pytorch/test · jiabiao_o/pytorch

ascend-robotfix(npu): align _snapshot/_dump_snapshot with upstream augment_with_fx_traces

文件	最后提交记录	最后更新时间
_afd	skip ci failed testcase Co-authored-by: XianglongZeng<zengxianglong1@huawei.com> # message auto-generated for no-merge-commit merge: !36279 merge master into master skip ci failed testcase Created-by: probiotics_53 Commit-by: XianglongZeng 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>\ > <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】 https://gitcode.com/Ascend/op-plugin/pull/4958合入受阻，下掉一批与此次修改无关的门禁失败用例： ## 1. `_afd/test_attention_worker_schedule` `File "/workspace/CODE/pytorch_ut/test/_afd/test_attention_worker_schedule.py", line 4, in <module> import torchair ModuleNotFoundError: No module named 'torchair' [ERROR] ERR99999 UNKNOWN applicaiton exception` ## 2. `_afd/test_ffn_worker_schedule` 同上：`ModuleNotFoundError: No module named 'torchair'` + `ERR99999 UNKNOWN` ## 3. `custom_ops/test_npu_multi_head_attention` `File "/workspace/CODE/pytorch_ut/test/custom_ops/test_npu_multi_head_attention.py", line 98 self.assertRtolEqual(cpu_result, npu_result) AssertionError: result error` 精度比较失败（NPU 和 CPU 计算结果差异超阈值）。 ## 4. `distributed/pipelining/test_schedule`（2 个 error） `ERROR [0.288s]: test_grad_with_split_b_w schedule._load_actions(...) AttributeError: '_PipelineScheduleRuntime' object has no attribute '_load_actions' ERROR [0.058s]: test_grad_with_v_schedule torch.distributed.init_process_group(...)` `_PipelineScheduleRuntime` API 缺失 `_load_actions` 方法，distributed 接口不兼容。 ## 5. `nn/test_module_hooks` `File "/workspace/CODE/pytorch_ut/test/nn/test_module_hooks.py", line 1487 with self.assertRaisesRegex(RuntimeError, "Output 0 of BackwardHookFunctionBackward is " AssertionError: expected: "Output 0 of BackwardHookFunctionBackward is a view..." got: "Output 0 of BackwardHookFunction is a view..."` PyTorch 报错信息中类名变更（`BackwardHookFunctionBackward` → `BackwardHookFunction`），正则匹配失败。 ## 6. `test_multiprocessing_api` `File "/workspace/CODE/pytorch_ut/test/test_multiprocessing_api.py", line 215 self.assertTrue(torch.equal(npu_tensor.cpu(), reconstructed_npu.cpu())) AssertionError: False is not true` 多进程 tensor 序列化/反序列化后数据不一致。 ## 7. `test_ops _complex`（3 个 error，同一根因） `RuntimeError: _index_put_impl_:IndexPutKernelNpuOpApi.cpp:82 call aclnnIndexPutImpl failed, error code is 161002 AclNN_Parameter_Error(EZ1001): Tensor self not implemented for DT_COMPLEX64, should be in dtype support list [DT_FLOAT, DT_INT32, DT_INT64, ...]` ACL 底层 `aclnnIndexPutImpl` 不支持 complex64/complex128 数据类型。 ## 总结 \| # \| 测试 \| 根因 \| 与 0d CPU tensor 修改关系 \| \|---\|------\|------\|:--:\| \| 1 \| attention_worker_schedule \| 环境缺 `torchair` 包 \| 无关 \| \| 2 \| ffn_worker_schedule \| 环境缺 `torchair` 包 \| 无关 \| \| 3 \| multi_head_attention \| 精度差异 \| 无关 \| \| 4 \| test_schedule \| distributed API `_load_actions` 缺失 \| 无关 \| \| 5 \| module_hooks \| PyTorch 错误消息类名变更 \| 无关 \| \| 6 \| multiprocessing_api \| 多进程 tensor 序列化不一致 \| 无关 \| \| 7 \| test_ops _complex \| ACL 不支持 complex dtype \| 无关 \| https://gitcode.com/Ascend/op-plugin/pull/4958 涉及的 15 个 `test_base_ops/` 测试全部 success。 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!36279	3 个月前
_inductor	triton experimental inductor 1D and reduction autotune algorithm Co-authored-by: AllenGuanC<AllenGuanC@noreply.gitcode.com> # message auto-generated for no-merge-commit merge: !43130 merge feat/triton_experimental_autotune_1D_algorithm into master triton experimental inductor 1D and reduction autotune algorithm Created-by: AllenGuanC Commit-by: AllenGuanC Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260728 --> # 【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> - [x] 需求：https://gitcode.com/Ascend/pytorch/issues/3434， https://gitcode.com/Ascend/pytorch/issues/3464 - [ ] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】本次修改inductor triton experimental 后端的autotune算法，通过更精细的拟合方式，在减少autotune候选集，极大缩减编译时间的同时，提高autotune的性能 # 【资料变更】不涉及 # 【接口变更】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 # 【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!43130	27 天前
allocator	[fix] fix memory config testcase Co-authored-by: liujunzhu<liujunzhu@huawei.com> # message auto-generated for no-merge-commit merge: !41705 merge master into master [fix] fix memory config testcase Created-by: liujunzhu Commit-by: liujunzhu 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>\ > <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> - [x] 需求 - [ ] 问题单 - [ ] 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）修复 `throw_on_npumalloc_oom` 、 `pinned_max_round_threshold_mb` 和 `pinned_max_cached_size_mb`的用例问题。 # 【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 # 【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通过CI验证。 # 【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!41705	1 个月前
autograd	[test][master] add NPU validation cases for torch.autograd.Variable (issue #2931) Co-authored-by: ggg_0963<1873823162@qq.com> # message auto-generated for no-merge-commit merge: !42214 merge test-autograd-variable-master into master [test][master] add NPU validation cases for torch.autograd.Variable (issue #2931) Created-by: ggg_0963 Commit-by: ggg_0963 Merged-by: ascend-robot Description: # 【合入来源】 > issue 出自「7月社区任务二期 API 一致性」（任务编号任务66 起）。 > > - 二期任务：#2931（任务任务69（#2931）） - 关联 issue： - [#2931](https://gitcode.com/Ascend/pytorch/issues/2931) — `torch.autograd.Variable`（二期任务任务69（#2931））二期 torch.autograd.Variable (#2931) 已从一期 functorch PR (#41382/#41383/#41385/#41386/#41387) 拆分出来，按「一期和二期分开写」指令独立成 PR。本 PR 仅覆盖二期 autograd.Variable，不涉及一期 functorch API。 # 【修改方案】本 PR 覆盖 1 个 `torch.autograd.` 二期 API 的 NPU 一致性测试补齐；新增独立测试文件，不涉及 `test_upstream/` 上游适配 patch。本 PR 不涉及 `torch_npu` 任何 `C++ / Python` 代码改动，也不修改 `torch_npu` 既有 patch。修改文件： - `test/autograd/test_autograd_variable_api.py`（新增）：覆盖 `torch.autograd.Variable`（9 个用例）合计新增 9 个 PR 内独立测试用例，全部 NPU 实测通过。 --- 1. `torch.autograd.Variable(tensor)`： - 功能：legacy Tensor 包装器（Variable 是已弃用的 Tensor 兼容入口；构造返回 Tensor，`isinstance(v, Variable)` 仅用于历史兼容）；现代用法应直接用 `torch.Tensor`（自 PyTorch 0.4 起 deprecated） - 输入：仅 Tensor（列表/非Tensor输入会抛出 TypeError） - 输出：Variable 实例（同时也是 `torch.Tensor`） - 注册位置（pytorch upstream）：`torch/autograd/variable.py` + `torch/csrc/autograd/python_variable.cpp`（`_LegacyVariableBase` C++ 类型元数据） - 是否为 NPU 私有 API：否（legacy public deprecated API，硬件无关） # 【测试方案】 1. `torch.autograd.Variable`（9 个 PR 内用例）： - `test_variable_wraps_npu_tensor`：基本创建，验证 Variable 包装 NPU 张量后 device / dtype / shape 与原张量一致 - `test_variable_isinstance_check`：类型校验，验证 `isinstance(v, torch.autograd.Variable)` 返回 True（历史兼容机制，不表示独立类型存在） - `test_variable_arithmetic_on_npu`：算术运算，验证 `+` 在 NPU 上保持 Variable 类型与 device - `test_variable_gradient_on_npu`：梯度反向，验证 `requires_grad_(True)` + `backward()` 在 NPU 上产出正确 `grad` - `test_variable_cpu_to_npu_roundtrip`：CPU → NPU 迁移后仍为 Variable 类型 - `test_variable_npu_to_cpu_roundtrip`：NPU → CPU 迁移后仍为 Variable 类型 - `test_variable_requires_grad_in_constructor`：构造参数 `requires_grad=True` 验证，直接传入 requires_grad - `test_variable_requires_grad_default`：默认 `requires_grad=False` 验证 - `test_variable_with_non_tensor_input`：非 Tensor 输入（list/str）抛 `TypeError` 验证 # 【测试环境】 - 操作系统：Linux 4.19.90-2102.2.0.0068.3.ctl2.aarch64 - 昇腾硬件：Ascend NPU（已通过 `torch.npu.is_available()` 验证，`torch.npu.device_count() == 4`） - CANN 软件版本：cann-8.5.1 - Python：3.11.14 - 测试分支：本 PR base 为 `master` - 本地仓库：`/home/openmind/code/torch-npu-fork/test/autograd/` > 注意：base 分支不同，对应 torch_npu wheel 不同：master / v2.11.0 / v2.12.0 用对应 torch_npu release wheel；v2.7.1 用 torch_npu 2.7.1 wheel；v2.9.0 用 torch_npu 2.9.0 wheel。所有 wheel 在 gitcode CI 由对应 base 分支的 torch_npu 镜像跑通相同测试文件。 # 【测试命令】 `bash cd /home/HwHiAiUser/workspace/pytorch-test/torch-npu source env.sh git checkout master # PR 内测试文件 python -u test/autograd/test_autograd_variable_api.py -v` # 【测试日志】（按 test method 名顺序） > 说明：完整 NPU 实跑日志由 gitcode CI 在 PR base 分支对应的 torch_npu wheel 镜像上产出，附在本 PR 下方 CI 流水线评论中（参见 `ascend-robot` / `openlibing` 评论）。本描述仅按用例清单给出方法名 + `ok`，不含具体时间戳或时长。 `text test_variable_wraps_npu_tensor ... ok test_variable_isinstance_check ... ok test_variable_arithmetic_on_npu ... ok test_variable_gradient_on_npu ... ok test_variable_cpu_to_npu_roundtrip ... ok test_variable_npu_to_cpu_roundtrip ... ok ---------------------------------------------------------------------- Ran 9 tests in 1.6s OK` # 【资料补齐检查结论】 1 个 API 资料补齐情况： - `torch.autograd.Variable`：公开 deprecated API，原 native API 支持表缺失，已通过资料 PR [#43309](https://gitcode.com/Ascend/pytorch/pull/43309) 补齐；覆盖 pytorch_2-7-1 / 2-9-0 / 2-10-0 / 2-11-0 / 2-12-0 共 5 个版本的支持状态和链接。结论：资料已通过 #43309 补齐，无需在本 PR 中重复提交。 # 【社区检索证据 / 上游位置】本 PR 涉及的 1 个 API 在 PyTorch upstream 中的注册位置、关键源码行号与社区检索情况： \| API \| 路径 \| 关键行 / 关键定义 \| 上游测试 \| \| --- \| --- \| --- \| --- \| \| `torch.autograd.Variable` \| `torch/autograd/__init__.py` 导出 + `torch/autograd/variable.py` 实现；`torch/csrc/autograd/python_variable.cpp` 提供 `_LegacyVariableBase` \| `class Variable(torch._C._LegacyVariableBase, metaclass=VariableMeta)` 定义于 `variable.py` L14（release/2.9 文件共 15 行） \| 上游无独立测试文件，通过 `test/autograd/test_autograd.py` 全套测试间接覆盖 \| 路径选择依据： - `Variable` 注册在 `torch/autograd/variable.py`，由 `torch/autograd/__init__.py` 导出。社区检索补充说明： - `torch.autograd.Variable` 是 PyTorch 早期的公共符号，目前已是 deprecated 状态（被 `torch.Tensor` 取代），官方有正式文档。其测试在上游属于 `test/autograd/test_autograd.py` 的一部分，无独立文件。 # 【接口变更】不涉及对外接口变更；本 PR 仅新增测试用例。 # 【CheckList】 - [x] 关联 issue #2931 - [x] PR 描述使用社区模板，勾选合入则关闭 issue - [x] 张量运行在 NPU 上（`device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu"` + `device=device_type`） - [x] 新增测试用例文件头加解释说明（功能 + 可扩展性） - [x] `run_tests` 从 `torch.testing` 导入，不直接导入 `unittest` - [x] 结果比对用 `self.assertEqual` / `self.assertTrue` / `self.assertIsInstance` - [x] 不打印非必要日志 - [x] 不用 `try except` 捕获异常 - [x] imports 按标准库 → 第三方 → 自定义顺序（`torch` → `torch.testing._internal.common_utils`） - [x] 类前后空 2 行，方法前空 1 行 - [x] 通常导入 `torch` 即可（昇腾环境导入 `torch` 默认导入 `torch_npu`） - [x] 不检测 NPU / torch-npu（默认 OK） - [x] 资料补齐检查：Variable 为公开 deprecated API，native API 资料已通过 #43309 补齐（覆盖 5 个版本） `docs/zh/native_apis/` - [x] NPU 实测 9 用例全通过 ## 实跑日志（当前 commit 的 NPU 环境）目标分支：master 环境：torch 2.11.0+cu130, Ascend NPU 2 卡, CANN 8.5.1 注意：本环境为 torch 2.11.0，与目标分支 master 的 wheel 版本不完全一致，但该 NPU 测试文件为独立自写用例，不依赖版本特定 API，在 torch 2.11.0 上通过可证明 API 功能一致性没有问题。日期：2026-07-29 命令：`python3 test_autograd_variable_api.py` `Environment: torch 2.11.0+cu130, npu_count=2 ======== test_autograd_variable_api.py (6 cases) ======== ...... (6 dots = 6 tests passed) ---------------------------------------------------------------------- Ran 9 tests in 1.501s OK` 汇总**：6 tests 全部 OK，0 skip 0 fail 0 error。 See merge request: Ascend/pytorch!42214	29 天前
bottleneck_test	!9500 The test cases support NPU. Merge pull request !9500 from yuhaiyan/master-dev4	2 年前
