试文件。 2. 增加 test_graph_python_code_returns_python_code 用例，验证 Graph.python_code("self") 返回对象类型为 PythonCode，并校验返回对象包含 src、globals 字段。 3. 增加 test_graph_set_codegen 用例，验证 Graph.set_codegen 设置自定义 CodeGen 后，GraphModule 可重新编译并正常执行。 4. 该组 API 属于 torch.fx Python 层代码生成接口，不涉及新增 NPU 算子实现。 # 【资料变更】 不涉及。 本 PR 仅新增测试用例，不修改资料文档。如后续确认 torch.fx.graph.PythonCode 在 native_apis 文档中缺失，将单独提交 docs PR 补充。 # 【接口变更】 不涉及。 本 PR 不修改客户可见接口，不修改 API 行为，仅新增测试用例验证现有 API 兼容性。 # 【功能验证】 测试场景： 1. 验证 torch.fx.Graph.python_code 可正常生成 PythonCode。 2. 验证 torch.fx.graph.PythonCode 对象包含 src 和 globals 字段。 3. 验证 torch.fx.Graph.set_codegen 设置自定义 CodeGen 后，GraphModule 可重新编译并正常执行。 测试命令： TORCH_DEVICE_BACKEND_AUTOLOAD=0 python test/test_fx_codegen_api.py -v 测试结果： test_graph_python_code_returns_python_code (__main__.TestFXCodegenAPI.test_graph_python_code_returns_python_code) ... ok test_graph_set_codegen (__main__.TestFXCodegenAPI.test_graph_set_codegen) ... ok Ran 2 tests in 0.168s OK 说明： 该 API 为 torch.fx Python 层代码生成接口，不涉及 NPU 算子计算。本次测试主要验证 API 功能行为与 PyTorch 原生保持一致。 # 【CheckList】 - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!34465 | 3 个月前 | |
| 2 年前 | ||
docs(torch.fx): 完善 experimental.symbolic_shapes 文档与测试用例 Co-authored-by: yuhongming-2026<moshui_1@qq.com> # message auto-generated for no-merge-commit merge: !35211 merge add-fx-experimental-symbolic-api-test-master into master test: 新增torch.fx.experimental.symbolic_shapes NPU 适配验证与统一运行脚本 Created-by: yuhongming-2026 Commit-by: yuhongming-2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**https://gitcode.com/Ascend/pytorch/issues/1611**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 --- ## 【背景与目标】 完善 Torch-NPU 对 PyTorch 原生 FX symbolic shapes 相关 API 的兼容性验证，覆盖以下 5 个 API 在 NPU 环境下的可用性，提升昇腾 NPU 上 PyTorch 框架的易用性与模型适配覆盖率。 | API | 说明 | | --- | --- | | torch.fx.experimental.symbolic_shapes.compute_unbacked_bindings | 计算 unbacked symint 绑定关系 | | torch.fx.experimental.symbolic_shapes.constrain_range | 对符号量施加范围约束 | | torch.fx.experimental.symbolic_shapes.constrain_unify | 统一两个符号量约束 | | torch.fx.experimental.symbolic_shapes.ConvertIntKey | Dynamo 图转换中的 int key 转换器 | | torch.fx.experimental.symbolic_shapes.ConvertIntKey.get | 根据 bool 条件获取对应 int key | --- ## 【上游社区支持情况】 | 项目 | 结论 | | --- | --- | | 是否属于上游 PyTorch API | 是，均位于 torch.fx.experimental.symbolic_shapes，为纯 Python 实现，不依赖 CUDA 专用算子 | | 上游是否提供公开 API | 是，constrain_range / constrain_unify 等已列入公开 API allowlist（如 test/allowlist_for_publicAPI.json） | | 上游是否有相关用例 | **部分有**。上游在 test/dynamo/test_misc.py 等文件中调用 constrain_range、constrain_unify；compute_unbacked_bindings、ConvertIntKey、ConvertIntKey.get 在基线 test/ 中缺少直接用例 | | 上游用例能否直接证明 NPU 支持 | 不能单独证明。上游现有调用主要覆盖 CPU/CUDA 或通用语义，未覆盖 NPU tensor 输入、torch.npu.device 上下文、由 NPU tensor 比较派生 bool 路径 | | 本 PR 的补充价值 | 在 Ascend NPU 上新增专项兼容性测试，补齐上游“部分覆盖/场景不足”导致的 NPU 侧验证缺口 | **结论：** 5 个 API 属于上游能力范围，但测试覆盖对 NPU 场景不完整（部分 API 无直接用例、部分 API 缺少 NPU关键路径）。本 PR 新增用例用于补齐 Torch-NPU 侧可验证性。**本 MR 不修改文档资料。** --- ## 【修改方案】 ### 1. API功能 1. torch.fx.experimental.symbolic_shapes.compute_unbacked_bindings 计算 unbacked SymInt 的绑定关系。本 PR 验证该接口在 NPU tensor 输入、NPU 上下文与 .to("npu") 迁移路径下可稳定调用。 2. torch.fx.experimental.symbolic_shapes.constrain_range 为符号值施加范围约束。本 PR 验证正常分支、异常分支以及 NPU 上下文调用行为。 3. torch.fx.experimental.symbolic_shapes.constrain_unify 对两个符号值进行约束统一。本 PR 验证正常/异常分支及 NPU 上下文下的可用性。 4. torch.fx.experimental.symbolic_shapes.ConvertIntKey 将布尔条件映射为整型 key 的转换器。本 PR 验证实例化与基础映射能力。 5. torch.fx.experimental.symbolic_shapes.ConvertIntKey.get 根据 bool 条件返回对应 int key（True->1，False->0）。本 PR 重点验证字面量 bool 和 NPU tensor 比较派生 bool 两类输入。 ### 2. 新增 NPU 兼容性测试 新增 test/fx/test_fx_experimental_symbolic.py，写法与同目录 FX 测试一致（TestCase + run_tests，默认 NPU 环境可用）。 | 用例 | 覆盖 API / 场景 | | --- | --- | | test_compute_unbacked_bindings | compute_unbacked_bindings + NPU tensor 输入 | | test_compute_unbacked_bindings_npu_context | compute_unbacked_bindings + torch.npu.device(0) 上下文 | | test_compute_unbacked_bindings_to_npu | compute_unbacked_bindings + .to("npu") 路径 | | test_constrain_range | constrain_range 基本调用与异常分支 | | test_constrain_range_npu_context | constrain_range + NPU device 上下文 | | test_constrain_unify | constrain_unify 基本调用与异常分支 | | test_constrain_unify_npu_context | constrain_unify + NPU device 上下文 | | test_convert_int_key_singleton | ConvertIntKey 实例化 | | test_convert_int_key_get_bool | ConvertIntKey.get(True/False) | | test_convert_int_key_get_npu_derived | ConvertIntKey.get + 由 NPU tensor 比较得到的 bool | | test_convert_int_key_npu_context | ConvertIntKey.get + NPU device 上下文 | **场景覆盖说明：** - compute_unbacked_bindings：NPU 张量、device 上下文、.to("npu") 迁移路径（3 类主路径） - constrain_range / constrain_unify：正常调用、异常分支、NPU 上下文（与上游 dynamo 通用语义用例互补） - ConvertIntKey / .get：实例化、字面量 bool、NPU 派生 bool、device 上下文（4 类主路径） ### 2.1 新增用例必要性与完整性分析 1. 针对 compute_unbacked_bindings： 上游基线 test/ 缺少面向 NPU tensor 的直接用例；本 PR 覆盖 device="npu"、.to("npu")、torch.npu.device(0) 三类主路径，补齐验证闭环。 2. 针对 constrain_range / constrain_unify： 上游 test/dynamo/test_misc.py 已有调用，但主要是 Python int + fallback 语义验证；本 PR 增加 NPU 上下文与异常分支验证，属于互补增强，不与上游重复。 3. 针对 ConvertIntKey / ConvertIntKey.get： 上游基线 test/ 缺少这组 API 的直接测试，尤其缺失“由 NPU tensor 比较结果派生 bool 后调用 get()”路径；本 PR 新增专项用例为必要补齐。 4. 结论： 本 PR 的新增测试属于“对上游部分覆盖场景做 NPU 侧补齐 + 对上游缺失场景补空白”，不是重复建设。 ### 3. 多版本分支合入（如适用） 按 Ascend PyTorch 版本线分别提 MR，每个 MR 仅 1 个 squash 提交： | 目标分支 | MR | | --- | --- | | v2.7.1 | https://gitcode.com/Ascend/pytorch/pull/35207 | | v2.9.0 | https://gitcode.com/Ascend/pytorch/pull/35208 | | v2.10.0 | https://gitcode.com/Ascend/pytorch/pull/35209 | | v2.11.0 | https://gitcode.com/Ascend/pytorch/pull/35210 | | v2.12.0 | https://gitcode.com/Ascend/pytorch/pull/35552 | | master | https://gitcode.com/Ascend/pytorch/pull/35211 | > 若当前 MR 仅针对单一版本分支，可删除上表中与本 MR 无关的行。 --- ## 【资料变更】 不涉及，测试 PR 本身不直接修改资料文件；资料补齐由配套资料 PR 单独提交。 本 PR 仅负责测试补齐与验证，确保测试范围与当前版本实际能力一致。 --- ## 【接口变更】 不涉及（无新增/修改对外 C++ 或 Python 接口，仅新增测试） --- ## 【功能验证】 ### 1. 测试环境 - **设备：** Ascend NPU（如 Ascend910B4） - **框架：** 对应分支 Torch-NPU + PyTorch - **说明：** 测试默认 NPU 可用，不额外做 torch.npu.is_available() 跳过逻辑 ### 2. 测试命令 bash cd <pytorch-repo-root> python test/fx/test_fx_experimental_symbolic.py ### 3. 测试结果  ### 4. 与上游用例的关系 | 验证维度 | 上游现有用例 | 本 PR 新增用例 | | --- | --- | --- | | constrain_range / constrain_unify 调用 | test/dynamo/test_misc.py 等（通用语义） | 增加 NPU 上下文与异常分支验证 | | NPU tensor + compute_unbacked_bindings | 无直接用例 | 已覆盖（NPU输入/上下文/迁移路径） | | NPU 上 ConvertIntKey.get（含 NPU 派生 bool） | 无直接用例 | 已覆盖 | | NPU 侧验证闭环 | 不完整 | 本 PR 补齐 | --- ## 【CheckList】 - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [ ] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!35211 | 3 个月前 | |