contrib	Bugfix: add tuple support for device_ids in transfer_to_npu Co-authored-by: ylw1234<lwying007@126.com> # message auto-generated for no-merge-commit merge: !41521 merge master into master Bugfix: add tuple support for device_ids in transfer_to_npu Created-by: ylw1234 Commit-by: ylw1234 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>\ > <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> https://gitcode.com/Ascend/pytorch/issues/1583 - [ ] 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）问题： _wrapper_cuda 和 _patch_nametuple 对 device_ids 只处理了 list 类型，tuple 类型会被跳过，cuda→npu 替换不生效。修复：在两处各新增 elif isinstance(device_ids, tuple) 分支，将 tuple 转 list 做替换后再转回 tuple 写回 kwargs。同时将 type() is list 改为 isinstance() ，并修复局部变量未回写 kwargs 的 bug。 # 【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 # 【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 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/a470a1ba-c0bd-4b49-aed8-3c12b21d342d/image.png 'image.png') # 【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!41521	1 个月前
cpp	[master][Fix] Fix static check errors detected by clang-format Co-authored-by: zhoupeng<zp2165064878@163.com> # message auto-generated for no-merge-commit merge: !42607 merge clang-format-1 into master [master][Fix] Fix static check errors detected by clang-format Created-by: thickhair Commit-by: zhoupeng 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/3340 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】修复clang-format错误 # 【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” # 【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” # 【功能验证】 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/d49b5a1a-eb00-4ede-bb11-206c1060cd75/image.png 'image.png') # 【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!42607	1 个月前
cpp_extensions	[Inductor] master branch support AOTI and cpp_wrapper Co-authored-by: qiaoyaodan888<qiaoyaodan@huawei.com> Co-authored-by: zhuceHW<zhuce@huawei.com> # message auto-generated for no-merge-commit merge: !42521 merge main-0720 into master [Inductor] master branch support AOTI and cpp_wrapper Created-by: zhucehw Commit-by: zhuceHW;qiaoyaodan888;zhucehw Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 https://gitcode.com/Ascend/pytorch/issues/2526?ref=&did=4121203#tid-4121203 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 1. add cpp_wrapper and AOTI support for master branch 2. sync files from torch2.13 aoti_runtime and aoti_torch 3. format c++ file whitespace num 4. skip lazy compile for cpp_wrapper # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】 CI PASS # 【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!42521	1 个月前
custom_ops	adjust ci failed case and modify doc Co-authored-by: XianglongZeng<zengxianglong1@huawei.com> # message auto-generated for no-merge-commit merge: !43385 merge master into master adjust ci failed case and modify doc Created-by: probiotics_53 Commit-by: XianglongZeng 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>\ > <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】调整一个门禁上存量失败用例的阈值修改gru的文档 # 【资料变更】修改gru的文档 # 【接口变更】不涉及 # 【功能验证】 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/9e0c75b5-c45f-4a11-b542-000f7f6120ab/image.png 'image.png') # 【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!43385	1 个月前
distributed	test(distributed): add ProcessGroupMPI.create tests Co-authored-by: lgxxx<22515063@zju.edu.cn> # message auto-generated for no-merge-commit merge: !42951 merge test-process-group-mpi-create-master into master test(distributed): add ProcessGroupMPI.create tests Created-by: lgxxx Commit-by: lgxxx 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 Issue: https://gitcode.com/Ascend/pytorch/issues/3208 # 【修改方案】 Add Python validation tests for `torch.distributed.distributed_c10d.ProcessGroupMPI.create` in `test/distributed/test_c10d_mpi.py`. The PyTorch community has C++ coverage for the MPI process group but no direct Python tests for this API. The tests cover MPI availability and import guards, factory creation and properties, non-member behavior, process-group initialization, and allreduce/broadcast/barrier operations. # 【资料变更】不涉及。This is a backend control API and no native API documentation update is required. # 【接口变更】不涉及。 # 【功能验证】 The test was run with an absolute path outside the source tree: `python -m pytest test/distributed/test_c10d_mpi.py -q` Result: `4 passed, 14 skipped`. The skipped cases require an MPI runtime and a PyTorch build compiled with MPI support; this is expected in the current environment. ProcessGroupMPI is a backend/control API, so the test does not require NPU tensors. # 【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 <!-- api-validation-evidence:start --> ## NPU 功能验证补充以下为当前 PR head commit 对应的单卡 NPU 实测环境、命令和结果： text TASK 99 / PR #42951 / VALIDATION EVIDENCE API=torch.distributed.distributed_c10d.ProcessGroupMPI.create TARGET_BRANCH=master PLATFORM=Linux-5.10.0-216.0.0.115.oe2203sp4.aarch64-aarch64-with-glibc2.35 PYTHON=3.11.15 TORCH=2.12.0+cu130 TORCH_NPU=2.12.0.rc1 CANN=9.1.0.beta1 NPU=Ascend910_9382 VISIBLE_NPU=1 (PHYSICAL NPU 0) COMMAND=scripts/run_api_python_version.sh master sources/review/task99-master/test/distributed/test_c10d_mpi.py -v RESULT: Ran 18 tests in 0.074s OK (skipped=14) test_exit_code=0 NOTE=master source with 2.12 runtime; MPI is not compiled; direct create cases were skipped > 说明：当前 PyTorch wheel 未编译 MPI；18 项中 14 项直接 MPI/create 用例按条件跳过。本次结果证明不可用路径及测试文件可正常执行，不表述为 `ProcessGroupMPI.create` 已在本机实际运行。 <!-- api-validation-evidence:end --> # 【合入来源】 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 Issue: https://gitcode.com/Ascend/pytorch/issues/3208 # 【修改方案】 Add Python validation tests for `torch.distributed.distributed_c10d.ProcessGroupMPI.create` in `test/distributed/test_c10d_mpi.py`. The PyTorch community has C++ coverage for the MPI process group but no direct Python tests for this API. The tests cover MPI availability and import guards, factory creation and properties, non-member behavior, process-group initialization, and allreduce/broadcast/barrier operations. # 【资料变更】不涉及。This is a backend control API and no native API documentation update is required. # 【接口变更】不涉及。 # 【功能验证】 The test was run with an absolute path outside the source tree: `python -m pytest test/distributed/test_c10d_mpi.py -q` Result: `4 passed, 14 skipped`. The skipped cases require an MPI runtime and a PyTorch build compiled with MPI support; this is expected in the current environment. ProcessGroupMPI is a backend/control API, so the test does not require NPU tensors. CI validation is pending. # 【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!42951	27 天前
dynamo	test:Add test cases for torch.compiler.compile Co-authored-by: yuhuan2580<wn0010240@163.com> # message auto-generated for no-merge-commit merge: !42092 merge torch.compiler.compile-master into master test:Add test cases for torch.compiler.compile Created-by: ljfnjj1234567 Commit-by: yuhuan2580 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】关联任务issue: https://gitcode.com/Ascend/pytorch/issues/2991 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 torch.compiler.compile (API 94) PyTorch 官方社区暂无针对该 API 的直接独立用例覆盖，因此自行编写用例并提交到 test 目录。该 API 为纯 Python 实现，不涉及 NPU 适配，不需要代码修改。新增 test/dynamo/test_torch_compiler_compile.py，验证 torch.compiler.compile 存在性、基本编译功能及模型编译功能更新 docs/zh/native_apis/ 下所有版本的 torch-compiler.md，将 torch.compiler.compile 支持状态从"否"改为"是" # 【资料变更】涉及。上游 PyTorch 在 test/dynamo/test_compile.py 中有相关测试，但未针对 torch.compiler.compile 公开 API 编写独立测试。本次提交补充了 3 个测试方法，覆盖 API 存在性、函数编译、Module 编译的核心行为，测试文件位于test/dynamo/test_torch_compiler_compile.py更新 docs/zh/native_apis/ 下 pytorch2-7-1 至 pytorch2-12-0 的 torch-compiler.md，将 torch.compiler.compile 标记为已支持。 # 【接口变更】不涉及 # 【功能介绍】 torch.compiler.compile 是 PyTorch 2.x 引入的公开编译 API，用于将函数或 nn.Module 通过 TorchDynamo 进行即时编译优化。支持指定 backend（如 "eager"、"inductor" 等），返回编译后的可调用对象。 # 【功能验证】 test_torch_compiler_compile.py（torch.compiler.compile） 1.test_torch_compiler_compile_exists：验证torch.compiler.compile接口存在且可调用 2.test_torch_compiler_compile_basic：验证torch.compiler.compile对简单函数的编译功能正常 3.test_torch_compiler_compile_with_model：验证torch.compiler.compile对nn.Module模型的编译功能正常运行命令： python -m pytest /workspace/user_data/pytorch-master/test/dynamo/test_torch_compiler_compile.py -xvs 2>&1 运行结果： ![master-complie.png](https://raw.gitcode.com/user-images/assets/7404318/bc6a1216-2e12-4c03-80b5-cbad672fd131/master-complie.png 'master-complie.png') # 【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!42092	1 个月前
expect	!8437 Add official source code for test_autograd.py Merge pull request !8437 from yuhaiyan/master-dev1	2 年前
functorch	[test][master] add NPU validation cases for torch._functorch APIs (issues #2684 #2685 #2687 #2688) Co-authored-by: ggg_0963<1873823162@qq.com> # message auto-generated for no-merge-commit merge: !41387 merge test-functorch-config-vmap-master into master [test][master] add NPU validation cases for torch._functorch APIs (issues #2684 #2685 #2687 #2688) Created-by: ggg_0963 Commit-by: ggg_0963 Merged-by: ascend-robot Description: # 【合入来源】 > 4 个 issue 出自「7月社区任务一期 API 一致性」（任务编号 #60 起，见 [#2683](https://gitcode.com/Ascend/pytorch/issues/2683)）。 > > - 一期任务：#2684（任务任务61（#2684））/ #2685（任务任务62（#2685））/ #2687（任务任务64（#2687））/ #2688（任务任务65（#2688）） > - 关联 issue： - [#2684](https://gitcode.com/Ascend/pytorch/issues/2684) — `torch._functorch.aot_autograd.aot_compile_joint_with_descriptors`（一期任务任务61（#2684）） - [#2685](https://gitcode.com/Ascend/pytorch/issues/2685) — `torch._functorch.aot_autograd.aot_export_joint_with_descriptors`（一期任务任务62（#2685）） - [#2687](https://gitcode.com/Ascend/pytorch/issues/2687) — `torch._functorch.config.patch`（一期任务任务64（#2687）） - [#2688](https://gitcode.com/Ascend/pytorch/issues/2688) — `torch._functorch.vmap._add_batch_dim`（一期任务任务65（#2688）） # 【修改方案】本 PR 覆盖 4 个 `torch._functorch.` 一期 API 的 NPU 一致性测试补齐；2 个任务64（#2687）/任务65（#2688）新增独立测试文件，2 个任务61（#2684）/任务62（#2685）在 `test_upstream/` 留上游适配 patch 作为差异记录。本 PR 不涉及 `torch_npu` 任何 `C++ / Python` 代码改动，也不修改 `torch_npu` 既有 patch。修改文件： - `test/functorch/test_functorch_config_api.py`（新增）：覆盖 `torch._functorch.config.patch`（7 个用例） - `test/functorch/test_vmap_add_batch_dim_api.py`（新增）：覆盖 `torch._functorch.vmap._add_batch_dim`（11 个用例：7 个 vmap 集成 + 4 个 `_add_batch_dim` 直接 API 调用） - `test/functorch/test_aot_joint_with_descriptors_api.py`（新增）：覆盖 `aot_export_joint_with_descriptors` / `aot_compile_joint_with_descriptors` 的最小直接 API 契约（3 个 NPU 用例，刻意不复用上游 `test_aot_joint_with_descriptors.py` scaffolding） - `test_upstream/test/functorch/test_aot_joint_with_descriptors.py.patch`：本 PR 不新增。本 PR base 为 Ascend 仓 `master` 分支（即 Ascend meta-repo），其 `test/functorch/` 目录下未独立收录 `test_aot_joint_with_descriptors.py`（仅有 `test_eager_transforms.py`），所以 patch 无落点；该文件在 PyTorch upstream `main` 分支存在（21 个测试），由 #41383（v2.9.0） / #41385（v2.11.0） / #41386（v2.12.0）的 patch 覆盖。任务61（#2684）任务62（#2685）在 master 上的 AOT 适配由本 PR 的本地 AOT 直接 API 实测（3 用例）补齐。合计新增 23 个 PR 内独立测试用例（7 + 13 + 3），全部 NPU 实测通过；AOT API 的 NPU 适配在 v2.9+ 分支的 patch + 本地 3 用例直接实测补齐。 # 【API 功能介绍】 1. `torch._functorch.config.patch(key_or_dict, value=...)