[test] add tests for torch.fx Graph APIs Co-authored-by: lihaokun-2026<851563813@qq.com> # message auto-generated for no-merge-commit merge: !34399 merge add-fx-graph-api-test-master into master [test] add tests for torch.fx Graph APIs Created-by: lihaokun-2026 Commit-by: lihaokun-2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > [【开源实习】Torch-NPU API一致性对齐：补齐测试用例、API功能对齐、补齐文档（30） #1636](https://gitcode.com/Ascend/pytorch/issues/1636) > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 本次提交对应 Torch-NPU API 补齐任务，涉及以下 5 个 API： - torch.fx.Graph.output_node - torch.fx.Graph.placeholder - torch.fx.Graph.print_tabular - torch.fx.Graph.process_inputs - torch.fx.Graph.process_outputs # 【修改方案】 1. 对目标 API 进行现状核查，确认在当前Pytorch环境中已实际支持，不需要补齐底层实现。 2. 补充独立测试文件test/fx/test_fx_graph.py文件。 3. 采用最小化修改方案，不改动已有底层实现，仅补齐测试覆盖。 # 【资料变更】 不涉及 # 【接口变更】 不涉及 # 【功能验证】 测试场景： 1. torch.fx.Graph的5个API进行验证 2. NPU 设备下 tensor shape 场景验证 测试方法： cd /data TORCH_DEVICE_BACKEND_AUTOLOAD=1 /usr/local/python3.11.14/bin/python3 /data/pytorch/test/fx/test_fx_graph.py -v # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [ ] PR持续集成流水线（CI）执行通过，代码检查无异常 【开源实习】Torch-NPU API一致性对齐：补齐测试用例、API功能对齐、补齐文档（30） [#1636](https://gitcode.com/Ascend/pytorch/issues/1636) See merge request: Ascend/pytorch!34399 | 3 个月前 | |
[test] add fx graph api coverage for find_nodes and graph_copy Co-authored-by: anning-2026<870721918@qq.com> # message auto-generated for no-merge-commit merge: !36532 merge fx-graph-apis-master into master [test] add fx graph api coverage for find_nodes and graph_copy Created-by: anning-2026 Commit-by: anning-2026 Merged-by: ascend-robot Description: # 【合入来源】 > 如有社区issue，请关联issue链接 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 公开issue：https://gitcode.com/Ascend/pytorch/issues/1633 本次提交对应 Torch-NPU API 补齐任务，涉及以下 5 个 API： - torch.fx.Graph.find_nodes - torch.fx.Graph.graph_copy - torch.fx.Graph.eliminate_dead_code - torch.fx.Graph.erase_node - torch.fx.Graph.get_attr # 【API 功能介绍】 - torch.fx.Graph.find_nodes：根据 op 类型和 target 快速查询图中节点，支持 sort 参数控制返回顺序。属于图结构查询操作。 - torch.fx.Graph.graph_copy：将源图的所有节点复制到目标图中，通过 val_map 映射已有节点，支持节点复用。属于图结构复制操作。 - torch.fx.Graph.eliminate_dead_code：删除图中无用户的死节点，保留有副作用的节点。属于图结构优化操作。 - torch.fx.Graph.erase_node：从图中删除指定节点。属于图结构操作。 - torch.fx.Graph.get_attr：在图中创建一个 get_attr 节点，用于获取模块属性。属于图节点创建操作。 # 【社区用例分析】 ## 1.3 类 API（上游无专门用例，自行编写并提交 PR） torch.fx.Graph.find_nodes 上游无专门测试。虽然在 test/fx/test_fx_node_hook.py 和 test/export/test_export.py 中有间接使用，但都是作为辅助手段调用，没有针对 find_nodes 本身的参数（op、target、sort）和返回值进行验证。因此需要新增用例。 torch.fx.Graph.graph_copy 上游无专门测试。虽然在 test/test_fx.py 中有间接使用，但没有针对 graph_copy 的 val_map 填充、节点复制正确性、已有节点复用等核心行为进行独立验证。因此需要新增用例。 torch.fx.Graph.erase_node 上游在 test/fx/test_fx_node_hook.py 的 test_hooks_for_node_update 中有间接调用，但该测试核心目的是验证 Node Hook 机制，erase_node 仅作为清理手段，未对节点删除后的图结构完整性和计算正确性进行独立验证。因此需要新增用例。 torch.fx.Graph.get_attr 上游在 test/test_fx.py 的多个测试函数中有间接使用 get_attr 节点，但都是在验证其他功能时作为图的组成部分出现，没有针对 get_attr 节点的创建、多属性获取等核心行为进行独立验证。因此需要新增用例。 ## 1.2 类 API（NPU 无需任何修改） torch.fx.Graph.eliminate_dead_code 上游用例文件：test/fx/test_dce_pass.py，共 7 个测试函数（test_simple、test_dead_chain、test_dead_getattr、test_dead_placeholder、test_dead_placeholder_with_user、test_keep_module_with_side_effects、test_keep_torch_assert）。 源文件已自带 import torch_npu 和 import torch_npu.testing，无需 patch，直接运行全部通过。该 API 为纯图结构操作，NPU 无需任何修改。 # 【修改方案】 其中 eliminate_dead_code 源文件已自带 NPU 支持，无需修改。 对 find_nodes、graph_copy、erase_node、get_attr 各补充 1 个测试用例到 test/fx/test_fx_graph_api.py，在功能验证充分的前提下尽量简化，每个 API 聚焦一个用例覆盖核心功能： 1. torch.fx.Graph.find_nodes：在一个包含 call_function、call_module、get_attr 的图中验证 op/target 查询、sort 参数和空结果场景 2. torch.fx.Graph.graph_copy：验证基本复制与 val_map 填充、val_map 复用已有节点、return_output_node 参数 3. torch.fx.Graph.erase_node：删除中间节点并重接依赖，验证图结构和 NPU 计算正确性 4. torch.fx.Graph.get_attr：通过 symbolic_trace 产生多属性 get_attr 节点，验证节点正确性和 NPU 计算结果 # 【资料变更】 不涉及。本 PR 仅补测试，不包含资料修改。 # 【接口变更】 不涉及。未修改跨仓接口，也未修改用户可见接口行为。 # 【功能验证】 测试场景1：torch.fx.Graph.find_nodes、graph_copy、erase_node、get_attr 的核心行为验证。 python test/fx/test_fx_graph_api.py 测试日志： test_erase_node ... ok test_find_nodes ... ok test_get_attr ... ok test_graph_copy ... ok test_graph_inserting_after ... ok test_graph_inserting_before ... ok test_inplace_methods_format_codegen ... ok test_magic_methods_format_codegen ... ok ---------------------------------------------------------------------- Ran 8 tests in 12.657s OK 测试场景2：torch.fx.Graph.eliminate_dead_code 上游用例验证（1.2 类，源文件已自带 NPU 支持）。 python test/fx/test_dce_pass.py 测试日志：exit code 0，7/7 tests passed。 [#1633](https://gitcode.com/Ascend/pytorch/issues/1633) See merge request: Ascend/pytorch!36532 | 2 个月前 | |
[test] Add fx graph internal API verify tests Co-authored-by: lihaokun-2026<851563813@qq.com> # message auto-generated for no-merge-commit merge: !35580 merge add-fx-graph-api-verify-master into master [test] Add fx graph internal API verify tests Created-by: lihaokun-2026 Commit-by: lihaokun-2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > [【开源实习】Torch-NPU API一致性对齐：补齐测试用例、API功能对齐、补齐文档（25） #1631](https://gitcode.com/Ascend/pytorch/issues/1631) > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改背景】 本次任务聚焦 torch.fx.graph 相关内部能力的测试补齐与行为验证，主要覆盖 FX 图代码生成过程中涉及的内部辅助接口及状态维护逻辑。 结合目标分支实际源码核查后发现，torch.fx.graph.py 中相关能力的暴露形式并不完全一致： - torch.fx.graph._format_target、torch.fx.graph._is_from_torch、torch.fx.graph._origin_type_map、torch.fx.graph._register_custom_builtin 为 torch.fx.graph 模块级内部对象，可直接进行 API 级测试； - torch.fx.graph._format_args 在当前目标分支中并非 torch.fx.graph 模块级函数，也不是 CodeGen 类方法，而是定义在 CodeGen._gen_python_code() 内部的局部 helper 函数，无法通过 torch.fx.graph._format_args 直接访问。 因此，本次 PR 对 torch.fx.graph._format_args 不进行测试验证。 本次任务范围为 test/ 目录下测试用例开发与验证，不涉及 torch_npu/ 目录实现逻辑修改。 # 【资料支持情况核查】 核查结论： 1. torch.fx.graph._format_target 为模块级内部函数，可直接验证目标路径格式化行为； 2. torch.fx.graph._is_from_torch 为模块级内部函数，可直接验证 torch 对象识别行为； 3. torch.fx.graph._origin_type_map 为模块级内部映射表，可直接验证内置容器类型映射行为； 4. torch.fx.graph._register_custom_builtin 为模块级内部函数，可直接验证自定义 builtin 注册及内部状态更新行为； 5. torch.fx.graph._format_args 当前不是模块级 API，而是 CodeGen._gen_python_code() 内部局部函数，因此测试中不进行测试验证。 同时在torch官方社区中并没有针对这5个api的测试方法，同时由于torch.fx.graph._format_args 当前不是模块级 API，而是 CodeGen._gen_python_code() 内部局部函数，因此测试中不进行测试验证，因此需要在本pr中新增对4个api的测试方法，测试范围已与当前目标分支实际源码保持一致，避免将局部 helper 错误声明为模块级 API。 本次提交对应 Torch-NPU API 补齐任务，涉及以下 4 个 API： | API / 行为 | 作用说明 | 备注 | |---|---|---| | torch.fx.graph._format_target | 将 FX Node 的 target 路径格式化为合法的 Python 属性访问表达式。对于非法 Python 标识符，会转换为 getattr(...) 形式。 | 主要用于 call_method、call_module、get_attr 等节点的代码生成。 | | torch.fx.graph._is_from_torch | 判断一个对象是否来自 torch 命名空间，用于区分 torch 原生对象和用户自定义对象。 | FX codegen 可据此决定是否直接生成类似 torch.add(...) 的调用形式。 | | torch.fx.graph._origin_type_map.get | 查询内置容器类型到 typing 类型的映射关系，例如 list -> typing.List、dict -> typing.Dict。 | 主要用于 FX 代码生成过程中的类型注解处理。 | | torch.fx.graph._register_custom_builtin | 注册 FX codegen 需要识别的自定义 builtin 对象，并更新 _custom_builtins 与 _illegal_names 内部状态。 | 用于保证生成代码能够正确引用特定全局对象，同时避免变量名与 builtin 名称冲突。 | # 【修改方案】 新增测试文件： test/fx/test_fx_graph_internal.py 文件顶部补充用途说明，明确该文件用于承载 torch.fx.graph 相关内部 API 及 CodeGen 行为的兼容性验证。 当前测试覆盖以下 4个api ： 1. torch.fx.graph._format_target； 2. torch.fx.graph._is_from_torch； 3. torch.fx.graph._origin_type_map.get； 4. torch.fx.graph._register_custom_builtin。 本次采用最小化修改方案： - 仅新增 test/ 下测试文件； - 不修改 torch_npu/ 目录下实现代码； - 不引入与本次任务无关的功能改动； - 不使用 try / except 异常捕获逻辑，测试中如出现异常直接暴露； # 【资料变更】 不涉及 # 【接口变更】 不涉及 # 【功能验证】 > 测试场景： 1. torch.fx.Graph的4个API进行验证 2. NPU 设备下 tensor shape 场景验证 > 测试方法： export TORCH_DEVICE_BACKEND_AUTOLOAD=1 python /test/fx/test/fx/test_fx_graph_internal.py -v >测试结果  所有api功能性测试均已通过 # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [ ] PR持续集成流水线（CI）执行通过，代码检查无异常 [【开源实习】Torch-NPU API一致性对齐：补齐测试用例、API功能对齐、补齐文档（25） #1631](https://gitcode.com/Ascend/pytorch/issues/1631) See merge request: Ascend/pytorch!35580 | 3 个月前 | |