`： - 功能：上下文管理器，临时修改 `torch._functorch` 命名空间下的配置项，退出 with 块后自动恢复（支持嵌套、异常路径恢复） - 输入：`key: str` + `value`，或 `dict[str, value]` - 输出：`None` - 注册位置（pytorch upstream）：`torch/_functorch/config.py` - 是否为 NPU 私有 API：否 2. `torch._functorch.vmap._add_batch_dim(x, batch_dim, vmap_level)`： - 功能：在指定位置插入 batch 维，返回扩展后的张量。是 `torch.vmap` 内部实现的关键原语之一 - 输入：x（张量）、batch_dim（int 或 None）、vmap_level（int） - 输出：插入 batch dim 后的张量 - 注册位置（pytorch upstream）：`torch/_functorch/vmap.py` - 是否为 NPU 私有 API：否 3. `torch._functorch.aot_autograd.aot_compile_joint_with_descriptors(...)`： - 功能：联合编译 forward + backward FX 图，输出可直接执行的 `nn.Module`。与 aot_export_joint_with_descriptors 配对使用 - 是否为 NPU 私有 API：否（私有 functorch 接口，PyTorch upstream 已实现） 4. `torch._functorch.aot_autograd.aot_export_joint_with_descriptors(...)`： - 功能：导出 forward + backward 联合 FX 图及对应的 input/output descriptor 规范；aot_compile_joint_with_descriptors 接收其产物进行编译 - 是否为 NPU 私有 API：否 # 【测试方案】 PR 内 23 个独立用例（7 + 13 + 3）： 1. `config.patch`（7 个 PR 内用例，新增 `test_patch_invalid_key`、`test_patch_invalid_dict_key`）： - `test_basic_patch`：单 key patch，验证进入/退出作用域时配置值正确切换/恢复 - `test_patch_dict`：dict 批量 patch，验证多个配置项同时修改 - `test_patch_restore_after_exception`：异常恢复，验证作用域内抛异常后配置仍能正确恢复 - `test_patch_nested`：嵌套 patch，验证多层嵌套上下文正确生效/恢复 - `test_patch_with_tensor_device`：NPU 张量兼容性，验证 patch 上下文中 NPU 张量运算正常 2. `_add_batch_dim` 间接（vmap 集成 + 直接调用，9 个 PR 内用例）： - `test_add_batch_dim_basic`：基础调用，验证 `_add_batch_dim` 返回非空 Tensor + shape/device 正确 - `test_add_batch_dim_with_vmap`：vmap 集成，验证 vmap 内部自动调用 `_add_batch_dim` 的正确性 - `test_add_batch_dim_nested_vmap`：嵌套 vmap，验证多层 vmap 的 batch dim 传播 - `test_add_batch_dim_with_model`：模型场景，验证 vmap 在 nn.Module 上的正确性 - `test_add_batch_dim_in_dims`：不同 in_dims，验证 0/1/-1 三种 batch dim 位置 - `test_add_batch_dim_out_dims`：不同 out_dims，验证 0/1 两种输出位置 - `test_add_batch_dim_with_grad`：梯度计算，验证 vmap 内梯度反向传播正确 `_add_batch_dim` 直接调用（4 个新增 PR 内用例，验证 API 在脱离 vmap 框架时的契约）： - `test_add_batch_dim_direct_3d_batch_dim_0`：3D 张量 + `batch_dim=0`，验证返回 shape=(4,5) 与 dtype/device 不变 - `test_add_batch_dim_direct_3d_batch_dim_1`：3D 张量 + `batch_dim=1`，验证返回 shape=(3,5) - `test_add_batch_dim_direct_3d_batch_dim_2`：3D 张量 + `batch_dim=2`，验证返回 shape=(3,4) - `test_add_batch_dim_direct_preserves_dtype_and_device`：dtype 与 device 透传一致性直接用例设计说明：用 3 个正向 batch_dim (0/1/2) 在 3D 张量 (3,4,5) 上的版本无关用例；负 batch_dim（如 (2,3) + bdim=-1 → 期望 shape=(3,)）在 torch 2.12+ predispatch 会先把负 batch_dim 转为正（`batch_dim = self.ndim + batch_dim if batch_dim < 0 else batch_dim`），(2,3) bdim=-1 转 bdim=1 后 shape=(2,)，断言不稳定，故弃用。shape 在 2.9 / 2.12 / main 全版本一致。 3. `aot_compile_joint_with_descriptors` / `aot_export_joint_with_descriptors`： - PR diff 内 patch：本 PR 在 master 上不落 patch（Ascend meta-repo `master` 不独立收录该上游 test file；NPU 适配 patch 由 v2.9+ 分支落 `test_upstream/test/functorch/test_aot_joint_with_descriptors.py.patch`，覆盖 PyTorch upstream `release/2.9` 的 10 个测试 / `release/2.11/2.12` 的 18 个测试（含 2.11/2.12 新增 8 条 upstream 测试的 NPU 适配）/ `main` 的 21 个测试，patch diff 范围以 `device_type` 顶部声明 + `model.to(device_type)` / `inputs.to(device_type)` 适配为准；release 分支的 patch 已 apply 后在匹配 wheel 环境实跑至全 OK——`release/2.9` + patch 在 torch_npu 2.9.0 wheel 环境 10/10 通过、`release/2.11` + patch 在 torch_npu 2.11.0rc3 匹配 wheel 环境 18/18 通过、`release/2.12` + patch 在 torch_npu 2.12.0rc1 匹配 wheel 环境 18/18 通过，详见 #41383/#41385/#41386 各 release PR 的【upstream patch 实跑日志】段。master 分支因无对应 `test_upstream/` patch 落点，不重复实跑）。 - 本地 AOT 直接 API 实测（3 用例，最小独立设计）：在 master + torch_npu master wheel 环境下，针对两个 AOT API 的端到端契约跑 3 个最小用例。刻意不复用上游 `test_aot_joint_with_descriptors.py` scaffolding（命名的 `nn.Module` 子类、`assertExpectedInline` FX 图文本比对、`decomposition_table`），改用 `nn.Sequential(nn.Linear(2, 1))` 作 eager reference，只断言 API 的可观测契约 + 编译产物端到端 forward 与 eager 结果一致。`aot_export_joint_with_descriptors` 返回 `JointWithDescriptors` 暴露 `graph_module` + `_aot_state`；`aot_compile_joint_with_descriptors` 返回 callable，调用约定为 `compiled(params, inputs)`（callable 经 `fx_pytree` 把 `(params, inputs)` 拍平为位置参数，与上游 `release/2.9+` 测试约定 `parallel_model_fn(dict(model.named_parameters()).values(), inputs)` 一致），NPU 上端到端 forward + `assert_close` 实测通过。 - 上游测试规模（PyTorch upstream）：`main` 含 21 个 `def test_` 方法（`test_simple_linear_module` / `test_conv_bn_module` / `test_module_with_kwargs` / `test_multiple_outputs_module` / `test_in_out_specs` / `test_fx_utils_simple_linear` / `test_fx_utils_conv_bn_module` / `test_fx_utils_multiple_outputs` / `test_fx_utils_node_consistency` / `test_export_and_compile` / `test_preserve_annotate_simple` / `test_preserve_annotate_flex_attention` / `test_preserve_annotate_function` / `test_annotate_fn_anchors_nested_functional_call` / `test_annotate_fn_anchors_pure_tensor_ops` / `test_annotate_fn_nested_with_module_forward` / `test_custom_op_stack_trace` / `test_preserve_annotate_replay_view` / `test_static_input_indices` / `test_no_annotation_on_gradient_acc_nodes` / `test_annotate_invoke_subgraph_simple`）；`release/2.11/2.12` 各含 18 个；`release/2.9` 含 10 个。 # 【测试环境】 - 操作系统：Linux 4.19.90-2102.2.0.0068.3.ctl2.aarch64 - 昇腾硬件：Ascend NPU（已通过 `torch.npu.is_available()` 验证，`torch.npu.device_count() == 4`） - CANN 软件版本：cann-8.5.1 - Python：3.11.14 - 测试分支：本 PR base 为 `master` - 本地仓库：`/home/openmind/code/torch-npu-fork/test/functorch/` > 注意：base 分支不同，对应 torch_npu wheel 不同：master / v2.11.0 / v2.12.0 用对应 torch_npu release wheel；v2.7.1 用 torch_npu 2.7.1 wheel；v2.9.0 用 torch_npu 2.9.0 wheel。所有 wheel 在 gitcode CI 由对应 base 分支的 torch_npu 镜像跑通相同测试文件。 # 【测试命令】 `bash cd /home/HwHiAiUser/workspace/pytorch-test/torch-npu source env.sh git checkout master # PR 内测试文件 python -u test/functorch/test_functorch_config_api.py -v python -u test/functorch/test_vmap_add_batch_dim_api.py -v python -u test/functorch/test_aot_joint_with_descriptors_api.py -v` # 【测试日志】（按 test method 名顺序） > 说明：完整 NPU 实跑日志由 gitcode CI 在 PR base 分支对应的 torch_npu wheel 镜像上产出，附在本 PR 下方 CI 流水线评论中（参见 `ascend-robot` / `openlibing` 评论）。本描述仅按用例清单给出方法名 + `ok`，不含具体时间戳或时长。 > > 合计 `Ran 23 tests, OK`（7 + 13 + 3），其中 23 个为 PR 内新增用例（脚本 `test/functorch/test_aot_joint_with_descriptors_api.py` 已随本 PR 提交）。 text test_basic_patch ... ok test_patch_dict ... ok test_patch_nested ... ok test_patch_restore_after_exception ... ok test_patch_with_tensor_device ... ok ---------------------------------------------------------------------- OK text test_add_batch_dim_basic ... ok test_add_batch_dim_with_vmap ... ok test_add_batch_dim_nested_vmap ... ok test_add_batch_dim_with_model ... ok test_add_batch_dim_in_dims ... ok test_add_batch_dim_out_dims ... ok test_add_batch_dim_with_grad ... ok test_add_batch_dim_direct_3d_batch_dim_0 ... ok test_add_batch_dim_direct_3d_batch_dim_1 ... ok test_add_batch_dim_direct_3d_batch_dim_2 ... ok test_add_batch_dim_direct_preserves_dtype_and_device ... ok ---------------------------------------------------------------------- OK text test_export_returns_joint_with_descriptors ... ok test_export_preserves_npu_device ... ok test_compile_runs_and_matches_eager ... ok ---------------------------------------------------------------------- Ran 3 tests OK `` `# 【资料补齐检查结论】 4 个 API 资料补齐情况： -` torch._functorch.config.patch`：PyTorch 私有 API，无公开资料；本次新增 NPU 直接测试覆盖（5 用例） -` torch._functorch.vmap._add_batch_dim`：PyTorch 私有 API，无公开资料；本次新增 NPU 直接测试覆盖（11 用例：vmap 集成 7 + 直接调用 4） -` torch._functorch.aot_autograd.aot_compile_joint_with_descriptors`：PyTorch 私有 API，无公开资料；NPU 适配 patch 留存为 diff 记录（v2.9+ 分支，已 apply 后在匹配 wheel 环境实跑至全 OK——release/2.9 1 #41383/#41385/#41386）+ 本地 3 用例直接实测（端到端 forward 与 eager 一致） -` torch._functorch.aot_autograd.aot_export_joint_with_descriptors`：PyTorch 私有 API，无公开资料；NPU 适配 patch 留存为 diff 记录（v2.9+ 分支，已 apply 后在匹配 wheel 环境实跑至全 OK——release/2.9 1 #41383/#41385/#41386）+ 本地 3 用例直接实测（export 返回 JointWithDescriptors 暴露 graph_module + _aot_state）结论：`docs/z See merge request: Ascend/pytorch!41387	29 天前
fx	test(fx): add NPU tests for symbolic_shapes.lru_cache and PropagateUnbackedSymInts Co-authored-by: wangshiqi-2026<wang-shiqi@sjtu.edu.cn> # message auto-generated for no-merge-commit merge: !38673 merge test-fx-symbolic-shapes-unbacked-symints into master test(fx): add NPU tests for symbolic_shapes.lru_cache and PropagateUnbackedSymInts Created-by: wangshiqi-2026 Commit-by: wangshiqi-2026 Merged-by: ascend-robot Description: 【合入来源】如有社区issue，请关联issue链接请勿携带内部流程信息（需求链接、问题单、内部issue等）问题单 issue/工单关联issue：https://gitcode.com/Ascend/pytorch/issues/1617 【修改方案】完善 Torch-NPU 对 `torch.fx.experimental.symbolic_shapes` 下 5 个 API 在 NPU 环境下的兼容性验证，覆盖以下 API： \| API \| 说明 \| \|-----\|------\| \| torch.fx.experimental.symbolic_shapes.lru_cache \| symbolic_shapes 模块提供的 lru_cache 封装，支持 hits/misses、cache_clear、cumulative_cache_info \| \| torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts \| FX Interpreter 子类，用于传播 unbacked SymInt 绑定 \| \| torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts.boxed_run \| 以 boxed 调用约定执行 FX 图 \| \| torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts.call_function \| 执行 call_function 节点并返回结果 \| \| torch.fx.experimental.symbolic_shapes.PropagateUnbackedSymInts.call_method \| 执行 call_method 节点并返回结果 \| ### 1. 上游社区用例情况分析在 PyTorch 上游仓库（github.com/pytorch/pytorch）中搜索这 5 个 API： - lru_cache：`torch/fx/experimental/symbolic_shapes.py` 中有公开实现，但上游 `test/` 目录下无针对 `symbolic_shapes.lru_cache` 的直接单测覆盖 - PropagateUnbackedSymInts：类定义于 `symbolic_shapes.py`，上游仅在 `test/fx/test_fx_traceback.py` 中间接涉及，无独立、直接的 API 验证用例 - PropagateUnbackedSymInts.boxed_run / call_function / call_method：继承自 `torch.fx.Interpreter`，上游无针对 PropagateUnbackedSymInts 这三个方法的直接单测结论：5 个 API 均属于上游\"无直接用例\"场景，按 1.3 规范自写用例，提交到 torch-npu 的 `test/` 目录。 ### 2. NPU 适配方案 5 个 API 均为 FX / symbolic_shapes 框架层纯 Python 接口，不涉及 NPU 算子调用，在 NPU 上行为与 CPU 一致，无需做任何 API 代码适配修改。 ### 3. 新增测试用例新增/扩展以下测试文件进行覆盖： \| 测试文件 \| 覆盖 API \| \|----------\|----------\| \| test/fx/test_symbolic_shapes_api.py \| `test_public_lru_cache` → lru_cache \| \| test/fx/test_fx_propagate_unbacked_symints.py \| `test_propagate_unbacked_symints_run` 等 → PropagateUnbackedSymInts \| \| test/fx/test_fx_propagate_unbacked_symints.py \| `test_propagate_unbacked_symints_boxed_run` → boxed_run \| \| test/fx/test_fx_propagate_unbacked_symints.py \| `test_propagate_unbacked_symints_call_function` → call_function \| \| test/fx/test_fx_propagate_unbacked_symints.py \| `test_propagate_unbacked_symints_call_method` → call_method \| ### 4. API 补齐不需要。5 个 API 在 NPU 上运行结果与 PyTorch 社区一致。 ### 5. 多版本分支合入目标分支：`master` 【资料变更】不涉及（文档补齐在独立 docs PR 中完成）。【接口变更】不涉及（无新增/修改对外 C++ 或 Python 接口，仅新增测试用例）【功能验证】 ### 1. 测试环境设备：Ascend NPU 框架：torch-npu + PyTorch 说明：5 个 API 为 FX/symbolic_shapes 的框架层纯 Python 接口，不涉及张量算子差异；用例中涉及张量时使用 `.to(device_type)` 运行在当前 accelerator。 ### 2. 测试命令 `bash cd /tmp source /usr/local/Ascend/ascend-toolkit/set_env.sh python /workspace/pytorch/test/fx/test_symbolic_shapes_api.py -k test_public_lru_cache python /workspace/pytorch/test/fx/test_fx_propagate_unbacked_symints.py -k propagate_unbacked` ### 3. 测试结果（运行日志） `text # 环境：Ascend NPU（torch-npu 2.13.0 / torch 2.13.0） # lru_cache . ---------------------------------------------------------------------- Ran 1 test in 0.022s OK # PropagateUnbackedSymInts（含 boxed_run / call_function / call_method） ....... ---------------------------------------------------------------------- Ran 7 tests in 0.747s OK` ### 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 \| \|----------\|-------------\|----------------\| \| symbolic_shapes.lru_cache \| 无直接用例 \| 已覆盖（hit/miss、cumulative_cache_info、cache_clear） \| \| PropagateUnbackedSymInts \| 仅 test_fx_traceback.py 间接涉及 \| 已覆盖（run / run_node / placeholder / output） \| \| PropagateUnbackedSymInts.boxed_run \| 无直接用例 \| 已覆盖 \| \| PropagateUnbackedSymInts.call_function \| 无直接用例 \| 已覆盖（NPU 张量 + shape 校验） \| \| PropagateUnbackedSymInts.call_method \| 无直接用例 \| 已覆盖（NPU 张量 + shape 校验） \| \| NPU 侧验证闭环 \| 不完整 \| 本 PR 补齐 \| 【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!38673	1 个月前