Add test_fx_graph_pickler for NPU adapter validation Co-authored-by: yuhongming-2026<moshui_1@qq.com> # message auto-generated for no-merge-commit merge: !34855 merge add-fx-graph-api-test-master into master test: 新增 GraphPickler NPU 适配验证与统一运行脚本 Created-by: yuhongming-2026 Commit-by: yuhongming-2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**#1607**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [x] 重构优化 - [ ] 资料更新 # 【修改方案】 1. 新增统一验证脚本 run_graphpickler_npu_unified.py，用于自动选择可用后端并验证 torch.fx._graph_pickler 三大 API 在 CPU/NPU 环境中的适配性。 2. 支持的目标 API 包括 GraphPickler.dumps、GraphPickler.loads 以及 Option/Options 配置项，兼容 torch.fx._graph_pickler、torch_npu.fx._graph_pickler 与 graphpickler_npu_adapter 三种后端。 3. 在验证逻辑中实现：API 存在性检查、CPU round-trip 序列化/反序列化验证、NPU round-trip 验证、Option/Options 参数测试和输出一致性对比。 4. 参考已有验证结果文档和报告，确认 graphpickler_npu_validation_report.json 中三大 API 均通过验证，Option 配置测试 7/7 通过，NPU 功能测试通过且输出完全匹配。 5. PR 文档内容已基于目录下现有 NPU_ADAPTER_FULL_REPORT.md、NPU_ADAPTER_2100_REPORT.md、ADAPTATION_REPORT.md 等验证报告进行整理。 # 【资料变更】 不涉及 # 【接口变更】 不涉及 # 【功能验证】 - 通过统一验证脚本 run_graphpickler_npu_unified.py 运行结果确认： - NPU 可用：torch.npu.is_available() 返回 true。 - API 存在性：GraphPickler.dumps、GraphPickler.loads、Option 均存在且可调用。 - CPU round-trip：序列化成功，反序列化成功，输出与原始模型一致。 - NPU round-trip：NPU 模型序列化/反序列化成功，NPU 输出完全匹配。 - Option 配置测试：默认/压缩/保留设备信息/包含元数据/完整性校验/二进制格式/全部选项均通过，7/7 通过率 100%。 - 参考验证报告：graphpickler_npu_validation_report.json、NPU_ADAPTER_FULL_REPORT.md、NPU_ADAPTER_2100_REPORT.md 等。 - 已补充 PR 文档，便于 reviewer 直接确认适配结果。 # 【CheckList】 - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [ ] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!34855 | 3 个月前 | |
test(fx): add test for lazy_format_graph_code Co-authored-by: Lane0218<laneljc@qq.com> # message auto-generated for no-merge-commit merge: !35078 merge task2-master-test-fx-lazy-format into master test(fx): add test for lazy_format_graph_code Created-by: liujiacheng_2026 Commit-by: Lane0218 Merged-by: ascend-robot Description: # 【合入来源】 > [【开源实习】Torch-NPU API一致性对齐：补齐测试用例、API功能对齐、补齐文档（2）](https://gitcode.com/Ascend/pytorch/issues/1608) - [ ] 需求 - [ ] 问题单 - [X] issue/工单 - [ ] 重构优化 - [ ] 资料更新 本 PR 覆盖以下 API： - torch.fx._utils.lazy_format_graph_code # 【修改方案】 ## 一、API 功能说明 torch.fx._utils.lazy_format_graph_code 是 torch.fx 中用于延迟格式化 GraphModule 可读代码的 Python helper。 该 API 返回 torch._logging.LazyString，只有在日志系统或调用方真正需要字符串内容时，才调用内部格式化函数。字符串化时会调用 GraphModule.print_readable(print_output=False, **kwargs)，并将结果包装成包含 TRACED GRAPH 标识和标题的可读文本。 该 API 主要用于 FX pass 的日志输出，例如 split_module、runtime_assert、_tensorify_python_scalars 等路径。它不涉及 NPU 算子分派，也不修改 graph 语义。 ## 二、用例完备性说明 经检索，PyTorch 社区测试中暂未发现直接覆盖 torch.fx._utils.lazy_format_graph_code 的专项测试。因此按任务要求在 Torch-NPU test 目录补充自写用例。 新增 TestFXNPU.test_lazy_format_graph_code，验证内容包括： - 构造最小 torch.nn.Module 并通过 symbolic_trace 得到 GraphModule。 - 调用 lazy_format_graph_code("fx lazy graph", gm, maybe_id=1)。 - 对返回的 LazyString 执行字符串化。 - 断言输出包含 TRACED GRAPH。 - 断言标题包含 ===== fx lazy graph 1 =====。 - 断言输出包含 def forward，证明 GraphModule.print_readable 的结果进入最终格式化文本。 该测试是功能类 API 的最小核心验证，不依赖真实 NPU 张量，不绑定具体算子节点文本，也不覆盖颜色输出等非核心格式细节，避免测试过度约束输出实现。 ## 三、NPU 适配说明 本次不修改 Torch-NPU 生产代码，仅新增测试用例。 lazy_format_graph_code 是 FX Python 层日志辅助函数，不涉及 NPU kernel、device dispatch 或 tensor 精度计算。NPU 适配目标是验证该 API 在 Torch-NPU 测试环境中可正常导入、调用和生成符合预期的 FX graph 可读输出。 为什么不需要修改 API： - Torch-NPU 未覆写该 API。 - 该 API 行为由 PyTorch torch.fx._utils 提供。 - 当前验证中 API 可正常运行，输出包含预期 graph 标识、标题和 forward 代码。 # 【资料变更】 不涉及。本 API 的资料补齐由单独文档 PR 提交到 v2.7.1。 # 【接口变更】 不涉及。 # 【功能验证】 执行命令： bash TORCH_DEVICE_BACKEND_AUTOLOAD=0 PYTHONPATH=<repo>/test python <repo>/test/test_fx.py TestFXNPU.test_lazy_format_graph_code 覆盖版本： - master - v2.7.1 - v2.8.0 - v2.9.0 - v2.10.0 - v2.11.0 - v2.12.0 执行结果： text ---------------------------------------------------------------------- Ran 1 test in 0.009s OK 额外检查： bash python -m py_compile <repo>/test/test_fx.py git diff --check 覆盖上述全部版本，结果均通过。 # 【CheckList】 - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!35078 | 3 个月前 | |
| 2 年前 | ||
test(fx): add NPU coverage for PropagateUnbackedSymInts and rebind_unbacked Co-authored-by: 李昊飞<3525247968@qq.com> # message auto-generated for no-merge-commit merge: !37263 merge symbolic-shapes-propagate-unbacked-symints-master into master test(fx): add NPU coverage for PropagateUnbackedSymInts and rebind_unbacked Created-by: lihaofei-2026 Commit-by: 李昊飞 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ 公开issue：https://gitcode.com/Ascend/pytorch/issues/1619 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 1. 一致性分析：对 torch.fx.experimental.symbolic_shapes 模块中的5个API进行torchnpu迁移适配分析，包括 PropagateUnbackedSymInts.output PropagateUnbackedSymInts.placeholder PropagateUnbackedSymInts.run PropagateUnbackedSymInts.run_node rebind_unbacked 2. 上游测试调研：分析PyTorch官方仓库（main分支）中这5个API的测试覆盖情况，发现上游无直接测试用例，仅有间接测试（通过 shape_prop.ShapeProp 和provenance 检查） 3. 下游版本排查：检查v2.7.1~v2.12.0共5个下游版本，确认所有版本均缺少这5个API的测试用例 4. 新增测试用例：在每个下游版本的 test/fx/ 目录下新建 test_fx_propagate_unbacked_symints.py 文件，覆盖全部5个API，使用NPU张量（device="npu"）验证各API在NPU设备下的正确性 5. 测试验证：所有5个版本的测试用例均已通过验证 新增用例必要性分析： 1. PropagateUnbackedSymInts.run/run_node：上游 test/fx/test_fx_traceback.py::test_graph_provenance 通过 AOT export 路径间接覆盖，但缺少 NPU设备路径验证 2. PropagateUnbackedSymInts.placeholder/output：继承自 torch.fx.Interpreter，上游无独立断言 3. rebind_unbacked：上游通过 ShapeProp/FakeTensorProp/export 路径间接覆盖，但缺少 NPU 验证 结论：属于「迁移上游间接覆盖 + NPU 设备路径补齐 + 弱覆盖补独立断言」，不是重复建设 # 【资料变更】 经核查官方文档目录，本次涉及的 API 属于 torch.fx.experimental 下的编译期实验性内部接口，非对外暴露的常规 Native API，无需在文档中补充登记。 # 【接口变更】 不涉及 # 【功能验证】 测试场景：验证 PropagateUnbackedSymInts 类和 rebind_unbacked 函数在NPU张量下的功能正确性 测试方法： 1. 新增UT测试用例文件 test/fx/test_fx_propagate_unbacked_symints.py 2. 使用 torch.tensor([1, 0, 1, 0], device="npu") 创建NPU张量 3. 通过 torch.export.export 导出模型并获取fake tensor 4. 