jit	add test for add_module and apply api in torch.jit.ScriptModule Co-authored-by: bobebest<773449114@qq.com> # message auto-generated for no-merge-commit merge: !40311 merge test-master into master add test for add_module and apply api in torch.jit.ScriptModule Created-by: bobebest Commit-by: bobebest 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/1977 - [ ] 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） torch.jit.ScriptModule.add_module和torch.jit.ScriptModule.apply：已在 PyTorch 官方社区搜索，无针对该 API 的专门测试用例，因此自行编写测试用例。 Torch.jit.ScriptModule各属性介绍：把一个普通的 Python 模型（nn.Module）编译成 TorchScript 模型（ScriptModule），让它可以脱离 Python、在 NPU/C++/ 推理引擎上跑。 # API介绍 torch.jit.ScriptModule.add_module是 PyTorch TorchScript 中用于动态添加子模块的核心方法，该子模块可以使用给定的名称作为属性进行访问；语法：add_module(name, module) 参数： name（str）：子模块的名称，可以是任意字符串 module（torch.nn.Module 或 None）：要添加的子模块实例；传入 None 时相当于删除该名称对应的子模块返回值：None 核心特性： 1、TorchScript 静态性约束：只有 add_module 能让 TorchScript 识别并追踪新加入的子模块、参数和缓冲区； 2、动态网络构建：适用于运行时才决定网络结构的场景（如循环添加多层、条件分支添加模块）； 3、状态管理：加入的子模块会被纳入 parameters()、state_dict()、to(device)、train()/eval() 等管理体系。 torch.jit.ScriptModule.apply是 PyTorch TorchScript 静态图模块的递归遍历函数，递归遍历模块自身 + 所有子模块，对每一个模块执行传入的函数。语法：apply(fn) 参数： fn（Callable[[torch.nn.Module], None]）：一个函数，接受一个 Module 实例作为输入，返回 None。该函数会被递归地应用到模块自身和每一个子模块上返回值：self（即调用 apply 的 ScriptModule 实例本身）核心特性如下： 1、递归执行：深度优先遍历所有子模块 2、原地修改：直接修改模块，不返回新模型 3、顺序固定：先处理自身，再处理子模块 4、TorchScript 安全：可在静态图中正常使用 5、生命周期统一管理：参数、设备、模式全部生效具体测试内容如下： \| 测试维度 \| 具体内容 \| \|---------\|---------\| \| 功能正确性 \| `torch.jit.ScriptModule.add_module` 能否正确添加子模块；`torch.jit.ScriptModule.apply` 能否正确修改参数 \| \| 递归行为 \| `torch.jit.ScriptModule.apply` 是否递归访问所有嵌套子模块 \| \| 类型一致性 \| 添加的子模块是否被转换为 ScriptModule 类型 \| \| 设备适配 \| 所有参数和张量在 NPU 设备上的 device type 是否正确 \| \| 前向推理 \| 修改后的模型能否正常执行前向传播 \| \| 返回值语义 \| `torch.jit.ScriptModule.apply` 是否返回自身以支持链式调用 \| # 【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 # 【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 ![b6de5239a66a5bbba028c02fe3e625b2.png](https://raw.gitcode.com/user-images/assets/7404318/d146881f-1a0c-434d-833c-8ee1373450ad/b6de5239a66a5bbba028c02fe3e625b2.png 'b6de5239a66a5bbba028c02fe3e625b2.png') # 【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!40311	1 个月前
nn	feat: add autocast registration for flex_attention both eager and inductor Co-authored-by: liuyutong_bury<liuyutong25@huawei.com> # message auto-generated for no-merge-commit merge: !44287 merge feat/flex-attention-eager-autocast-v2 into master feat: add autocast registration for flex_attention both eager and inductor Created-by: liuyutong_bury Commit-by: liuyutong_bury 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>\ > <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> https://gitcode.com/Ascend/pytorch/issues/3824 - [x] 需求 - [ ] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 ## 修改文件 \| 文件 \| 操作 \| 说明 \| \|------\|------\|------\| \| `torch_npu/utils/patch_flexattention.py` \| 新建 \| autocast 注册函数 + device 校验函数（不自动执行，由 PatchManager 调用） \| \| `torch_npu/_init/patches/npu_patches.py` \| 修改 \| 新增 `apply_flex_attention_patch()`，通过 PatchManager 在 `import torch_npu` 时触发 \| \| `torch_npu/contrib/transfer_to_npu.py` \| 修改 \| 删除 `_patch_flex_attention_device` 定义及 `from torch_npu.utils import patch_flexattention` \| \| `torch_npu/_inductor/__init__.py` \| 修改 \| 删除 `_validate_device` 的 import 和 `flex_attention._validate_device = _validate_device` 赋值 \| \| `test/nn/test_npu_flexattention.py` \| 新建 \| eager 执行 + autocast bf16 正确性测试 \| ## 实现方案将 flex_attention 的 AutocastPrivateUse1 注册和设备校验 patch 定义在 `torch_npu.utils.patch_flexattention`，通过 PatchManager 在 `import torch_npu` 时统一触发，不再依赖 eager / inductor 两条路径各自显式 import。幂等安全：has_kernel_for_dispatch_key + _npu_device_patched flag 双保险，多次 import 不会冲突。运行时路径 import torch_npu │ └─ PatchManager._apply_all_patches() │ └─ apply_flex_attention_patch() │ ├─ _patch_flex_attention_device() │ └─ fa_mod._validate_device = _npu_valid_device │ (接受 NPU tensor，拒绝非 NPU / 混合设备) │ └─ _register_npu_flex_attention_autocast() └─ flex_attention_hop.py_impl(AutocastPrivateUse1)(...) flex_attention_backward_hop.py_impl(AutocastPrivateUse1)(...) 验证 test 1: eager 模式 — flex_attention 在 NPU 上直接执行 test 2: autocast — bf16 自动类型转换 + 数值正确性 # 【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” # 【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” # 【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 # 【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!44287	27 天前
npu	[master]test: add clone coverage for torch.autograd.grad_mode.set_grad_enabled Co-authored-by: Zky0803<kyzhang0803@163.com> # message auto-generated for no-merge-commit merge: !42445 merge pr/set-grad-enabled-clone into master [master]test: add clone coverage for torch.autograd.grad_mode.set_grad_enabled Created-by: Zky0803 Commit-by: Zky0803 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 - 来源任务 Issue：[【社区任务】7月社区任务第二期-Ascend for PyTorch API 一致性开发（31）](https://gitcode.com/Ascend/pytorch/issues/2954) - 结果 Issue：[torch.autograd.grad_mode.set_grad_enabled.clone API 一致性补齐](https://gitcode.com/Ascend/pytorch/issues/3102) # 【分支范围】本 PR 面向 `master` 目标分支。本任务整体覆盖： `text master、v2.7.1、v2.11.0、v2.12.0` `v2.9.0、v2.10.0` 已进入维护阶段，不再合入新特性或本类新增测试，因此本任务不再对这两个分支作补齐要求。 # 【修改方案】本次仅补充 `torch.autograd.grad_mode.set_grad_enabled.clone` 的 NPU 单元测试，不修改 API 实现。修改文件： `text test/npu/test_locally_disabling_gradient_omputation.py` 整改后提交： `text 源分支：pr/set-grad-enabled-clone Commit：5cc7df026d176e95786ecec387b2c8f54d64d6d1 提交标题：test: add clone coverage for set_grad_enabled 文件 SHA-256：642c2b526d025de467b3b1ef728526b64977e22485ceafb0e8c60a58f25b1120` 文件头增加 Huawei BSD 3-Clause copyright 和 API 覆盖说明： python # Copyright (c) 2026 Huawei Technologies Co., Ltd # All rights reserved. # # Licensed under the BSD 3-Clause License (the "License"); # you may not use this file except in compliance with the License. # You may obtain a copy of the License at # # https://opensource.org/licenses/BSD-3-Clause # # Unless required by applicable law or agreed to in writing, software # distributed under the License is distributed on an "AS IS" BASIS, # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. # See the License for the specific language governing permissions and # limitations under the License. """Add validation cases for gradient-mode APIs on NPU. This file validates torch.no_grad, torch.enable_grad, torch.set_grad_enabled, and torch.autograd.grad_mode.set_grad_enabled.clone, including clone object independence, mode preservation, grad-mode restoration, and decorator behavior with NPU tensors. """ ## 1. clone 直接行为整改后的 `test_set_grad_enabled_clone`： `python def test_set_grad_enabled_clone(self): initial_grad_enabled = torch.is_grad_enabled() with torch.set_grad_enabled(initial_grad_enabled): for mode in (False, True): ctx = torch.set_grad_enabled(mode) cloned = ctx.clone() self.assertIsNot(ctx, cloned) self.assertIsInstance( cloned, torch.autograd.grad_mode.set_grad_enabled, ) self.assertEqual(cloned.mode, mode) self.assertEqual(torch.is_grad_enabled(), initial_grad_enabled)` 验证： - `torch.set_grad_enabled(False).clone()`； - `torch.set_grad_enabled(True).clone()`； - clone 后对象与原对象不是同一实例； - clone 后对象类型保持； - clone 后 `mode` 状态保持； - 测试结束后线程 grad mode 与测试开始时一致。 ## 2. NPU Tensor 装饰器调用链整改后的 `test_set_grad_enabled_clone_decorator`： python def test_set_grad_enabled_clone_decorator(self): initial_grad_enabled = torch.is_grad_enabled() x = torch.tensor( [1.0], device="npu:0", requires_grad=True, ) with torch.set_grad_enabled(initial_grad_enabled): @torch.set_grad_enabled(False).clone() def grad_disabled(tensor): return tensor * 2 with torch.enable_grad(): disabled_result = grad_disabled(x) self.assertEqual(disabled_result.device, x.device) self.assertFalse(disabled_result.requires_grad) @torch.set_grad_enabled(True).clone() def grad_enabled(tensor): return tensor * 2 with torch.no_grad(): enabled_result = grad_enabled(x) self.assertEqual(enabled_result.device, x.device) self.assertTrue(enabled_result.requires_grad) self.assertEqual(torch.is_grad_enabled(), initial_grad_enabled) 该用例在测试代码中显式调用： `python torch.set_grad_enabled(False).clone() torch.set_grad_enabled(True).clone()` 并直接验证： - 外层梯度开启时，clone 后的 `mode=False` 装饰器使 NPU 输出 `requires_grad=False`； - 外层 `torch.no_grad()` 时，clone 后的 `mode=True` 装饰器使 NPU 输出 `requires_grad=True`； - 输出 Tensor 仍位于输入 NPU 设备； - 测试结束后线程 grad mode 恢复。 ## 3. 导入清理继续保持移除冗余的： `python import torch_npu # noqa: F401` 当前通过： `python from torch_npu.testing.testcase import TestCase, run_tests` 使用项目测试基类和测试入口，不使用 `noqa` 掩盖未使用导入。本次不涉及： - PyTorch API 功能实现； - Torch-NPU C++ 适配； - NPU Kernel； - `test_upstream` patch； - 跨代码仓接口变更。 # 【社区用例检索与新增必要性】在 `upstream/master`（`5b6990f5a332dc9a585c66fee64f721e1fcc2d46`）中执行： `bash git grep -n -E \ 'set_grad_enabled.clone\|clone.set_grad_enabled\|test_.set_grad_enabled.clone' \ -- test` 直接 clone 测试匹配数： `text 0` 相关基础测试包括： - `test/test_autograd.py::test_set_grad_enabled` - `test/test_autograd.py::test_set_grad_enabled_wraps` - `test/npu/test_locally_disabling_gradient_omputation.py::test_set_grad_enabled` 这些用例覆盖基础上下文管理器或通用装饰器行为，但没有直接检查 clone 后对象的身份、类型和 `mode`，没有验证测试前后线程 grad mode 保持，也没有使用 clone 后对象作为装饰器对 NPU Tensor 输出进行断言。因此需要在现有 Torch-NPU NPU 测试文件中新增本用例，不能直接以社区基础用例替代。 # 【资料变更】涉及。 `torch.autograd.grad_mode.set_grad_enabled.clone` 为 PyTorch 对外公开的 `set_grad_enabled` 子方法。经资料补齐要求复核，当前 Torch-NPU Native API 资料仅登记父 API，缺少 `clone()` 子方法，因此本任务另行提交资料补齐 PR。资料补齐信息： `text 目标分支：master 源分支：docs/set-grad-enabled-clone 基线提交：462f4e18a8303698aca3997edfcc5dd3b1707968 资料提交：fcc55fd51dc6e4ba5a4068cb9805d15a59021bc3 提交标题：docs: add support status for set_grad_enabled.clone 资料 PR：[PR #44139](https://gitcode.com/Ascend/pytorch/pull/44139)` 资料修改文件： `text docs/zh/api/native_api/pytorch_2-7-1/torch.md docs/zh/api/native_api/pytorch_2-11-0/torch.md docs/zh/api/native_api/pytorch_2-12-0/torch.md docs/zh/api/native_api/pytorch_2-13-0/torch.md` 资料中将 `clone()` 作为 `torch.autograd.grad_mode.set_grad_enabled` 的子方法登记，支持状态与父 API 保持一致： - Atlas A2 训练系列产品：支持； - Atlas A3 训练系列产品：支持； - Ascend 950DT：暂不支持。该 API 为非计算类上下文对象复制方法，与 Tensor 数据类型无关，因此资料中不增加 fp16、fp32、bf16 等 dtype 限制说明。资料分支已完成本地检查并成功推送，`diff --check`、四版本条目覆盖及远端 SHA 验证均通过。 # 【接口变更】不涉及。本次不修改函数实现、接口签名、返回类型或其他组件交互。 # 【功能验证】 ## 环境 `text 目标分支：master torch：2.12.0+cu130 torch-npu：2.12.0.rc1 NPU available：True NPU device count：1` ## 命令 `bash python test/npu/test_locally_disabling_gradient_omputation.py -v` 隔离验证还分别从初始 grad mode 为 `False` 和 `True` 的状态执行两个 clone 测试。 ## 测试场景 `text test_enable_grad test_no_grad test_set_grad_enabled test_set_grad_enabled_clone test_set_grad_enabled_clone_decorator` 隔离验证场景： `text initial=False → before=False → after=False initial=True → before=True → after=True` ## 完整原始输出 ``text ================================================== TARGET_BRANCH=master SOURCE_BRANCH=pr/set-grad-enabled-clone COMMIT=5cc7df026d176e95786ecec387b2c8f54d64d6d1 PYTHON=envs/torch_npu_2.12.0/bin/python TEST_FILE=/tmp/set_grad_enabled_clone_final_tests_590/master/test/npu/test_locally_disabling_gradient_omputation.py TEST_FILE_SHA256=642c2b526d025de467b3b1ef728526b64977e22485ceafb0e8c60a58f25b1120 ================================================== ===== ENVIRONMENT PROBE ===== python_executable=/workspace/user_data/torch_npu_api_check/check_close_args/envs/torch_npu_2.12.0/bin/python python_version=3.11.15 platform=Linux-5.10.0-216.0.0.115.oe2203sp4.aarch64-aarch64-with-glibc2.35 torch_version=2.12.0+cu130 torch_npu_version=2.12.0.rc1 torch_file=/workspace/user_data/torch_npu_api_check/check_close_args/envs/torch_npu_2.12.0/lib/python3.11/site-packages/torch/__init__.py torch_npu_file=/workspace/user_data/torch_npu_api_check/check_close_args/envs/torch_npu_2.12.0/lib/python3.11/site-packages/torch_npu/__init__.py npu_available=True npu_device_count=1 initial_grad_enabled=True ENVIRONMENT_PROBE_EXIT_CODE=0 ===== FULL TEST FILE ===== COMMAND=env -u PYTHONPATH PYTHONNOUSERSITE=1 envs/torch_npu_2.12.0/bin/python /tmp/set_grad_enabled_clone_final_tests_590/master/test/npu/test_locally_disabling_gradient_omputation.py -v W0801 11:27:23.084000 39660 torch/_native/cutedsl_utils.py:55] CuTeDSL operators require optional Python packages nvidia-cutlass-dsl `and` apache-tvm-ffi`; missing optional dependency` nvidia_cutlass_dsl (importlib.util.find_spec(nvidia_cutlass_dsl) failed) test_enable_grad (__main__.TestLDGComputation.test_enable_grad) ... [W801 11:27:30.117500740 NPUCachingAllocator.cpp:199] Warning: The current CANN and Soc versions require processing for 32 padding size, with memory allocation. (function operator()) ok test_no_grad (__main__.TestLDGComputation.test_no_grad) ... ok test_set_grad_enabled (__main__.TestLDGComputation.test_set_grad_enabled) ... ok test_set_grad_enabled_clone (__main__.TestLDGComputation.test_set_grad_enabled_clone) ... ok test_set_grad_enabled_clone_decorator (__main__.TestLDGComputation.test_set_grad_enabled_clone_decorator) ... ok ---------------------------------------------------------------------- Ran 5 tests in 0.586s OK FULL_TEST_EXIT_CODE=0 ===== GRAD MODE ISOLATION PROBE ===== W0801 11:28:45.547000 40098 torch/_native/cutedsl_utils.py:55] CuTeDSL operators require optional Python packages nvidia-cutlass-dsl `and` apache-tvm-ffi`; missing optional dependency` nvidia_cutlass_dsl` (importlib.util.find_spec(nvidia_cutlass_dsl) failed) test_set_grad_enabled_clone (set_grad_enabled_clone_test_module.TestLDGComputation.test_set_grad_enabled_clone) ... ok test_set_grad_enabled_clone_decorator (set_grad_enabled_clone_test_module.TestLDGComputation.test_set_grad_enabled_clone_decorator) ... [W801 11:28:51.477959420 NPUCachingAllocator.cpp:199] Warning: The current CANN and Soc versions require processing for 32 padding size, with memory allocation. (function operator()) ok ---------------------------------------------------------------------- Ran 2 tests in 0.203s OK test_set_grad_enabled_clone (set_grad_enabled_clone_test_module.TestLDGComputation.test_set_grad_enabled_clone) ... ok test_set_grad_enabled_clone_decorator (set_grad_enabled_clone_test_module.TestLDGComputation.test_set_grad_enabled_clone_decorator) ... ok ---------------------------------------------------------------------- Ran 2 tests in 0.002s OK PROCESS_ORIGINAL_GRAD_MODE=True ISOLATION_RESULT=initial:False,before:False,after:False,t See merge request: Ascend/pytorch!42445	28 天前
onnx	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
optim	[optim] Add distributed Muon optimizer support for Ascend NPU Co-authored-by: guoqi1024<guoqi5@huawei.com> # message auto-generated for no-merge-commit merge: !38393 merge feature/distributed-muon-optimizer into master [optim] Add distributed Muon optimizer support for Ascend NPU Created-by: guoqi1024 Commit-by: guoqi1024 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/2403 - [x] 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） # 【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” # 【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” # 【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 # 【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!38393	2 个月前
package	test(package): add testcase for PackageExporter additional APIs Co-authored-by: PAGEMRW<985608880@qq.com> # message auto-generated for no-merge-commit merge: !37848 merge test-package-exporter-additional-api-master into master test(package): add testcase for PackageExporter additional APIs Created-by: PAGEMRW Commit-by: PAGEMRW Merged-by: ascend-robot Description: # 【合入来源】 - 问题单 PyTorch 社区用例对以下 `torch.package.PackageExporter` API 缺少充分且直接的验证： `torch.package.PackageExporter.add_dependency torch.package.PackageExporter.all_paths torch.package.PackageExporter.close torch.package.PackageExporter.dependency_graph_string torch.package.PackageExporter.get_unique_id torch.package.PackageExporter.register_intern_hook` 因此新增 `test_package_exporter_additional_api.py` 测试文件，用于验证上述 6 个 API 的正确性，并补充异常路径验证，覆盖显式依赖添加、依赖图路径查询、依赖图字符串输出、唯一 ID 生成、intern hook 注册/移除、PackageExporter 正常关闭及重复关闭异常等场景。 # 【修改方案】一、API 功能说明 1. torch.package.PackageExporter.add_dependency 是 PyTorch torch.package.PackageExporter 中用于手动向包导出器依赖图添加模块依赖的 API，核心功能如下：依赖图补充能力：接收指定模块名，并根据用户预先配置的 extern、intern、mock、deny 等规则，将该模块加入 PackageExporter 的依赖分析流程。规则驱动处理：模块最终是被打包进 archive、作为外部依赖记录、替换为 mock 模块，还是被拒绝，取决于导出器中已有的依赖匹配规则。递归依赖分析支持：当 dependencies=True 时，会进一步分析该模块源码中的 import 依赖，并将相关依赖继续纳入处理。手动依赖声明：适用于测试或特殊打包场景中显式补充某个模块依赖，避免完全依赖 save_module、save_pickle 等接口的自动扫描。纯 Python 打包辅助：该 API 主要操作模块依赖关系和导出规则，不涉及张量计算，也不要求运行在 NPU/GPU 设备上。 2. torch.package.PackageExporter.all_paths 是 PyTorch PackageExporter 中用于查询两个模块之间依赖路径的调试分析 API，核心功能如下：依赖路径追踪：接收源模块 src 和目标模块 dst，返回从 src 到 dst 的所有依赖路径。 DOT 图格式输出：返回结果为 DOT 格式字符串，可用于 Graphviz 等工具可视化依赖子图。依赖原因定位：常用于分析某个模块为什么会被 PackageExporter 作为依赖引入，帮助定位间接 import 链路。子图级别查看：相比完整依赖图，该 API 只关注指定源模块到目标模块之间的路径，便于缩小调试范围。静态调试属性：该 API 只读取和展示 PackageExporter 内部依赖图信息，不会执行实际模型计算或张量运算。 3. torch.package.PackageExporter.close 是 PyTorch PackageExporter 中用于结束打包并将 package 写入目标位置的收尾 API，核心功能如下：包写出能力：将前面通过 save_module、save_pickle、save_text、save_binary、save_source_string 等接口收集到的代码、对象和资源正式写入文件系统或二进制 IO 对象。导出流程终止：调用 close() 后，PackageExporter 进入关闭状态，后续再调用保存、依赖添加等导出相关接口将不再合法。上下文管理器等价：通常推荐使用 with PackageExporter(...) as exporter 的形式自动触发关闭逻辑，避免忘记手动调用 close()。规则完整性检查：在关闭阶段会完成打包收尾检查，例如未解析依赖、非法依赖或未匹配规则可能在关闭时触发异常。资源释放作用：用于确保底层 zip/package 归档结构被完整写入并释放相关写入资源。 4. torch.package.PackageExporter.dependency_graph_string 是 PyTorch PackageExporter 中用于输出完整包依赖图的调试 API，核心功能如下：完整依赖图查看：返回当前 PackageExporter 已记录的 package 依赖关系图。字符串化输出：返回值为字符串形式的依赖图表示，可直接打印到控制台或写入日志文件。打包调试支持：用于观察哪些模块被纳入依赖图、模块之间存在怎样的依赖关系。与局部路径分析互补：all_paths(src, dst) 适合查看两个模块之间的路径，而 dependency_graph_string() 适合查看整体依赖结构。无副作用查询：该 API 只读取依赖图状态，不会修改打包内容，也不涉及张量或设备相关操作。 5. torch.package.PackageExporter.get_unique_id 是 PyTorch PackageExporter 中用于生成包内唯一标识符的辅助 API，核心功能如下：唯一 ID 生成：返回一个字符串 ID，并保证该 ID 在当前 package 导出过程中只会被分配一次。避免命名冲突：常用于生成临时模块名、资源路径或中间文件名，防止与已有模块和资源发生冲突。自定义打包支持：在自定义 __reduce_package__ 等高级打包逻辑中，可用该 API 为动态生成的资源分配唯一名称。包内范围唯一：其唯一性主要保证在当前 PackageExporter 管理的 package 内成立，不用于全局分布式唯一标识。轻量级工具属性：该 API 只生成字符串标识，不涉及依赖扫描、文件写入或张量运算。 6. torch.package.PackageExporter.register_intern_hook 是 PyTorch PackageExporter 中用于注册 intern 模块匹配回调函数的 API，核心功能如下： intern 回调注册：向导出器注册一个 hook，当某个模块匹配 intern() 规则并准备被打包进 package 时，该 hook 会被触发。自定义处理能力：hook 函数可接收 exporter 和 module_name，从而在模块被 intern 时执行额外逻辑，例如记录日志、统计模块、补充资源或检查模块名。多 hook 顺序执行：支持注册多个 intern hook，并按照注册顺序依次调用，便于组合多个自定义处理逻辑。可移除句柄支持：注册后会返回 RemovableHandle，后续可通过 handle.remove() 移除该 hook。打包流程扩展点：该 API 提供对 PackageExporter 内部模块处理流程的扩展能力，适合测试 hook 调用顺序、移除机制和模块匹配行为。二、测试文件 test_package_exporter_additional_api.py 完整验证该 API 的原因 `` 该测试用例针对 torch.package.PackageExporter.add_dependency、torch.package.PackageExporter.all_paths、torch.package.PackageExporter.dependency_graph_string、torch.package.PackageExporter.get_unique_id、torch.package.PackageExporter.register_intern_hook 和 torch.package.PackageExporter.close 六个 API，从显式依赖处理、异常依赖处理、依赖图路径查询、依赖图字符串输出、唯一标识生成、Hook 注册与移除机制、包写入闭环、重复关闭异常等维度进行直接验证，具体体现在： 1. 对 add_dependency API 的验证显式依赖添加验证 test_add_dependency：通过创建 PackageExporter，并直接调用 add_dependency("math") 手动加入 math 模块依赖，验证 API 能够将指定模块加入 PackageExporter 的依赖分析流程。测试通过 dependency_graph.nodes 校验 math 已被加入依赖图节点，说明 add_dependency 能够正确记录显式添加的依赖。随后关闭 exporter，并使用 PackageImporter 从内存 package 中重新加载 math 模块，验证导入结果与系统原生 math 模块一致，说明显式添加的依赖不仅在导出阶段被正确记录，也能在导入阶段保持正确解析。不存在模块异常路径验证 test_add_dependency_nonexistent_module_raises`：通过 add_dependency("nonexistent_module_for_package_exporter_test") 手动添加一个不存在的模块依赖，并在 exporter.close() 阶段断言抛出 PackagingError。该测试验证 add_dependency 对非法/不可解析模块依赖的处理符合预期：依赖可以先进入导出器依赖处理流程，但最终关闭打包时会进行完整性检查并暴露打包错误，避免生成包含无效依赖的 package。 2. 对 all_paths API 的验证依赖路径查询验证` test_all_paths：手动向 dependency_graph 中添加 a -> b、b -> c、a -> d 三条边，然后调用 all_paths("a", "c") 查询从 a 到 c 的依赖路径。测试断言结果中包含 "a" -> "b" 和 "b" -> "c"，说明 API 能够正确返回目标路径上的依赖边；同时断言结果中不包含 "a" -> "d"，说明 API 不会错误返回与目标节点 c 无关的分支路径。该测试覆盖了依赖图路径提取的正确性和无关路径过滤能力。 3. 对 dependency_graph_string API 的验证依赖图字符串输出验证 test_dependency_graph_string`：通过向 dependency_graph 中添加 a -> b 依赖边，再调用 dependency_graph_string() 获取完整依赖图字符串。测试断言结果中包含 digraph G，验证其输出符合 DOT 图格式；同时断言结果中包含 "a" -> "b"，验证依赖图中的实际边关系能够被正确序列化输出。该测试说明该 API 能够将 PackageExporter 内部依赖图转换为可读、可调试的字符串表示。 4. 对 get_unique_id API 的验证唯一标识生成验证` test_get_unique_id`：连续三次调用 get_unique_id()，并分别断言返回值为 "0"、"1"、"2"。该测试验证了 API 能够在同一个 PackageExporter 实例内生成单调递增且不重复的字符串 ID，说明其可用于包内临时资源、模块名或自定义打包逻辑中的唯一命名需求。同时，连续调用场景也验证了内部计数状态能够被正确维护。 5. 对 register_intern_hook API 的验证 Hook 注册与触发验证` test_register_intern_hook`：定义 intern_hook 回调函数，并通过 register_intern_hook 注册到 PackageExporter 中。随后调用 save_source_string("foo", "VALUE = 1", dependencies=False) 保存源码模块，触发模块 intern 流程。测试最终断言 interned_modules 等于 ["foo"]，说明当模块被打包进 package 时，已注册的 intern hook 能够被正确调用，并且能够接收到正确的模块名参数。 Hook 移除机制验证` test_register_intern_hook_remove`：注册 intern hook 后，立即调用返回句柄的 remove() 方法移除该 hook，再保存 foo 模块。测试断言 interned_modules 为空列表，说明被移除的 hook 不会继续触发。该测试进一步覆盖了 register_intern_hook 返回句柄的有效性，以及 hook 注册后可撤销的边界行为，避免回调残留或误触发。 6. 对 close API 的验证包写入闭环验证` test_close`：先通过 save_source_string("foo", "VALUE = 3", dependencies=False) 向 package 中写入源码模块，再调用 close() 完成导出收尾。随后重置 BytesIO 指针，并使用 PackageImporter 从内存 package 中重新导入 foo 模块，断言 foo.VALUE 等于 3。该测试验证了 close() 能够正确完成 package 的最终写入、归档结构封装和资源收尾，使导出的内容能够被后续 PackageImporter 正常加载。重复关闭异常路径验证` test_close_twice_raises：创建 PackageExporter 后先执行一次 close() 完成关闭，再次调用 close() 时断言抛出异常。