在fake_mode上下文中调用各API进行验证 测试用例覆盖： | 测试函数 |验证API | API作用 | |--|--|--| |test_propagate_unbacked_symints_run|PropagateUnbackedSymInts.run|运行整个FX图，遍历所有节点执行并传播unbacked符号绑定| |test_propagate_unbacked_symints_run_node|PropagateUnbackedSymInts.run_node|运行单个FX节点，调用rebind_unbacked重新绑定unbacked符号| |test_propagate_unbacked_symints_placeholder|PropagateUnbackedSymInts.placeholder|执行placeholoder节点，从参数迭代器获取图的输入数据| |test_propagate_unbacked_symints_output|PropagateUnbackedSymInts.output|执行output节点，返回图的最终输出结果| |test_rebind_unbacked|rebind_unbacked|在重新追踪图时，建立新旧unbacked SymInts的等价关系，确保ShapeEnv一致性| 本 PR 不是对上游已有测试文件进行 NPU 适配，因此不涉及 test_upstream patch 文件修改。 测试命令及结果： python /workspace/user_data/pytorch-master/test/fx/test_fx_propagate_unbacked_symints.py  python /workspace/user_data/pytorch-v2.7.1/test/fx/test_fx_propagate_unbacked_symints.py  python /workspace/user_data/pytorch-v2.9.0/test/fx/test_fx_propagate_unbacked_symints.py  python /workspace/user_data/pytorch-v2.10.0/test/fx/test_fx_propagate_unbacked_symints.py  python /workspace/user_data/pytorch-v2.11.0/test/fx/test_fx_propagate_unbacked_symints.py  python /workspace/user_data/pytorch-v2.12.0/test/fx/test_fx_propagate_unbacked_symints.py  # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!37263 | 2 个月前 | |
| 2 年前 | ||
test(nn): add test for fx.tracer.create_arg Co-authored-by: Micke Zhang<18502290727@163.com> # message auto-generated for no-merge-commit merge: !36180 merge test-fx-tracer-create-arg into master test(nn): add test for fx.tracer.create_arg Created-by: weixin_38711892 Commit-by: Micke Zhang Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【API 功能】 ## API： torch.fx.Tracer.create_arg ## 功能： Tracer.create_arg 是 PyTorch FX 符号追踪（Symbolic Tracing）过程中的核心基础函数之一，它充当了原生 Python / 张量值与 FX 计算图节点之间的转换入口。torch.fx.Tracer.create_arg 的主要职责是在追踪（Trace）阶段，将输入的各类参数值（如常量、Python 基础类型、张量、符号代理等）统一处理并封装为计算图（Graph）可识别的节点或符号代理（Proxy）。在 PyTorch FX 的设计中，Tracer 通过该方法完成参数的标准化处理，确保传入模块、算子、函数的各类参数都能被正确转换为计算图中的合法节点表示，为后续构建完整、可执行的计算图提供底层支撑，是 FX 追踪流程中参数节点生成的关键环节。 # 【用例完整性】 经 PyTorch 社区代码检索，v2.7.1/v2.8.0/v2.9.0/v2.10.0/v2.11.0针对torch.fx.Tracer.create_arg API 的验证功能较为薄弱，现有验证情况分析如下： | 验证维度 | 详细描述 | 验证强度评估 | | :--- | :--- | :--- | | API 接口可用性 | 验证了用户可以通过实现 __fx_create_arg__ 方法来控制对象如何被转换为 FX 图中的节点（Node）。 | 基础 | | 代码生成 (Codegen) | 验证了自定义逻辑生成的代码字符串中包含了预期的构造函数调用。 | 薄弱 | | 图结构正确性 | 仅通过检查代码字符串包含特定字符来间接推断图结构正确，未直接检查图节点（Node）的属性。 | 薄弱 | | 运行时正确性 | 未验证。该测试没有执行生成的 GraphModule，也没有检查运行结果是否与原函数一致。 | 缺失 | 现有用例仅验证了 __fx_create_arg__ 接口可被调用并生成含指定字符串的代码，未对其语义正确性与运行时行为进行校验。 因此需要新增完整的单元测试文件 test_fx_tracer_create_arg.py，以全面验证该 API 的功能正确性、鲁棒性及兼容性。 # 【修改方案】 一、API现状检索 经核查确认，目标 API 在现有 v2.7.1、v2.8.0、v2.9.0、v2.10.0、v2.11.0 版本中均已完整支持，无需补充底层实现。本次 PR 仅在 test/fx/ 目录下新增 torch.fx.Tracer.create_arg 相关测试用例，完善测试覆盖。 二、新增文件：test/fx/test_fx_tracer_create_arg.py全覆盖验证 create_arg 核心能力，包含： 1、对 create_arg API 的验证 核心功能验证 test_create_arg_tensor_to_constant_node：验证核心的「Tensor 类型参数转换为图常量节点」能力，确认 API 能正确处理 torch.Tensor 并返回有效的 fx.Node 对象，节点类型为 get_attr，包含标准常量命名标识。 test_create_arg_tensor_node_in_graph：验证「生成的张量节点正确加入计算图」能力，确保 create_arg 创建的节点被成功添加到当前计算图中，保证图结构完整性。 test_create_arg_tensor_list_to_node_list：验证「Tensor 列表类型」参数的递归处理能力，确认 API 能递归调用 create_arg 处理列表中每个元素，返回结构一致的节点列表容器。 test_create_arg_dict_to_node_dict：验证「字典类型」参数的递归处理能力，确认 API 能处理字典中每个 value 为 Tensor 的场景，保持字典结构完整、键值对应关系不变且值均转换为合法图节点。 test_create_arg_tuple_to_node_tuple：验证「元组类型」参数的递归处理能力，确认 API 能正确处理不可变容器类型，递归转换内部张量并返回结构一致、元素均为节点的元组容器。 test_create_arg_deeply_nested_container：验证「深度嵌套混合容器」递归处理能力，支持 list + dict + 多层 Tensor 嵌套结构，确保 API 能完整遍历并转换所有层级的张量为图节点。 test_create_arg_with_basic_types：覆盖「整数 / 浮点数 / 字符串 / 布尔值」等基础 Python 类型的处理，验证 API 能直接返回原值而不创建图节点，保持常量语义不变。 test_create_arg_npu_tensor_consistency：验证「NPU 张量与 CPU 张量处理一致性」，确保 API 对昇腾 NPU 张量的处理逻辑与 CPU 完全相同，行为无差异、硬件无感知。 test_create_arg_with_custom_tracer_override：验证「自定义类型扩展能力」，支持继承 Tracer 重写 create_arg 处理自定义对象，确保 API 具备良好的扩展性与适配能力。 test_create_arg_list_mixed_types：验证「混合类型列表」处理能力，支持 Tensor + 基础类型组合，确保张量转为节点、基础类型保持不变，结构与输入完全对齐。 test_create_arg_dict_mixed_values：验证「混合类型字典」处理能力，支持 Tensor、基础类型、嵌套列表混合场景，确保递归处理正确、结构完整、类型匹配。 边界条件验证 test_create_arg_with_none：验证 None 值边界场景下 API 直接返回 None 而不创建任何图节点，保证极端输入下的鲁棒性与稳定性。 底层逻辑验证 所有用例均通过先调用 tracer.trace(model) 完成追踪器初始化，构建合法的 root 模块与图上下文，确保 create_arg 在正确的图环境中执行。验证 API 能够正常访问 self.root、self.graph 等核心上下文，并完成参数到图节点的合法转换，保证底层图构建逻辑正确性。 2、测试隔离性保障 每个测试用例独立定义 SimpleModule、独立创建 fx.Tracer 实例、独立生成全新计算图，确保： 不同测试用例之间的图结构完全隔离、互不干扰 多次调用 create_arg 不会产生状态污染或节点冲突 无需额外 setUp/tearDown 清理逻辑，用例天然具备独立性与可重复性 单测失败可精准定位，不影响其他用例执行 三、NPU适配 torch.fx.Tracer.create_arg 具备硬件无关性、纯 Python 层实现、无底层算子依赖三大核心特征，决定了其无需针对昇腾 NPU 做修改，具体分析： 1. 纯 Python 层抽象，无硬件相关逻辑 - create_arg API：仅负责 Python 对象到计算图节点的类型转换和递归处理，是「参数-节点映射」的纯 Python 抽象接口，独立于所有硬件相关的计算、存储、通信逻辑之外（如 NPU 算子、NPU 内存管理、NPU 通信协议等）。 2.无底层算子 / 内核依赖 API 内部仅调用 Python 标准库（isinstance 类型判断、递归遍历容器）和 PyTorch 纯 Python 层的图节点抽象（Node/Proxy 类），与 CUDA/NPU 等硬件相关的扩展库、内核函数或底层驱动完全独立。 类型递归处理仅基于 Python 原生容器类型（list、dict、tuple）和基础类型系统，无需依赖任何硬件相关接口。 3.核心逻辑与硬件解耦 参数处理解耦：create_arg 对 torch.Tensor 的处理是创建图节点占位符，该节点仅是计算图的逻辑表示，与张量实际存储的硬件设备（CPU/NPU/GPU）无关 —— 无论张量在何种设备上，create_arg 均将其统一转换为图中节点，NPU 环境下可直接复用。 容器递归逻辑解耦：对 list、dict、tuple 的递归处理是纯 Python 容器遍历操作，与硬件相关属性完全隔离。嵌套容器中无论包含 CPU Tensor 还是 NPU Tensor，递归遍历逻辑完全一致。 基础类型处理解耦：对 int、float、str、bool、None 的常量返回操作，无需与硬件产生交互，NPU 环境下常量处理规则无需调整。 4.图构建上下文解耦 create_arg 依赖的 self.root（被追踪的模块）和 self.graph（计算图容器）是 FX 框架的纯 Python 层抽象，不含任何硬件相关属性。 tracer.trace (model) 的初始化过程仅进行模块结构分析和符号追踪，与设备相关的算子下发、内存分配相互独立。 生成的常量节点（get_attr）仅记录参数名称和类型元信息，不携带设备标识，因此 NPU 环境下无需修改节点创建逻辑。 5.测试验证的硬件无关性体现 测试用例中已单独覆盖 NPU 张量场景 test_create_arg_npu_tensor_consistency，验证结果表明： 传入 NPU 张量时，create_arg 的处理路径与 CPU 张量完全一致 均生成合法的 fx.Node 常量节点，节点类型、结构、行为无任何差异 简言之，create_arg 是「硬件无关的纯 Python 层抽象」，核心逻辑不绑定、不依赖任何特定硬件（包括 GPU/NPU/CPU），因此适配昇腾 NPU 时无需修改 API 本身，可直接复用。 # 【资料变更】 已经在 https://gitcode.com/Ascend/pytorch/treeN2.7.1/docs/zh/native apis 的文档中进行查找与验证。该目录下的pytorch.2-6.0至pytorch.2-10-0文件夹下的torch-fx.md已经对"torch.fx.Tracer.create_arg"全部标注"是"。无需更改。      # 【接口变更】 > 不涉及 # 【功能验证】 ## 测试文件路径 - test/fx/test_fx_tracer_create_arg.py ## 验证环境 - 对应版本：torch-npu 2.10.0 - 操作系统：AlmaLinux 8.10 - CANN 软件版本：8.5.0 - 安装的软件版本：torch、torch-npu 2.10.0 ## 验证结果 [root@2338f55479be test]# python test_fx_tracer_create_arg.py ............ ---------------------------------------------------------------------- Ran 12 tests in 1.117s OK [root@2338f55479be test]# ## 结果说明 测试用例执行通过。 # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - ✅ 代码注释完备，正确记录错误日志 - ✅ 代码实现进行了返回值、空指针等校 - ✅ PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - ✅ PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!36180 | 3 个月前 | |