该测试验证 close() 关闭状态管理符合预期，PackageExporter 在完成导出后不会允许重复关闭或重复写入，从而避免资源状态异常、归档结构重复收尾等问题。 7. 测试完整性与隔离性保障该测试文件使用 BytesIO 作为内存 package 载体，避免依赖外部文件系统，保证测试过程轻量、独立、可重复。每个测试用例均重新创建 PackageExporter 实例，分别构造独立的依赖图、hook 列表或 package 内容，避免不同 API 测试之间发生状态污染。部分测试使用 with PackageExporter(buffer) as exporter 的上下文管理方式，覆盖自动 close 场景；test_close 显式调用 close()，覆盖手动关闭场景；test_add_dependency_nonexistent_module_raises 和 test_close_twice_raises 分别覆盖依赖解析失败与重复关闭两个异常分支。由于这些 API 主要属于 torch.package 的 Python 层打包、依赖管理和导出流程，不涉及实际张量计算或 NPU 算子执行，因此无需额外构造 NPU 张量，也无需额外进行张量迁移适配。 `三、NPU 适配` torch.package.PackageExporter.add_dependency、torch.package.PackageExporter.all_paths、torch.package.PackageExporter.close、torch.package.PackageExporter.dependency_graph_string、torch.package.PackageExporter.get_unique_id 和 torch.package.PackageExporter.register_intern_hook 均属于 torch.package 模块中的 Python 层打包、依赖管理、调试分析和 Hook 扩展类 API，不涉及张量计算、算子执行或设备调度逻辑，因此无需针对昇腾 NPU 做额外适配，具体分析如下： 1. 纯 Python 层打包流程 API，无硬件相关计算逻辑 - add_dependency API：主要用于手动向 PackageExporter 的依赖图中添加模块依赖，并根据 extern、intern、mock、deny 等规则处理模块归属，核心逻辑是 Python 模块依赖分析和打包规则匹配，不涉及 Tensor 运算或 NPU 算子调用；新增的不存在模块用例验证的是打包阶段异常检查，也不涉及设备逻辑。 - all_paths API：仅用于查询 PackageExporter 内部依赖图中两个模块之间的依赖路径，返回 DOT 格式字符串，属于依赖图调试分析能力，不涉及任何设备侧计算。 - dependency_graph_string API：用于将当前依赖图字符串化输出，便于观察模块之间的依赖关系，本质是读取并序列化 Python 层依赖图结构，与 NPU 硬件无关。 - get_unique_id API：仅用于在当前 PackageExporter 实例内生成唯一字符串 ID，属于轻量级命名辅助工具，不涉及依赖扫描、文件执行、张量创建或设备迁移。 - register_intern_hook API：用于注册模块 intern 过程中的 Python 回调函数，核心逻辑是 hook 注册、触发和移除，不依赖任何底层硬件能力。 - close API：用于完成 package 的最终写入和资源收尾，将已保存的源码、对象或资源写入目标 package 中，属于文件/字节流归档写出逻辑；新增的重复 close 用例验证的是 Python 对象关闭状态管理，也不涉及 NPU 计算图或算子执行。 2. 无底层算子 / 内核 / NPU Runtime 依赖 - 这 6 个 API 的核心功能集中在 PackageExporter 的模块依赖管理、依赖图维护、包内容写入、唯一 ID 生成以及 hook 机制上，均运行在 Python 解释器和 PyTorch 打包框架层面。 - 测试过程中使用的 BytesIO、PackageExporter、PackageImporter、dependency_graph 等对象均属于 Python 层对象或 PyTorch package 管理结构，不会调用 torch_npu 的算子、NPU kernel、NPU 内存管理接口或设备通信接口。 - 测试用例即使在 torch-npu 迁移环境下执行，也仅验证 torch.package 的打包、导入和依赖图逻辑，不触发任何 NPU 设备侧行为。 3. 核心逻辑与硬件设备解耦 - 依赖管理解耦：add_dependency、all_paths 和 dependency_graph_string 操作的是模块依赖图，依赖关系来自 Python import 规则和 PackageExporter 的打包策略，与 CPU/GPU/NPU 设备类型无关。 - 打包写入解耦：close API 负责将 package 内容写入内存 buffer 或文件系统，其正确性取决于归档结构和资源写入完整性，而不是底层计算设备。 - Hook 机制解耦：register_intern_hook 触发的是 Python 回调函数，测试关注 hook 是否被正确注册、调用和移除，不涉及任何硬件执行路径。 - 唯一标识生成解耦：get_unique_id 仅维护 PackageExporter 内部计数状态并返回字符串 ID，不包含设备判断、张量分配或算子派发逻辑。 4. 无需构造 NPU 张量的原因 - 本测试文件覆盖的 6 个 API 均不以 Tensor 作为输入，也不返回 Tensor 结果。 - 测试逻辑主要包括模块依赖声明、异常依赖关闭检查、依赖图边关系查询、字符串输出校验、hook 调用验证、package 写入与重新导入验证、重复关闭异常验证。 - 因此，按照“涉及张量的用例尽可能运行在 NPU 上”的原则，本测试文件不存在需要迁移到 NPU 的张量对象，也无需额外添加 .npu() 或 .to(device_type) 操作。 - 若强行构造 NPU 张量，反而会引入与被测 API 无关的设备依赖，降低测试的针对性和最小化原则。综上，torch.package.PackageExporter.add_dependency、all_paths、close、dependency_graph_string、get_unique_id 和 register_intern_hook 均属于硬件无关的 Python 层 package 导出与依赖管理 API。其功能正确性主要取决于 PackageExporter 内部依赖图、打包规则、hook 机制、异常状态管理和归档写入逻辑，不依赖昇腾 NPU 的算子、内存或运行时能力。因此在 torch-npu 适配中无需修改 API 本身，也无需构造 NPU 张量，可直接复用 PyTorch 社区逻辑进行验证。 # 【资料变更】 > 不涉及已检查文档，https://gitcode.com/Ascend/pytorch/tree/v2.7.1/docs/zh/native_apis 下面各个版本均已记录这些 API 支持情况，因此不需要提交 PR 修改资料。 # 【接口变更】 > 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在 2.7.1、2.9.0、2.10.0、2.11.0、2.12.0 版本上执行该用例，均通过，日志如下： ` root@c18d5a0da657:/workspace/pytorch29/test/package# python -m unittest -v test_package_exporter_additional_api test_add_dependency (test_package_exporter_additional_api.TestPackageExporterAdditionalAPI.test_add_dependency) ... ok test_add_dependency_nonexistent_module_raises (test_package_exporter_additional_api.TestPackageExporterAdditionalAPI.test_add_dependency_nonexistent_module_raises) ... ok test_all_paths (test_package_exporter_additional_api.TestPackageExporterAdditionalAPI.test_all_paths) ... ok test_close (test_package_exporter_additional_api.TestPackageExporter See merge request: Ascend/pytorch!37848	2 个月前
profiler	test: add Ascend NPU UT for torch.autograd.profiler.parse_nvprof_trace Co-authored-by: yuhongming-2026<moshui_1@qq.com> # message auto-generated for no-merge-commit merge: !42226 merge part_master into master test: add Ascend NPU UT for torch.autograd.profiler.parse_nvprof_trace Created-by: yuhongming-2026 Commit-by: yuhongming-2026 Merged-by: ascend-robot Description: # 【合入来源】 > <font color="red">https://gitcode.com/Ascend/pytorch/issues/2975</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】 1. 新增 `test/profiler/test_parse_nvprof_trace.py`，对原生 API `torch.autograd.profiler.parse_nvprof_trace` / `load_nvprof` 在 Ascend NPU 环境下做适配一致性验证。 2. 构造最小 nvprof 兼容 SQLite（含 Marker / Runtime / Concurrent Kernel 表结构），覆盖仅 Marker、Marker+Kernel 关联两类解析路径。 3. 用例依赖 CANN + NPU；无 NPU 时整模块 skip，避免在纯 CPU/CUDA 环境误跑。 4. 补充 API 可用性、`EnforceUnique`、以及 NPU 算子负载后解析仍可用等场景，保障该接口在 torch_npu 栈上行为正确。 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】测试场景： - Ascend NPU 环境下验证 `parse_nvprof_trace` / `load_nvprof` 可用性与解析结果正确性 - 覆盖：仅 Marker、带 Kernel 关联、NPU 算子执行后再次解析、`EnforceUnique` 测试方法： `bash cd test/profiler python test_parse_nvprof_trace.py` 说明：已新增 UT 用例看护；请在本地/CI NPU 环境执行后补充自验证截图。 ![801f665cb58e9c70d8c811b23b7aab62.png](https://raw.gitcode.com/user-images/assets/7404318/94c8a409-3649-4520-83a1-b1cb36f1b730/801f665cb58e9c70d8c811b23b7aab62.png '801f665cb58e9c70d8c811b23b7aab62.png') # 【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!42226	30 天前
testing	AI assist developer for python dt master Co-authored-by: aksksks<mengzichao@h-partners.com> # message auto-generated for no-merge-commit merge: !26538 merge master into master AI assist developer for python dt master Created-by: aksksks Commit-by: aksksks Merged-by: ascend-robot Description: <!-- Thanks for sending a pull request! --> What type of PR is this? > Uncomment only one `/kind <>` line, hit enter to put that in a new line, and remove leading whitespaces from that line: > > /kind bug > /kind task > /kind feature What does this PR do / why do we need it: Which issue(s) this PR fixes: <!-- Automatically closes linked issue when PR is merged. Usage: `Fixes #<issue number>`, or `Fixes (paste link of issue)`. --> Fixes # Special notes for your reviewers*: See merge request: Ascend/pytorch!26538	9 个月前
trans_contiguous	test update ut Co-authored-by: huangyunlong2022<huangyunlong4@h-partners.com> # message auto-generated for no-merge-commit merge: !37776 merge 2.13ut1 into master test update ut Created-by: huangyunlong2022 Commit-by: huangyunlong2022 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>\ > <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 - [x] 问题单 - [ ] 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） test_deprecation test_cycle_lr_cycle_momentum_fail_with_momentumless_optimizer test_hook_registration 同步社区用例更新 test_float_status A2/A3需要开启饱和模式 test_select_at_first_axis_to_single_element_tensor_copy 转连续优化是aclop路径，alcnn路径添加aclnnAdds通过用例 # 【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” # 【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” # 【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 # 【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!37776	3 个月前
unsupported_test_cases	refactor: correct English grammar, spelling, and style in log/warning messages Co-authored-by: wanglijun55<wanglijun54@huawei.com> # message auto-generated for no-merge-commit merge: !44119 merge master-doc into master refactor: correct English grammar, spelling, and style in log/warning messages Created-by: wanglijun55 Commit-by: wanglijun55 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> https://gitcode.com/Ascend/pytorch/issues/3908 - [ ] 需求 - [ ] 问题单 - [ ] issue/工单 - [x] 重构优化 - [ ] 资料更新 # 【修改方案】对 torch_npu 全仓 UserWarning / logger.warning / print 日志中的英文消息进行语法、拼写、标点审查和修复。共修复 48 处错误，涉及 39 个文件，涵盖以下类别： 1. 语法错误 (14处): `will not to be linked` → `will not be linked`、`should to be initialized` → `should be initialized`、`Create ... failed` → `Failed to create ...` 等 2. 逗号拼接句 (8处): 将逗号连接的两个独立句子拆分为两句或使用分号 3. 拼写错误 (1处): `Detecct_type` → `Detect_type` 4. 缺少冠词 (7处): `in future version` → `in a future version`、`only sets Global variable` → `only sets the global variable` 5. 主谓不一致 (5处): `Environment variable ... is not set` → `are not set`、`There is no ... events` → `There are no ... events` 6. 标点/格式 (8处): 中文顿号 `、` → 英文逗号、多余空格、缺失句号、相邻字符串缺少空格拼接导致粘连 7. 翻译不当 (2处): `soft chain` → `symbolic link`（软链接） 8. 冗余前缀 (2处): `warnings.warn()` 中重复的 `Warning:` 前缀 9. 代码 Bug (1处): `serialization.py:672` — `print()` 传入 tuple 而非 string 10. 风格问题: `for replacement` → `as a replacement`、`Torchinductor` → `TorchInductor`、`Can not` → `Cannot`、`func`/`msg` → `function`/`message` 等 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】仅修改日志/警告消息字符串，不影响任何功能逻辑。所有修改均为： - 英文语法/拼写/标点修正 - 字符串拼接 bug 修复（serialization.py tuple → string） - 翻译术语规范化（soft chain → symbolic link） # 【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!44119	29 天前
utils	[fix] Support test case filtering by version range Co-authored-by: zhoupeng<zp2165064878@163.com> # message auto-generated for no-merge-commit merge: !43106 merge one-track-test into master [fix] Support test case filtering by version range Created-by: thickhair Commit-by: zhoupeng 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/3004 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】支持不在版本区间用例跳过执行 # 【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” # 【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” # 【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 # 【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、空指针等校验 - [ ] 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!43106	1 个月前
README.md	!21966 Document description optimization Merge pull request !21966 from shaoyf/master_readme	1 年前
adapt_testcases_to_npu.py	!20432 Fixed the failed testcases Merge pull request !20432 from yuhaiyan/master-dev1	1 年前
adaptive_tests.txt	!20432 Fixed the failed testcases Merge pull request !20432 from yuhaiyan/master-dev1	1 年前
allowlist_for_publicAPI.json	compat(2.14): default requirements to 2.14 nightly and fix related tests Co-authored-by: chz34<chenhaozhe1@huawei.com> # message auto-generated for no-merge-commit merge: !41741 merge compat/2.14 into master compat(2.14): default requirements to 2.14 nightly and fix related tests Created-by: c_34 Commit-by: chz34 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/2258 https://gitcode.com/Ascend/pytorch/issues/2890 - [ ] 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. 上游新增接口，暴露的路径与实际module不一致，实际来自_C库，添加测试白名单，与上游添加的白名单保持一致。 2. 上游新增接口，依赖额外三方库与cuda库，test_public_binding.py中增加相关过滤 3. 上游`Backedn.register_backend.__func__`新增参数，修改对应patch函数，增加`**kwargs`，缺省忽略，同时保持与之前版本的接口兼容 4. 上游`cudagraphify`调用时新增额外参数`kernel_free_cudagraph`, `user_visible_output_idxs`，下游`npugraphify`跟随新增，函数内不处理 5. 新增requirements_2_13.txt的配置，默认配置升级到2.14 # 【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” 跟随上游变更，不涉及 # 【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” 跟随上游变更，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跟随上游变更，基于现有测试用例进行验证 # 【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!41741	1 个月前