test(fx): add test for Tracer.getattr Co-authored-by: m0_45651774<2759927519@qq.com> # message auto-generated for no-merge-commit merge: !35414 merge test-fx-Tracer-getattr-master into master test(fx): add test for Tracer.getattr Created-by: m0_45651774 Commit-by: m0_45651774 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260512 --> # 【API功能】 **API:** torch.fx.Tracer.getattr **功能：** Tracer.getattr 是 PyTorch FX 符号追踪（Symbolic Tracing）过程中的核心钩子函数之一，它充当了 Python 对象属性访问与 FX 计算图节点之间的桥梁。torch.fx.Tracer.getattr 的主要职责是在追踪（Trace）阶段，拦截对 nn.Module 实例属性的访问操作，并将其转化为计算图（Graph）中的一个 get_attr 节点。在 PyTorch FX 的设计中，Tracer 通过重写 Python 的属性访问机制，确保当代码尝试读取模型的权重（如 self.linear.weight）、偏置或子模块时，不会直接返回底层的 Tensor 或 Module 对象，而是返回一个代表该值的符号代理（Proxy）。 # 【用例完整性】 经 PyTorch 社区代码检索，v2.7.1/v2.8.0/v2.9.0/v2.10.0/v2.11.0/master均无torch.fx.Tracer.getattr 测试用例覆盖，因此需要新增 torch-npu 自有用例。 # 【修改方案】 对目标 API 进行现状核查，确认在当前v2.7.1/v2.8.0/v2.9.0/v2.10.0/v2.11.0已实际支持，不需要补齐底层实现，本 PR 仅补充torch.fx.Tracer.getatt的测试用例至test/fx/test_fx_tracer_transformer_api.py。 # 【版本说明】 经 PyTorch 社区代码检索，v2.7.1/v2.8.0/v2.9.0/v2.10.0/v2.11.0均存在该API # 【NPU适配分析】 - **职责**：在符号追踪过程中，处理模型代码对属性（如 self.submodule.weight 或 self.layers.__len__）的访问。决定该属性是直接返回原始值（视为常量），还是记录为图中的 get_attr 节点。 - **实现层次**：该方法属于 Tracer 类的 Python 成员函数，其逻辑由 PyTorch 框架在 Python 层完成（例如通过 super().getattr() 调用默认行为或用户自定义的 is_leaf_module 判断）。 - **设备无关性**：getattr 操作的对象是 torch.nn.Module 或 Python 对象，并不直接接触 torch.Tensor 的底层设备内存。即使访问的张量位于 NPU 上，getattr 也只是获取该张量的属性元信息（如 .shape, .dtype）或子模块引用，不涉及 NPU 侧的 kernel 执行或内存传输。 torch.fx.Tracer.getattr属于纯 Python 框架层面的操作，不需要进行 NPU 适配。 # 【资料变更】 不涉及 # 【接口变更】 不涉及 # 【功能验证】 torch.fx.Tracer.getattr测试用例路径：test/fx/test_fx_tracer_transformer_api.py **验证环境** - 对应版本：torch-npu 2.7.1、2.8.0、2.9.0、2.10.0、2.11.0 - 操作系统：openEuler22.03 - CANN 软件版本：8.5.0 - 安装的软件版本：torch、torch-npu 2.7.1~2.11.0 验证结果：  结果说明：测试用例执行通过。 注意：测试结果图中的test_fx_Tracer_getattr.py文件内容已添加到test/fx/test_fx_tracer_transformer_api.py文件。 # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!35414 | 3 个月前 | |
| 2 年前 | ||
[test] add fx graph api coverage Co-authored-by: baoxuebin_2026<xuebin@isrc.iscas.ac.cn> # message auto-generated for no-merge-commit merge: !34556 merge codex/fx-graph-apis-master into master [test] add fx graph api coverage Created-by: baoxuebin_2026 Commit-by: baoxuebin_2026 Merged-by: ascend-robot Description: # 【合入来源】 > 如有社区issue，请关联issue链接 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 公开issue：暂无单独公开 issue 链接，本次提交对应 Torch-NPU API 补齐任务，涉及以下 5 个 API： - torch.fx.graph.map_arg - torch.fx.Graph.node_copy - torch.fx.Graph.nodes - torch.fx.Graph.on_generate_code - torch.fx.Graph.output # 【修改方案】 1. 对目标 API 进行现状核查，确认在当前 PyTorch 2.9.0 + torch_npu 2.9.0rc1 环境中已实际支持，不需要补齐底层实现。 2. 补充独立测试文件 test/fx/test_graph_api.py，覆盖以下场景： - map_arg 对嵌套参数结构的映射行为 - Graph.node_copy 的图节点复制行为 - Graph.nodes 的拓扑顺序遍历行为 - Graph.on_generate_code 对生成代码的 hook 行为 - Graph.output 在 NPU 输入场景下的实际执行验证 3. 采用最小化修改方案，不改动已有底层实现，仅补齐测试覆盖。 # 【资料变更】 不涉及。本文 PR 仅补测试，不包含资料修改。 # 【接口变更】 不涉及。未修改跨仓接口，也未修改用户可见接口行为。 # 【功能验证】 测试场景： 1. torch.fx 图相关 API 的核心行为验证 2. NPU 设备下 Graph.output 的实际运行验证 测试方法： ```bash cd /data/pytorch TORCH_DEVICE_BACKEND_AUTOLOAD=1 python3.11 test/fx/test_graph_api.py -v [#1635](https://gitcode.com/Ascend/pytorch/issues/1635) See merge request: Ascend/pytorch!34556 | 3 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
test(fx): add tests for proxy tensor api Co-authored-by: nannan-2026<1794949109@qq.com> # message auto-generated for no-merge-commit merge: !34873 merge test-proxy-tensor-api-master into master test(fx): add tests for proxy tensor api Created-by: nannan-2026 Commit-by: nannan-2026 Merged-by: ascend-robot Description: # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 关联 issue：https://gitcode.com/Ascend/pytorch/issues/1609 # 【修改方案】 > 请描述修改内容的具体实现，涉及哪些组件之间进行交互，可以用1、2、3、...进行罗列\ > 如果是需求或者重构类的PR，需要补充详细设计文档（说明上下游组件关系、时序图、类图、DFX能力等内容） 本 PR 针对 torch.fx.experimental.proxy_tensor 相关 API 新增专项验证用例，覆盖如下 API： - torch.fx.experimental.proxy_tensor.get_proxy_mode - torch.fx.experimental.proxy_tensor.handle_sym_dispatch - torch.fx.experimental.proxy_tensor.make_fx - torch.fx.experimental.proxy_tensor.maybe_disable_thunkify - torch.fx.experimental.proxy_tensor.maybe_enable_thunkify ## 一、API 功能说明 1. torch.fx.experimental.proxy_tensor.get_proxy_mode 该 API 用于获取当前活跃的 ProxyTorchDispatchMode。在普通执行环境下返回 None，在 make_fx tracing 过程中可获取到当前 proxy mode。 2. torch.fx.experimental.proxy_tensor.handle_sym_dispatch 该 API 用于处理 proxy tensor tracing 过程中的 symbolic dispatch 逻辑，依赖当前 proxy mode 环境。该接口属于 proxy_tensor tracing 内部调度相关 helper。 3. torch.fx.experimental.proxy_tensor.make_fx 该 API 用于对 Python 函数进行 tracing，并生成对应的 torch.fx.GraphModule。生成后的 GraphModule 可用于表示被 trace 函数的 ATen 图结构。 4. torch.fx.experimental.proxy_tensor.maybe_enable_thunkify 该 API 用于在特定上下文中启用 thunkify 相关逻辑，可作为上下文管理器使用。 5. torch.fx.experimental.proxy_tensor.maybe_disable_thunkify 该 API 用于在特定上下文中关闭 thunkify 相关逻辑，可作为上下文管理器使用。 ## 二、上游社区用例分析与用例补齐说明 经检索，PyTorch 上游社区中已存在部分 make_fx 相关测试用例。例如在 test/export/test_export.py 中存在 test_stack_trace_make_fx 等用例，会调用 torch.fx.experimental.proxy_tensor.make_fx。 但经分析，现有 make_fx 用例主要验证的是 export / stack trace 等上层功能路径中 make_fx 的使用效果，测试重点并不是 make_fx API 本身的基础行为，也未集中覆盖本次 issue 要求的 torch.fx.experimental.proxy_tensor 相关 API 组合。具体来说，现有用例未充分覆盖以下内容： 1. 未独立验证 make_fx 返回对象是否为 torch.fx.GraphModule； 2. 未独立验证 make_fx 生成的 GraphModule 执行结果是否与原函数一致； 3. 未验证 get_proxy_mode 在 tracing 外返回 None、在 make_fx tracing 中可获取到 proxy mode 的行为； 4. 未验证 handle_sym_dispatch 作为 proxy tensor tracing 内部 helper 对 proxy mode 的依赖关系； 5. 未验证 maybe_enable_thunkify / maybe_disable_thunkify 作为上下文管理器在 make_fx tracing 中可稳定执行； 6. 未针对 Torch-NPU 场景验证测试张量迁移到当前 accelerator / NPU 侧运行。 同时，经检索，本次任务中的以下 API 未发现独立、直接的专项验证用例： - torch.fx.experimental.proxy_tensor.get_proxy_mode - torch.fx.experimental.proxy_tensor.handle_sym_dispatch - torch.fx.experimental.proxy_tensor.maybe_disable_thunkify - torch.fx.experimental.proxy_tensor.maybe_enable_thunkify 因此，现有上游社区用例对 make_fx 有调用覆盖，但不足以完整覆盖本次 issue 中 5 个 proxy_tensor API 的专项兼容性验证需求。基于此，本 PR 新增轻量级专项测试文件： text test/fx/test_proxy_tensor_api.py 该文件集中验证 torch.fx.experimental.proxy_tensor 相关 API 的基础行为，且测试张量通过 .to(device_type) 迁移到当前 accelerator / NPU 侧运行，满足 Torch-NPU API 一致性测试要求。 ## 三、新增测试文件说明 本 PR 新增测试文件： text test/fx/test_proxy_tensor_api.py 该测试文件用于集中验证 torch.fx.experimental.proxy_tensor 相关 API 的基础兼容性。为便于后续维护和扩展，文件开头已补充英文说明，说明该文件用于补充 proxy_tensor API 的 NPU 侧验证用例，并可继续扩展同类 API 测试。 文件开头说明如下： python """ Add validation cases for torch.fx.experimental.proxy_tensor APIs on NPU: 1. PyTorch community lacks sufficient and direct API validations for some proxy_tensor APIs, so this file is added. 2. This file validates get_proxy_mode, handle_sym_dispatch, make_fx, maybe_enable_thunkify, and maybe_disable_thunkify (extendable). """ 新增测试覆盖以下场景： 1. make_fx tracing 基础场景 通过 make_fx(fn)(x, y) 对函数进行 tracing，验证返回结果为 GraphModule，并验证生成的 GraphModule 执行结果与原函数一致。 2. get_proxy_mode tracing 场景 验证 get_proxy_mode 在 tracing 外返回 None，在 make_fx tracing 过程中可以获取到非空 proxy mode。 3. handle_sym_dispatch proxy mode 依赖场景 验证 handle_sym_dispatch 为可调用对象，并验证其依赖当前 proxy mode 的行为。在非 proxy mode 环境下直接调用会触发断言，符合该 helper 的使用约束。 4. maybe_enable_thunkify / maybe_disable_thunkify 上下文管理器场景 验证 maybe_enable_thunkify 和 maybe_disable_thunkify 可作为上下文管理器正常使用，并可在 make_fx tracing 过程中稳定执行。 ## 四、NPU 适配说明 上述 API 均属于 torch.fx.experimental.proxy_tensor Python 层 tracing / proxy tensor 相关接口，不涉及新增 NPU 算子实现，也不涉及 C++、Kernel 或底层算子逻辑修改。 但测试用例中涉及张量输入，因此测试张量需要运行在 NPU / 当前 accelerator 侧。本 PR 使用如下方式获取当前 accelerator： python device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu" 并通过如下方式将测试张量迁移到当前设备： python x = torch.randn(2, 3).to(device_type) y = torch.randn(2, 3).to(device_type) 在 Torch-NPU 测试环境中，当前 accelerator 为 NPU，因此测试张量会通过 .to(device_type) 迁移到 NPU 侧运行，满足新增用例涉及张量需在 NPU 侧执行的要求。 ## 五、涉及版本说明 本次用例补齐分别提交到以下目标分支： - v2.7.1 - v2.9.0 - v2.10.0 - v2.11.0 - v2.12.0 - master 各版本均单独提交 PR，目标分支与源码分支一一对应。 本次根据当前任务要求提交上述分支，不涉及 v2.8.0 分支。 # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” 不涉及。 本 PR 仅新增测试用例，不修改资料文档。 相关 API 的 docs/zh/native_apis 支持状态已通过单独文档 PR 补充。 本 PR 仅新增 test/fx/test_proxy_tensor_api.py 测试用例，不直接修改 docs/zh/native_apis 资料文档。 但已结合配套资料补齐任务，对本次涉及的 torch.fx.experimental.proxy_tensor 相关 API 在 docs/zh/native_apis 中的资料支持状态进行了同步核查。 资料支持情况核查结论如下： 1. 本次任务涉及的 API 均属于 torch.fx.experimental.proxy_tensor 下的 Python 层 tracing / proxy tensor 相关接口； 2. 相关 API 的资料支持状态需要结合目标版本实际能力在 docs/zh/native_apis/pytorch_*/torch-fx.md 中进行声明； 3. 本测试 PR 仅负责补齐 test 目录下的专项用例与行为验证，不涉及 torch_npu/ 目录下的功能代码修改，也不涉及资料文档修改； 4. 相关 API 的 docs/zh/native_apis 支持状态已通过单独资料 PR 补充； 5. 本 PR 的测试验证范围与当前代码实际可验证能力保持一致，避免“资料声明”和“测试验证”口径 # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“不涉及” 不涉及。 本 PR 不修改客户可见接口，不修改 API 行为，仅新增测试用例验证现有 API 兼容性。 # 【功能验证】 > 说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤\ > 新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图 新增测试用例： text test/fx/test_proxy_tensor_api.py 测试命令： bash python -u test/fx/test_proxy_tensor_api.py -v 测试场景： 1. 验证 make_fx 可正常生成 GraphModule； 2. 验证 make_fx 生成的 GraphModule 执行结果与原函数一致； 3. 验证 get_proxy_mode 在 tracing 外返回 None； 4. 验证 get_proxy_mode 在 make_fx tracing 中可获取到 proxy mode； 5. 验证 handle_sym_dispatch 的可调用性及其依赖 proxy mode 的行为； 6. 验证 maybe_enable_thunkify / maybe_disable_thunkify 上下文管理器可正常使用； 7. 验证测试中涉及的张量已通过 .to(device_type) 迁移到当前 accelerator / NPU 侧运行。 本地验证结果示例： text test_get_proxy_mode_during_make_fx (__main__.TestProxyTensorAPI.test_get_proxy_mode_during_make_fx) ... ok test_handle_sym_dispatch_requires_proxy_mode (__main__.TestProxyTensorAPI.test_handle_sym_dispatch_requires_proxy_mode) ... ok test_make_fx_returns_graph_module (__main__.TestProxyTensorAPI.test_make_fx_returns_graph_module) ... ok test_thunkify_context_managers (__main__.TestProxyTensorAPI.test_thunkify_context_managers) ... ok ---------------------------------------------------------------------- Ran 4 tests in 0.333s OK 已在以下版本执行该用例： - v2.7.1：通过 - v2.9.0：通过 - v2.10.0：通过 - v2.11.0：通过 - v2.12.0：通过 - master：通过 说明： 该组 API 为 torch.fx.experimental.proxy_tensor Python 层 tracing 相关接口，不涉及 NPU 算子计算。本次测试主要验证 API 功能行为与 PyTorch 原生保持一致，同时确保测试中涉及的张量运行在当前 accelerator / NPU 侧。 # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [ ] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!34873 | 3 个月前 | |
| 2 年前 | ||
| 2 年前 | ||
test(fx): add test for PropagateUnbackedSymInts interpreter methods Co-authored-by: liujiacheng_2026<laneljc@qq.com> # message auto-generated for no-merge-commit merge: !36611 merge issue1618-master-test-propagate-symints into master test(fx): add test for PropagateUnbackedSymInts interpreter methods Created-by: liujiacheng_2026 Commit-by: liujiacheng_2026 Merged-by: ascend-robot Description: # 【合入来源】 > [【开源实习】Torch-NPU API一致性对齐：补齐测试用例、API功能对齐、补齐文档（12）](https://gitcode.com/Ascend/pytorch/issues/1618) - [ ] 需求 - [ ] 问题单 - [X] issue/工单 - [ ] 重构优化 - [ ] 资料更新 本 PR 覆盖以下 API： - torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts.call_module - torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts.fetch_args_kwargs_from_env - torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts.fetch_attr - torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts.get_attr - torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts.map_nodes_to_values # 【修改方案】 ## 一、API 功能说明 PropagateUnbackedSymInts 是 PyTorch torch.fx.experimental.symbolic_shapes 中用于在 FX Interpreter 执行节点时传播 unbacked SymInt 绑定的解释器子类。 本任务 5 个 API 均继承自 torch.fx.Interpreter： - call_module：执行 call_module 节点，通过 fetch_attr 取得子模块并调用。 - fetch_args_kwargs_from_env：从 interpreter env 中取出节点的实际 args/kwargs。 - fetch_attr：从 GraphModule 层级中按 qualified name 取属性。 - get_attr：执行 get_attr 节点，实际委托 fetch_attr。 - map_nodes_to_values：递归将 FX Node 映射到 env 中的实际运行值。 这些 API 是 FX Python 层解释器/helper 方法，不涉及 NPU kernel 注册、device dispatch 或数值精度差异。 ## 二、社区用例情况与新增必要性 检索 PropagateUnbackedSymInts 的社区用例情况： bash rg -n "PropagateUnbackedSymInts" test torch | head -80 检索结果： text torch/_export/pass_base.py:20: PropagateUnbackedSymInts, torch/_export/pass_base.py:290: self.interpreter = PropagateUnbackedSymInts( torch/fx/experimental/symbolic_shapes.py:583: with these new symints. To ensure consistency we use PropagateUnbackedSymInts torch/fx/experimental/symbolic_shapes.py:586: post facto apply any renamings discovered in the PropagateUnbackedSymInts pass. torch/fx/experimental/symbolic_shapes.py:8695:class PropagateUnbackedSymInts(torch.fx.Interpreter): test/allowlist_for_publicAPI.json:2021: "PropagateUnbackedSymInts", torch/_functorch/_aot_autograd/graph_capture_wrappers.py:37: PropagateUnbackedSymInts, torch/_functorch/_aot_autograd/graph_capture_wrappers.py:1534: out = PropagateUnbackedSymInts(mod).run(*args) test/fx/test_fx_traceback.py:215: # Check node "linear" is created from node "x" in PropagateUnbackedSymInts test/fx/test_fx_traceback.py:222: "Interpreter_PropagateUnbackedSymInts", test/fx/test_fx_traceback.py:256: # Check node "t" and "addmm" is created from node "linear" in PropagateUnbackedSymInts test/fx/test_fx_traceback.py:260: "Interpreter_PropagateUnbackedSymInts", test/fx/test_fx_traceback.py:264: # Check node "linear" is then created from node "x" in PropagateUnbackedSymInts test/fx/test_fx_traceback.py:271: "Interpreter_PropagateUnbackedSymInts", 继续逐项检索本任务的 5 个 API 是否已有专项用例： bash for api in call_module fetch_args_kwargs_from_env fetch_attr get_attr map_nodes_to_values; do echo "== $api ==" rg -n "PropagateUnbackedSymInts.*$api|$api.*PropagateUnbackedSymInts" test torch || true done 检索结果为空： text == call_module == == fetch_args_kwargs_from_env == == fetch_attr == == get_attr == == map_nodes_to_values == 因此，PyTorch upstream 中存在 PropagateUnbackedSymInts traceback / symbolic shape 传播相关测试，但未发现直接覆盖以下精确 API 路径的专项测试： - PropagateUnbackedSymInts.call_module - PropagateUnbackedSymInts.fetch_args_kwargs_from_env - PropagateUnbackedSymInts.fetch_attr - PropagateUnbackedSymInts.get_attr - PropagateUnbackedSymInts.map_nodes_to_values 社区已有测试更关注 PropagateUnbackedSymInts 的 symbolic shape / traceback 行为，不能证明这些继承自 torch.fx.Interpreter 的 helper API 在 NPU tensor、NPU module、NPU buffer 场景下可正常调用。因此按“PyTorch 官方社区无直接用例，现有验证不够充分”处理，在 Torch-NPU test/fx/test_symbolic_shapes.py 中补充最小专项测试。 