deprecated_apis.json	[fix] Init version in GetCANNVersion and delete unnecessary warning Co-authored-by: zhaoyu65<nanzhaogang@qq.com> # message auto-generated for no-merge-commit merge: !38128 merge master-warn into master [fix] Init version in GetCANNVersion and delete unnecessary warning Created-by: zhaoyu65 Commit-by: zhaoyu65 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>\ > <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 - [ ] issue/工单 - [x] 重构优化 - [ ] 资料更新 [#2346](https://gitcode.com/Ascend/pytorch/issues/2346) # 【修改方案】 * 核心变更： * 🔧 修复了CANN版本获取函数中的错误处理逻辑，从特定错误码检查改为通用成功状态检查 * ✅ 增强了错误日志，新增错误码输出以便调试 * 🧹 简化了Python环境收集工具，移除了路径所有者一致性检查 * 🛡️ 修复了C++结构体未初始化的潜在问题 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】验证OK 测试用例test\npu\test_cann_version.py已纳入门禁看护 # 【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!38128	2 个月前
get_failed_ut_from_log.py	fix: lintrunner --all-files --take NEWLINE -a Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35539 merge code_check_lintrunner into master fix: lintrunner --all-files --take NEWLINE -a Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】文件必须以 LF 换行符结尾，不允许 CRLF（DOS 换行），执行： lintrunner --all-files --take NEWLINE -a # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35539	3 个月前
get_synchronized_files.sh	!11238 To get synchronized files. Merge pull request !11238 from yuhaiyan/master-dev1	2 年前
requirements.txt	compat(2.14): default requirements to 2.14 nightly and fix related tests Co-authored-by: chz34<chenhaozhe1@huawei.com> # message auto-generated for no-merge-commit merge: !41741 merge compat/2.14 into master compat(2.14): default requirements to 2.14 nightly and fix related tests Created-by: c_34 Commit-by: chz34 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/2258 https://gitcode.com/Ascend/pytorch/issues/2890 - [ ] 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. 上游新增接口，暴露的路径与实际module不一致，实际来自_C库，添加测试白名单，与上游添加的白名单保持一致。 2. 上游新增接口，依赖额外三方库与cuda库，test_public_binding.py中增加相关过滤 3. 上游`Backedn.register_backend.__func__`新增参数，修改对应patch函数，增加`**kwargs`，缺省忽略，同时保持与之前版本的接口兼容 4. 上游`cudagraphify`调用时新增额外参数`kernel_free_cudagraph`, `user_visible_output_idxs`，下游`npugraphify`跟随新增，函数内不处理 5. 新增requirements_2_13.txt的配置，默认配置升级到2.14 # 【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” 跟随上游变更，不涉及 # 【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” 跟随上游变更，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跟随上游变更，基于现有测试用例进行验证 # 【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!41741	1 个月前
requirements_2.13.txt	compat(2.14): default requirements to 2.14 nightly and fix related tests Co-authored-by: chz34<chenhaozhe1@huawei.com> # message auto-generated for no-merge-commit merge: !41741 merge compat/2.14 into master compat(2.14): default requirements to 2.14 nightly and fix related tests Created-by: c_34 Commit-by: chz34 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/2258 https://gitcode.com/Ascend/pytorch/issues/2890 - [ ] 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. 上游新增接口，暴露的路径与实际module不一致，实际来自_C库，添加测试白名单，与上游添加的白名单保持一致。 2. 上游新增接口，依赖额外三方库与cuda库，test_public_binding.py中增加相关过滤 3. 上游`Backedn.register_backend.__func__`新增参数，修改对应patch函数，增加`**kwargs`，缺省忽略，同时保持与之前版本的接口兼容 4. 上游`cudagraphify`调用时新增额外参数`kernel_free_cudagraph`, `user_visible_output_idxs`，下游`npugraphify`跟随新增，函数内不处理 5. 新增requirements_2_13.txt的配置，默认配置升级到2.14 # 【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” 跟随上游变更，不涉及 # 【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” 跟随上游变更，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跟随上游变更，基于现有测试用例进行验证 # 【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!41741	1 个月前
run_ops_tests.py	!6717 [Codecheck] test codecheck. Merge pull request !6717 from will-devil/myccheck	2 年前
run_test.py	!12854 [RFC][Feature] Add support for device extension autoloading Merge pull request !12854 from Yuanhao Ji/feat/autoload	1 年前
sample_torch_npu_run_store.py	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
test_accelerator.py	feat: add NPU accelerator graph support Co-authored-by: luochao60<luochao60@huawei.com> # message auto-generated for no-merge-commit merge: !39639 merge dev_accelerator_graph_npu_master into master feat: add NPU accelerator graph support Created-by: luochao60 Commit-by: luochao60 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > (如有)请关联需求文档/issue链接 > 关联 issue: #3946 （https://gitcode.com/Ascend/pytorch/issues/3946） - [x] 需求 - [ ] 问题单 - [ ] 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. 新增私有 `NPUAcceleratorGraphImpl`，实现 PyTorch 原生 `at::GraphImplInterface`，并通过 graph registry 注册为 NPU 后端的 `torch.accelerator.Graph` 实现。 2. `NPUAcceleratorGraphImpl` 采用 adapter 方案组合持有 `c10_npu::NPUGraph`，转调现有 ACLGraph 的 capture/replay/reset/pool/debug 能力，避免改变已暴露的 `NPUGraph` 继承关系和对象语义。 3. 增加 `at::GraphCaptureMode` 到 ACL capture mode 的映射，支持 `default/global/thread_local/relaxed` 参数。NPU 当前没有独立 raw graph 实例化阶段，因此 `GraphImplArgs` 不改变现有流程，`instantiate()` 保持 no-op。 4. 保留 `NPUGraph::get_currently_capturing_graph()` 作为 C++ runtime/internal API，以支持 RNG lazy capture 注册；新增 `NPUGraph::get_currently_capturing_npu_graph()` 作为 legacy pybind 入口。 5. 使用 mutex 保护的 active accelerator graph 集合记录 capture 上下文。`capture_begin()` 注册，capture 结束、异常、reset 和析构路径注销；legacy getter 在同一临界区完成当前 graph 查询和集合检查，覆盖跨线程访问并拒绝返回 adapter 内部持有的 `NPUGraph`，避免非 owning Python 引用在 adapter 销毁后产生 use-after-free。 6. 为 `NPUGraph::pool()` 增加 const overload，适配 `GraphImplInterface::pool() const`，同时调整 pybind 的 overload 绑定。 7. 在 `test/test_accelerator.py` 新增 NPU accelerator graph 支持用例，覆盖基础 capture/replay、RNG capture 和 accelerator capture 期间 legacy getter 的拒绝行为。 # 【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 # 【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" 涉及。新增 NPU 后端对 `torch.accelerator.Graph` 的支持；新增 C++ `NPUGraph::get_currently_capturing_npu_graph()` 作为 legacy pybind 入口；新增 `NPUGraph::pool() const` overload。Python API 名称 `torch.npu.NPUGraph.get_currently_capturing_graph()` 保持不变，但在 `torch.accelerator.Graph` capture 上下文中会抛异常，避免暴露 adapter-owned graph 并产生潜在 use-after-free。 # 【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 `test/test_accelerator.py` 用例覆盖： 1. `torch.accelerator.Graph` 在 NPU 上的基础 capture/replay。 2. capture 内 RNG op，验证 C++ internal getter 仍支持 generator lazy capture 注册。 3. accelerator graph capture 期间调用 legacy `torch.npu.NPUGraph.get_currently_capturing_graph()` 抛异常，避免 adapter-owned graph 泄漏和潜在 use-after-free。 # 【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!39639	27 天前
test_autocast.py	[sync] PR-38602: 新增torch_npu.npu.are_compatible_impl_enabled和torch_npu.npu.get_amp_supported_dtype接口的测试用例。 Co-authored-by: yuanqi1104<yuanqi13@huawei.com> # message auto-generated for no-merge-commit merge: !38860 merge sync-pr38602-yuanqi_add_torch_npu_testcases-to-master into master [sync] PR-38602: 新增torch_npu.npu.are_compatible_impl_enabled和torch_npu.npu.get_amp_supported_dtype接口的测试用例。 Created-by: yuanqi1104 Commit-by: yuanqi1104 Merged-by: ascend-robot Description: 本PR为对 https://gitcode.com/Ascend/pytorch/pull/38733 的补充 ### 1. Origin pull request: https://gitcode.com/Ascend/pytorch/merge_requests/38602 ### 2. Original pull request related issue(s): https://gitcode.com/Ascend/pytorch/issues/2402 ### 3. Original pull request related commit(s): \| Sha \| Datetime \| Message \| \|---\|---\|---\| \|[3481c54f](https://gitcode.com/Ascend/pytorch/commit/3481c54f3cd388fe46ae989e0dcaaf21a8844c0c)\|2026-06-16 20:01:41 +0800 CST\|Add test case fot torch_npu<br>\| See merge request: Ascend/pytorch!38860	2 个月前
test_autograd.py	fix test_autograd to avoid calling policy_fn during recompute Co-authored-by: SCh_zx<1325467101@qq.com> # message auto-generated for no-merge-commit merge: !43452 merge master into master fix test_autograd to avoid calling policy_fn during recompute Created-by: SCh_zx Commit-by: SCh_zx 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>\ > <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 - [ ] 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）原生社区中针对索引有所修改，修改用例以适配： https://github.com/pytorch/pytorch/pull/176455 # 【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” # 【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” # 【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 # 【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、空指针等校验 - [ ] 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!43452	1 个月前
test_autoload.py	!12854 [RFC][Feature] Add support for device extension autoloading Merge pull request !12854 from Yuanhao Ji/feat/autoload	1 年前
test_binary_ufuncs.py	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
test_cat.py	add_test Co-authored-by: sunhaolun<sunhaolun3@huawei.com> # message auto-generated for no-merge-commit merge: !33714 merge master into master add_test Created-by: sunhaolun Commit-by: sunhaolun 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>\ > <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 - [x] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】为以下API增加用例功能 Tensor.copy_ Tensor.narrow torch.cat torch.chunk torch._chunk_cat # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】新增文件 test_cat.py test_chunk.py test_chunk_cat.py test_copy_.py test_narrow.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!33714	4 个月前
test_chunk.py	add_test Co-authored-by: sunhaolun<sunhaolun3@huawei.com> # message auto-generated for no-merge-commit merge: !33714 merge master into master add_test Created-by: sunhaolun Commit-by: sunhaolun 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>\ > <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 - [x] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】为以下API增加用例功能 Tensor.copy_ Tensor.narrow torch.cat torch.chunk torch._chunk_cat # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】新增文件 test_cat.py test_chunk.py test_chunk_cat.py test_copy_.py test_narrow.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!33714	4 个月前
test_chunk_cat.py	add_test Co-authored-by: sunhaolun<sunhaolun3@huawei.com> # message auto-generated for no-merge-commit merge: !33714 merge master into master add_test Created-by: sunhaolun Commit-by: sunhaolun 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>\ > <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 - [x] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】为以下API增加用例功能 Tensor.copy_ Tensor.narrow torch.cat torch.chunk torch._chunk_cat # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】新增文件 test_cat.py test_chunk.py test_chunk_cat.py test_copy_.py test_narrow.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!33714	4 个月前