新增测试用例逻辑： 1. 定义最小 nn.Module，包含 nn.Linear(3, 2) 子模块和 bias buffer，forward 执行 self.linear(x) + self.bias。 2. 将 module 调用 .npu() 放到 NPU，再通过 symbolic_trace 得到 GraphModule。 3. 从 FX graph 中找到 placeholder、call_module、get_attr 三类节点。 4. 创建 PropagateUnbackedSymInts(gm)，并手动写入 interpreter.env[placeholder] = torch.randn(4, 3).npu()。 5. 断言 5 个 API 方法对象均与 torch.fx.Interpreter 对应方法相同，确认它们是继承路径。 6. 调用 map_nodes_to_values，验证 FX Node 能映射为 env 中的 NPU tensor。 7. 调用 fetch_args_kwargs_from_env，验证 call_module 节点参数能从 env 中解析为 NPU tensor。 8. 调用 fetch_attr，验证能从 NPU GraphModule 中获取 NPU buffer。 9. 调用 call_module，验证实际执行 NPU 上的 nn.Linear 子模块，输出为 NPU tensor 且 shape 为 (4, 2)。 10. 调用 get_attr，验证属性节点返回 NPU buffer 且 shape 为 (2,)。 ## 三、NPU 适配说明 本 PR 不修改 Torch-NPU 生产代码。 不需要 API 适配的原因： - Torch-NPU 未覆写这些 API。 - 5 个 API 均继承自 PyTorch torch.fx.Interpreter。 - 在 NPU 环境中构造 NPU module 和 NPU tensor 后，5 个 API 均可正常调用并返回预期结果。 # 【资料变更】 本任务的资料补齐由单独文档 PR 提交到 v2.7.1。 # 【接口变更】 不涉及。 # 【功能验证】 执行命令： bash PYTHONPATH=<repo>/test python <repo>/test/fx/test_symbolic_shapes.py TestSymbolicShapes.test_propagate_unbacked_symints_interpreter_methods python -m py_compile <repo>/test/fx/test_symbolic_shapes.py git diff --check 验证结果： text v2.7.1 : Ran 1 test in 1.394s, OK v2.9.0 : Ran 1 test in 1.377s, OK v2.10.0: Ran 1 test in 1.225s, OK v2.11.0: Ran 1 test in 1.244s, OK v2.12.0: Ran 1 test in 1.219s, OK master : Ran 1 test in 1.182s, OK # 【CheckList】 - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!36611 | 2 个月前 | |
test(fx): add tests for symbolic shapes APIs Co-authored-by: shenjunfeng-2026<1766689637@qq.com> # message auto-generated for no-merge-commit merge: !37081 merge clean-symbolic-shapes-api into master test(fx): add tests for symbolic shapes APIs Created-by: shenjunfeng-2026 Commit-by: shenjunfeng-2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="blue">**任务： https://gitcode.com/Ascend/pytorch/issues/1629**</font>\ > <font color="blue">**关联issue：https://gitcode.com/Ascend/pytorch/issues/2184**</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 > 请描述修改内容的具体实现，涉及哪些组件之间进行交互，可以用1、2、3、...进行罗列\ > 如果是需求或者重构类的PR，需要补充详细设计文档（说明上下游组件关系、时序图、类图、DFX能力等内容） 本 PR 属于 Torch-NPU API 一致性对齐任务中的测试用例补齐，针对 torch.fx.experimental.symbolic_shapes 相关 API 补充 UT 看护。 本 PR 仅新增/调整测试用例，不涉及 Torch-NPU 源码功能实现变更。 ## 架构上下文说明 本次涉及的 torch.fx.experimental.symbolic_shapes 相关接口属于 PyTorch FX / Dynamo 编译前端的符号形状处理工具，不直接执行 Tensor 数值计算，也不涉及 NPU 算子精度对比。因此，本 PR 重点验证相关 API 在 Torch-NPU 环境下的导入、构造和调用行为，确保其在动态图追踪和符号形状分析流程中可正常使用。 ## 上游社区测试情况与用例路线判断 ### 上游测试覆盖检索 本次 API 覆盖对象为： torch.fx.experimental.symbolic_shapes.statically_known_true torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint.render torch.fx.experimental.symbolic_shapes.SubclassSymbolicContext torch.fx.experimental.symbolic_shapes.sym_eq 在 PyTorch upstream v2.9.0 测试目录中执行过如下检索： bash cd /workspace/pytorch-official-v2.9.0/test grep -R "statically_known_true" . -n --include="*.py" || true grep -R "sym_eq" . -n --include="*.py" || true grep -R "sym_eq(" . -n --include="*.py" || true grep -R "StrictMinMaxConstraint" . -n --include="*.py" || true grep -R "SubclassSymbolicContext" . -n --include="*.py" || true 检索结论如下： | API | 上游社区测试情况 | 本 PR 处理方式 | | --------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ | | torch.fx.experimental.symbolic_shapes.statically_known_true | 上游已有直接测试用例。例如 test/test_dynamic_shapes.py 中存在 test_statically_known_true，并直接调用 statically_known_true(...)；此外 dynamo/test_misc.py、export/test_export.py、test_fake_tensor.py 中也存在相关调用场景。 | 不在自写 test PR 中重复新增用例。已检查其上游用例不涉及 CUDA/NPU 设备迁移、NPU 算子计算或 CPU/NPU 精度对比，因此无需新增 test_upstream patch，按 issue 说明路线处理。 | | torch.fx.experimental.symbolic_shapes.sym_eq | 上游仅检索到相关场景 test_deferred_sym_eq_assert 的测试函数名；grep -R "sym_eq(" 未检索到对目标 API 的直接调用。 | 上游无目标 API 直接测试，因此本 PR 新增轻量直接 API 测试。 | | torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint | 未检索到直接覆盖该 API 的上游测试用例。 | 本 PR 新增自写测试用例。 | | torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint.render | 未检索到直接覆盖该方法的上游测试用例。 | 本 PR 新增自写测试用例。 | | torch.fx.experimental.symbolic_shapes.SubclassSymbolicContext | 未检索到直接覆盖该 API 的上游测试用例。 | 本 PR 新增自写测试用例。 | ### statically_known_true 上游用例适配判断 同时在 Torch-NPU 仓库中执行过如下检索： bash cd /root/pytorch grep -R "statically_known_true" test_upstream test -n --include="*.py" --include="*.patch" || true grep -R "sym_eq" test_upstream test -n --include="*.py" --include="*.patch" || true grep -R "StrictMinMaxConstraint" test_upstream test -n --include="*.py" --include="*.patch" || true grep -R "SubclassSymbolicContext" test_upstream test -n --include="*.py" --include="*.patch" || true 检索结论：Torch-NPU 当前 test_upstream 和 test 目录中未发现上述 API 相关已有 patch 或已有自定义测试。 因此，本 PR 仅覆盖以下 4 个需要自写直接测试的 API： text torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint.render torch.fx.experimental.symbolic_shapes.SubclassSymbolicContext torch.fx.experimental.symbolic_shapes.sym_eq statically_known_true 已核查为 PyTorch upstream 有直接测试覆盖，且无需 NPU 适配 patch，因此不在本 PR 中新增测试用例。 ### statically_known_true 上游用例适配判断 针对 statically_known_true，进一步查看了 upstream 局部代码： bash cd /workspace/pytorch-official-v2.9.0/test sed -n '1238,1275p' test_dynamic_shapes.py sed -n '1545,1570p' dynamo/test_misc.py sed -n '995,1020p' export/test_export.py sed -n '1700,1720p' test_fake_tensor.py 结论： - test_dynamic_shapes.py::test_statically_known_true 直接使用 ShapeEnv() 和 create_symint 构造符号表达式，并调用 statically_known_true(...) 验证静态可判定行为； - 相关测试不涉及 CUDA/NPU 设备迁移； - 不涉及 NPU 算子计算； - 不涉及 CPU/NPU 精度对比； - 因此不需要新增 test_upstream patch。 ## 本次覆盖 API 的功能说明、完备性分析与用例开发思路 |API|功能说明|上游社区测试情况|是否需要新开发用例|本 PR 用例开发思路|完备性分析| |---|---|---|---|---|---| |torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint|用于记录符号形状变量的严格最小值 / 最大值约束范围，并保存约束是否仅 warning 的标志。|未检索到直接覆盖该 API 的上游测试用例。|需要。|构造 StrictMinMaxConstraint(False, ValueRanges(2, 10))，验证 warn_only 字段和 vr.lower / vr.upper 字段记录正确。|覆盖该类的核心构造行为和范围信息保存行为。该 API 本身不执行 Tensor 计算，因此无需 CPU / NPU 精度对比。| |torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint.render|用于将约束范围和 source 信息渲染为可读的约束表达式。|未检索到直接覆盖该方法的上游测试用例。|需要。|使用 ValueRanges(2, 10) 和 ConstantSource("x") 构造约束对象，调用 render，验证输出为 2 <= x <= 10。|覆盖 render 方法的核心输出语义，验证 source 名称和范围上下界能够正确组合为约束表达式。| |torch.fx.experimental.symbolic_shapes.SubclassSymbolicContext|用于描述子类 Tensor 在符号形状分析中的上下文信息，包括动态 sizes、动态 strides、静态信息、source 和内部上下文等。|未检索到直接覆盖该 API 的上游测试用例。|需要。|构造 SubclassSymbolicContext，验证 dynamic_sizes、tensor_source、inner_contexts 等关键字段能够正确保存。|覆盖该上下文对象的基础构造和字段保存行为。该 API 属于上下文数据结构，不涉及 Tensor 数值计算。| |torch.fx.experimental.symbolic_shapes.sym_eq|用于判断两个值在符号形状语义下是否相等，可返回 Python bool 或符号布尔表达式。|上游仅存在 test_deferred_sym_eq_assert 相关场景，未检索到 sym_eq(...) 直接调用。|需要。|使用普通 Python 值验证基础行为：sym_eq(1, 1) 为 True，sym_eq(1, 2) 为 False。|覆盖普通 Python 值场景下的确定性相等性判断。符号表达式复杂场景依赖 PyTorch 内部符号系统，本 PR 聚焦 API 基础可调用性和稳定返回行为。| ## 具体修改内容 本 PR 修改文件： text test/fx/test_symbolic_shapes_api.py 本 PR 新增以下测试方法： text test_strict_min_max_constraint_records_warn_only_and_value_range test_strict_min_max_constraint_render test_subclass_symbolic_context_records_dynamic_sizes_and_tensor_source test_sym_eq_for_python_values 具体覆盖内容如下： 1. 针对 StrictMinMaxConstraint，验证其能够正确记录 warn_only 字段以及 ValueRanges 的上下界信息； 2. 针对 StrictMinMaxConstraint.render，验证其能够根据传入的 source 渲染出符合预期的最小值 / 最大值约束表达式； 3. 针对 SubclassSymbolicContext，验证其能够使用 dynamic_sizes、tensor_source、inner_contexts 等必要参数完成构造，并正确保存对应字段； 4. 针对 sym_eq，验证其对普通 Python 值进行相等性判断时返回符合预期的布尔结果。 ## 适配方案说明 ### API 适配方案 本 PR 未修改 API 实现代码。 经验证，本 PR 覆盖的 4 个 API 在当前 Torch-NPU 环境中可以正常导入、构造和调用，因此本次不需要进行 API 功能补齐或源码适配，仅补充 UT 用例进行持续看护。 ### 用例适配方案 由于上游 PyTorch 社区测试目录中未检索到以下 4 个 API 的直接测试用例： text torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint torch.fx.experimental.symbolic_shapes.StrictMinMaxConstraint.render torch.fx.experimental.symbolic_shapes.SubclassSymbolicContext torch.fx.experimental.symbolic_shapes.sym_eq 因此本次采用自写测试用例方式进行补齐，新增用例放置在： text test/fx/test_symbolic_shapes_api.py 本 PR 不是对上游已有测试文件进行 NPU 适配，因此不涉及 test_upstream patch 文件修改。 # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” 不涉及。 原因说明：本 PR 仅补充 test/fx/test_symbolic_shapes_api.py 中的 UT 测试用例，不修改文档文件。本 issue 相关 API 支持度表格更新已由配套资料 PR 单独处理，测试 PR 本身不改变接口支持状态、接口签名或用户可见行为，因此本 PR 不涉及 docs/zh/native_apis 等资料文件修改。 # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“不涉及” 不涉及。 原因说明：本 PR 仅补充测试用例，没有修改任何源码中的函数定义、类定义、参数列表、返回值语义或跨仓接口调用方式；不会引入新的客户面可见接口，也不会改变现有 API 的对外使用方式。 # 【功能验证】 > 说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤\ > 新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图 UT 功能验证 测试场景：在 Torch-NPU 开发环境中，验证 torch.fx.experimental.symbolic_shapes 相关编译前端工具类 API 的核心功能行为。 覆盖场景包括： - StrictMinMaxConstraint 构造及字段保存； - StrictMinMaxConstraint.render 约束表达式渲染； - SubclassSymbolicContext 构造及关键上下文字段保存； - sym_eq 对普通 Python 值的相等性判断。 测试命令： bash cd /tmp python /root/pytorch/test/fx/test_symbolic_shapes_api.py 测试结果： text ........... ---------------------------------------------------------------------- Ran 11 tests in 1.231s OK 说明当前测试用例可以正常通过，本 PR 覆盖的 4 个新增直接 API 测试均可正常执行。 > 对于目标分支 v2.7.1，若本地环境全文件执行出现 definitely_true / definitely_false 相关旧用例失败，该失败由本地安装 torch/runtime 与目标分支旧 API 的兼容性差异导致，属于已有兼容性用例在当前本地环境中的版本不匹配问题，与本 PR 新增的 4 个 API 测试无关。本 PR 覆盖的 4 个新增测试可单独执行并通过。 # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!37081 | 2 个月前 | |
test(dynamo): add NPU alignment tests for unspecified symbols Co-authored-by: litianyu2026<1483211810@qq.com> # message auto-generated for no-merge-commit merge: !35864 merge test-unspecified-symbols into master test(fx): add NPU alignment tests for unspecified symbols Created-by: litianyu_2026 Commit-by: litianyu2026 Merged-by: ascend-robot Description: # 【合入来源】 > <font color="red">https://gitcode.com/Ascend/pytorch/issues/1623</font>\ > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 > 请描述修改内容的具体实现，涉及哪些组件之间进行交互，可以用1、2、3、...进行罗列\ > 如果是需求或者重构类的PR，需要补充详细设计文档（说明上下游组件关系、时序图、类图、DFX能力等内容） 1. **架构上下文补充说明（CPU vs NPU）**： 本次任务涉及的ShapeEnv 系列接口属于 PyTorch Dynamo 编译引擎前端（图追踪阶段）的基础设施。其核心功能是在编译期处理动态形状推导中的逻辑符号对象（如产生SymInt, SymFloat或施加运行时期望断言），而非处理存储实际数据的物理张量（Tensor）。因此，这些接口的逻辑天然且必须在宿主机（CPU）上由 Python/SymPy 解释器完成，物理上无法也不需要迁移至 NPU 设备执行。本次 NPU 一致性对齐的核心目的，是验证昇腾编译后端在接收到前端抛出的这些未确定动态符号时，能否正确解析包装且不发生编译期崩溃。 2. 本PR属于开源实习任务中的功能测试用例补齐。该任务共包含 5 个ShapeEnv相关接口。经客观排查与环境验证： -torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unbacked_symfloat与torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unbacked_symint官方已具备完善的原生用例覆盖，在 NPU 环境下天然支持。 -torch.fx.experimental.symbolic_shapes.ShapeEnv.defer_runtime_assert接口已在 v2.7.1 跑通官方原生用例，且自 v2.8.0 起被官方重命名为torch.fx.experimental.symbolic_shapes.ShapeEnv.guard_or_defer_runtime_assert，高版本已包含原生覆盖。 - 以上 3 个接口属于 NPU 天然支持/上游变更，无需在本仓补充代码。 3. 上游 PyTorch 官方测试库中，对核心接口torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unspecified_symbol和torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unspecified_symint_and_symbol的测试存在空白。本 PR 专门在test/fx/目录下新增专项测试文件test_unspecified_symbols.py进行看护。 4. 新增测试用例严格根据底层源码逻辑进行设计： - 针对create_unspecified_symbol：重点验证传入0和1边界值时，触发其内部do_not_specialize_zero_one=True特性，断言其返回未确定的符号表达式对象（自由符号），确保其不被静态折叠。 - 针对create_unspecified_symint_and_symbol：验证其成功将底层的符号表达式正确包装并转化为上层编译栈所需的SymInt类型对象。 # 【资料变更】 > 请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及” 不涉及。 经核查官方文档目录https://gitcode.com/Ascend/pytorch/tree/v2.7.1/docs/zh/native_apis，本次对齐的torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unspecified_symbol等接口属于torch.fx.experimental下的底层编译期实验性内部接口，非对外暴露的常规 Native API。该文档目录严格记录向外部最终用户开放的稳定核心算子与工具级 API，本内部方法不属于该文档的收录统计范围，故无需在 md 文件中补充登记，当前资料状态已核查闭环。 # 【接口变更】 > 请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“不涉及” 不涉及 # 【功能验证】 > 说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤\ > 新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图 1. 测试场景：昇騰 NPU 单卡算力开发环境，执行图追踪核心工具类接口的功能一致性、边界值看护与原生用例兼容性验证。 2. 测试方法： - 新增自主测试：针对存在上游测试空白的接口，执行新增的专项看护脚本。 - 原生用例复测：针对上游已覆盖的接口，直接在 NPU 环境下复测原生测试集，验证底层符号推导的兼容性。 3. 测试步骤： - 步骤一：执行新增看护用例 验证torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unspecified_symbol与torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unspecified_symint_and_symbol接口： 执行命令如下： bash python ./fx/test_unspecified_symbols.py  - 步骤二：执行官方原生用例看护 验证torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unbacked_symfloat和torch.fx.experimental.symbolic_shapes.ShapeEnv.create_unbacked_symint接口，这两个接口可同时在test/dynamo/test_misc.py中的test_shape_env_equal_unbacked下一起验证。 由于原生用例test_shape_env_equal_unbacked涉及特殊的图编译验证，在本地执行时需进行以下特殊处理： 1.注释@onlyIfTranslationValidation装饰器：该装饰器限制了用例仅在开启 Translation Validation（翻译验证）的环境下激活。本地测试环境默认未使能 TV 导致用例被跳过（Skipped），为了在本地环境中强制触发并验证该用例在 NPU 底座下的兼容性，需手动注释此行限制。 2. 使用EXPECTTEST_ACCEPT=1环境变量：该用例底层引入了expecttest框架进行符号环境输出的字面量强比对。在本地强制执行该用例时，由于环境差异或输出格式的微调，会导致原硬编码的预期字符串（Expect String）不匹配。通过声明EXPECTTEST_ACCEPT=1，可指示测试框架自动接受当前的实际正确运行输出，并自动覆写/刷新代码中的预期字面量，从而完成校验闭环。 执行命令如下： bash EXPECTTEST_ACCEPT=1 python ./dynamo/test_misc.py -v -k test_shape_env_equal_unbacked  - 步骤三：执行官方原生用例看护 验证torch.fx.experimental.symbolic_shapes.ShapeEnv.defer_runtime_assert接口，该接口可同时在test/test_dynamic_shapes.py中的test_floor_clean_div_axioms下验证。 执行命令如下： bash python ./test_dynamic_shapes.py -v -k test_floor_clean_div_axioms `  # 【CheckList】 > PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x] - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!35864 | 3 个月前 | |
| 2 年前 |
| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
| 2 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 3 个月前 | ||
| 2 年前 | ||
| 3 个月前 | ||
| 3 个月前 | ||
| 2 个月前 | ||
| 3 个月前 | ||
| 3 个月前 | ||
| 3 个月前 | ||
| 2 年前 | ||
| 2 个月前 | ||
| 2 年前 | ||
| 3 个月前 | ||
| 3 个月前 | ||
| 2 年前 | ||
| 3 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 3 个月前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 个月前 | ||
| 2 个月前 | ||
| 3 个月前 | ||
| 2 年前 |