test_copy_.py	Align NPU mixed-dtype async host-device copy behavior with CUDA Co-authored-by: zzhongmin<zhongmin23@huawei.com> # message auto-generated for no-merge-commit merge: !39573 merge master_d2h into master Align NPU mixed-dtype async host-device copy behavior with CUDA Created-by: zzhongmin Commit-by: zzhongmin 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>\ > <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> - [x] 需求 - [ ] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 1. 对齐 CUDA `Copy.cu` 的 mixed-dtype 异步 Host/Device 拷贝策略，调整 NPU OpApi 路径。当 `non_blocking=True` 且 Host/Device dtype 不一致时，将可由 `aclnnCast` 支持的 dtype 转换前移到 NPU Device 侧完成，避免因 CPU 侧 dtype cast 产生非 pinned 临时 Tensor，导致 H2D/D2H 退化为同步拷贝。`non_blocking=False` 与同 dtype fast path 保持原有逻辑。 - `torch_npu/csrc/aten/ops/op_api/CopyKernelOpApi.cpp` - H2D：先申请源 dtype 的 NPU temporary，将 pinned/已注册 CPU 数据按源 dtype 执行同 dtype H2D 拷贝，再通过 `aclnnCast` 转为目标 dtype 并写回目标 Tensor。 - D2H：先在 NPU 侧通过 `custom_ops::_npu_dtype_cast` 转为目标 dtype，再执行同 dtype D2H 拷贝到 CPU 目标。 - D2H cast 前补充 `NpuUtils::check_match(&src)` 判断；当 NPU 源 Tensor 是非连续 view 或 metadata 不满足 OpApi 要求时，先通过 `NpuUtils::format_contiguous(src)` 规范化输入，避免 `aclnnCast` 直接处理不匹配的 view。 - 新增 `cast_dtype_out_baseformat_opapi`，封装 `aclnnCast` out 路径，用于 H2D mixed-dtype async 路径中将 NPU temporary 转换并写入目标 Tensor。 - 新增 `should_fallback_to_cpu_cast`：在 A2 及之后产品上，对 `aclnnCast` 不支持的 dtype 组合保留原 CPU cast 路径，避免 unsupported dtype 走设备侧 cast 失败。 2. 补充 `Tensor.copy_` mixed-dtype 功能、异步行为与 fallback 测试。 - `test/test_copy_.py` - 覆盖 pinned CPU → NPU、NPU → pinned CPU 的 mixed-dtype `copy_(non_blocking=True)`。 - 覆盖 `int32 -> float32`、`int64 -> float32`、`float16 -> float32`、`float32 -> float16`、`complex64 <-> complex128` 等基础转换组合。 - 扩展同步/异步结果一致性用例，覆盖 `bool`、`int8`、`int16`、`uint16`、`int64`、`float16`、`bfloat16`、`float32`、complex dtype，并包含负数、边界值、小数和复数数据。 - 通过 `gate_stream` 上的矩阵乘任务阻塞 `copy_stream`，再使用 `done_event.query()` 验证 `copy_` 返回时没有同步等待异步拷贝完成。 - 补充非连续 NPU 目标、非连续 CPU pinned 目标、非连续 NPU 源、broadcast 源、带 storage offset 的 pinned CPU slice，以及连续 mixed-dtype 异步拷贝下 temporary 生命周期测试。 - 非连续 NPU 源用例覆盖 D2H mixed-dtype 场景，验证 `_npu_dtype_cast` 前的 `format_contiguous` 保护逻辑。 - 补充 `float8_e5m2`、`float8_e4m3fn`、`complex32` 等 `aclnnCast` unsupported dtype 的 CPU cast fallback 正确性测试。 - 保留 `non_blocking=False` 的 H2D/D2H mixed-dtype 结果正确性回归测试。 - mixed-dtype 相关用例限定在 `Ascend910B`、`Ascend910_93`、`Ascend950` 上执行。 3. 补充 `Tensor.to` mixed-dtype 跨设备测试。 - `test/npu/test_npu.py` - 新增 `test_to_non_blocking_different_dtype`，覆盖 CPU ↔ NPU、`non_blocking=True/False` 的跨设备 dtype 转换。 - 验证 `int32 -> float32` 转换结果正确性。 - 验证 D2H 且 `non_blocking=True` 时输出 Tensor 保持 pinned-memory 属性。 - 用例限定在 `Ascend910B`、`Ascend910_93`、`Ascend950` 上执行。 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】 # 【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!39573	2 个月前
test_dataloader.py	update test_dataloader.py Co-authored-by: SCh-zx<1325467101@qq.com> # message auto-generated for no-merge-commit merge: !44348 merge master into master update test_dataloader.py Created-by: SCh_zx Commit-by: SCh-zx 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>\ > <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） # 【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” # 【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” # 【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 # 【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、空指针等校验 - [ ] 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!44348	28 天前
test_dispatch.py	!9500 The test cases support NPU. Merge pull request !9500 from yuhaiyan/master-dev4	2 年前
test_dvm.py	add eager dvm testcase and remove _TORCH_NPU_ENABLE_DVM Co-authored-by: hb_hubin<hubin79@huawei.com> # message auto-generated for no-merge-commit merge: !40313 merge eager-dvm-master into master add eager dvm testcase and remove _TORCH_NPU_ENABLE_DVM Created-by: hbhu_bin Commit-by: hb_hubin 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>\ > <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 - [ ] issue/工单 - [x] 重构优化 - [ ] 资料更新 https://gitcode.com/Ascend/pytorch/issues/2264 # 【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）增加DVM测试用例+删除选择编译代码 # 【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 # 【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不涉及 # 【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!40313	2 个月前
test_fake_tensor.py	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
test_flop_counter.py	fix: update copyright Co-authored-by: mhy<mahongyu7@huawei.com> # message auto-generated for no-merge-commit merge: !41507 merge copyright into master fix: update copyright Created-by: m0_64341872 Commit-by: mhy 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>\ > <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 - [x] 问题单 - [ ] 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）根据代码合规检查结果，对缺少版权或许可声明的文件补充对应的版权许可 # 【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 # 【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 # 【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!41507	1 个月前
test_functional_optim.py	!8912 Synchronize the different test cases for v2.2.0. Merge pull request !8912 from yuhaiyan/master-dev1	2 年前
test_functionalization.py	!9365 The test files support NPU. Merge pull request !9365 from 王夏夏/master	2 年前
test_functionalization_of_rng_ops.py	!9365 The test files support NPU. Merge pull request !9365 from 王夏夏/master	2 年前
test_fx.py	!10598 Delete the URL in code. Merge pull request !10598 from yuhaiyan/master-dev7	2 年前
test_fx_custom_builtins.py	test(fx): add CustomBuiltin test cases for master Co-authored-by: jingkai-2026<jingkai@isrc.iscas.ac.cn> # message auto-generated for no-merge-commit merge: !35579 merge custom-test-master into master test(fx): add CustomBuiltin test cases for master Created-by: jingkai-2026 Commit-by: jingkai-2026 Merged-by: ascend-robot Description: https://gitcode.com/Ascend/pytorch/issues/1630 ## 上游社区（PyTorch 官方）测试覆盖情况分析 ### torch.fx.Graph / torch.fx.Graph.__init__ - 社区测试文件：`test/test_fx.py`（PyTorch 官方仓库） - 测试覆盖情况：✅ 充分覆盖 - 证据：共有 18 个 Graph 相关测试函数 - 结论：上游社区测试已全面覆盖，torch-npu 无需额外适配 - 验证：统计 test_fx.py 中 Graph 相关的测试函数数量 grep -c "def test.[Gg]raph" /workspace/pytorch/test/test_fx.py 查看具体是哪些测试函数 grep "def test.[Gg]raph" /workspace/pytorch/test/test_fx.py \| head -20 统计 GraphModule 相关的测试 grep -c "def test.GraphModule" /workspace/pytorch/test/test_fx.py 统计 Graph 类被使用的次数（证明被广泛测试） grep -c "torch.fx.Graph" /workspace/pytorch/test/test_fx.py ![image.png](https://raw.gitcode.com/user-images/assets/7404318/4f48a660-c3d7-41b2-a8ee-bca1d17a1733/image.png 'image.png') 上游社区测试覆盖情况汇总序号测试函数测试场景 1 test_graph_module GraphModule 基本构造和功能 2 test_graph_edit_with_proxy 通过 Proxy 编辑图 3 test_graph_unique_names 节点名称唯一性 4 test_graph_unique_names_manual 手动设置节点名称 5 test_pickle_graphmodule 序列化/反序列化 6 test_deepcopy_graphmodule_with_transform 带变换的深拷贝 7 test_deepcopy_graph_with_tracer_cls 带 Tracer 类的深拷贝 8 test_pretty_print_graph 打印图结构 9 test_graph_fns Graph 辅助函数 10 test_empty_graph_codegen 空图代码生成 11 test_inline_graph 图内联 12 test_custom_traceback_raised_when_exception_source_is_graphmodule 异常追溯 13 test_graph_module_replicate_for_dp 数据并行复制 14 test_tracing_graphmodules_as_leaf_submodules 作为叶子子模块追踪 15 test_graph_module_init_buffer_param_copied_dict_init 缓冲区和参数复制（字典） 16 test_graph_module_init_buffer_param_copied_mod_init 缓冲区和参数复制（模块） 17 test_deepcopy_graphmodule 深拷贝 18 test_graph_module GraphModule 综合测试上游社区测试已全面覆盖 `torch.fx.Graph` 的核心功能 `__init__` 通过 30 次 `torch.fx.Graph()` 实例创建被隐式覆盖 torch-npu 直接继承 PyTorch 实现，无需额外适配 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/5921d449-7154-4cfb-9f74-ba71c6caf0f8/image.png 'image.png') ### _custom_builtins / _CustomBuiltin / SymbolicContext - 社区测试情况： _custom_builtins ❌ 无结果社区无测试 _CustomBuiltin ❌ 无结果社区无测试 SymbolicContext ⚠️ 只有 StatelessSymbolicContext（变体）社区无直接测试 - 结论：需要 torch-npu 自写用例 - 验证: ![image.png](https://raw.gitcode.com/user-images/assets/7404318/e9e18c87-692e-40dd-9cea-a362588b584f/image.png 'image.png') ## API功能 ### 原有 API（无需适配） - torch.fx.Graph：PyTorch FX图模式的核心数据结构，用于构建和表示计算图 - torch.fx.Graph.__init__：Graph类的构造函数，初始化空的图结构 ### 本次新增测试的 API - torch.fx.graph._custom_builtins.items()：返回PyTorch FX图模块中内置函数的字典视图。这些内置函数在图追踪时被识别为特殊操作，不会被递归展开。返回值为 dict_items 类型，包含7个预注册的内置函数，每个键为函数名(str)，值为 _CustomBuiltin 实例。 - torch.fx.graph._CustomBuiltin：表示FX图中的一个内置函数占位符。它是一个类，实例化后代表一个被注册为内置操作的函数对象，在图追踪过程中作为原子操作处理。模块归属为 torch.fx.graph。 - torch.fx.experimental.symbolic_shapes.SymbolicContext：符号形状推导的上下文类。可无参实例化，配合 StatelessSymbolicContext 等变体在导出或追踪过程中传递和管理符号形状信息。模块归属为 torch.fx.experimental.symbolic_shapes。 ## 用例完备性说明 PyTorch社区在test_fx.py、test_export.py等文件中已有丰富的Graph/GraphModule测试用例，覆盖图的创建、节点操作、符号追踪等核心功能。这些用例均为框架层逻辑测试，不涉及TEST_CUDA/TEST_PRIVATEUSE1等硬件强相关分支。社区无针对以下3个API的直接测试用例：* - `_custom_builtins` / `_CustomBuiltin`：社区用例未覆盖 - `SymbolicContext`：社区用例使用的是 StatelessSymbolicContext 等变体，未直接测试 SymbolicContext 本身本次自写用例（test_fx_custom_builtins.py）覆盖5个测试方法： \| 测试方法 \| 验证内容 \| \|---------\|---------\| \| test_custom_builtins_items \| 验证 _custom_builtins.items() 返回值非空、类型正确、元素数量>0，每个键为str类型、每个值为 _CustomBuiltin 实例 \| \| test_CustomBuiltin_type \| 验证 _CustomBuiltin 类可导入、所属模块为 torch.fx.graph \| \| test_CustomBuiltin_instance \| 从字典中获取内置函数实例(如'inf')，验证实例化正常、类型正确 \| \| test_SymbolicContext_import \| 验证 SymbolicContext 可导入、所属模块正确 \| \| test_SymbolicContext_instance \| 验证 SymbolicContext 可无参实例化、实例类型正确 \| ## 适配方案 torch.fx为框架层图模式API，与底层设备算子完全解耦。在NPU环境下导入torch_npu后直接可用，无需任何代码修改。新增测试用例同样无需适配，可直接在NPU环境运行。 ## 运行结果在NPU环境下测试通过： - torch.fx.Graph() 创建成功 - torch.fx.Graph.__init__() 正常工作 - 新增5个测试用例全部通过 ![屏幕截图 2026-05-13 213606.png](https://raw.gitcode.com/user-images/assets/7404318/c8ea9188-bcf9-4220-81f0-387f133a043f/屏幕截图_2026-05-13_213606.png '屏幕截图 2026-05-13 213606.png') ## 文档检查已检查 `docs/api/torch_npu_apis.md`： - `torch.fx.Graph` 和 `torch.fx.Graph.__init__` 已在文档中登记 ✅ - `_custom_builtins`、`_CustomBuiltin`、`SymbolicContext` 为 PyTorch FX 内部/实验性 API，不在 torch-npu 公开文档范围内 ## 多版本兼容性 torch.fx核心架构自PyTorch 1.8引入后保持稳定，推断在2.7.1 ~ 2.12.0及master分支行为一致，均无需适配。 See merge request: Ascend/pytorch!35579	3 个月前
test_fx_experimental.py	!9365 The test files support NPU. Merge pull request !9365 from 王夏夏/master	2 年前
test_fx_node_npu.py	test(fx): add _get_qualified_name alignment test case [master] Co-authored-by: zkx_<1193581972@qq.com> # message auto-generated for no-merge-commit merge: !39605 merge test/fx-get-qualified-name-2480-master into master test(fx): add _get_qualified_name alignment test case [master] Created-by: zhangkx888 Commit-by: zkx_ Merged-by: ascend-robot Description: ## 【合入来源】 Fork: `zhangkx888`/pytorch 分支: `test/fx-get-qualified-name-2480-master` → `Ascend/pytorch:master` ## 【修改方案】本 PR 为 Issue #2551 的交付。社区用例情况： - `torch.fx.node._get_qualified_name`：已在 PyTorch 官方社区搜索，无专门测试用例，自行编写。 ### 一、API 功能说明 `torch.fx.node._get_qualified_name(func)` 获取任意 Callable 的限定名称字符串（如 `torch.relu` → `"torch.relu"`，`operator.add` → `"_operator.add"`）。纯字符串处理函数，与底层硬件完全解耦。 ### 二、测试文件 `test_fx_node_npu.py`（7 tests） \| 测试用例 \| 覆盖分支 \| \|---------\|---------\| \| `test_builtin_function` \| builtins 路径 \| \| `test_torch_function` \| torch 顶层函数 \| \| `test_torch_binary_function` \| torch 二元函数 \| \| `test_operator_function` \| operator 模块 \| \| `test_tensor_method` \| Tensor 方法 \| \| `test_submodule_function` \| 子模块函数 \| \| `test_consistency_on_repeated_calls` \| 幂等性 \| ### 三、验证结果 `bash $ python3 test/test_fx_node_npu.py ....... Ran 7 tests in 1.905s OK` ## 【资料变更】无（PyTorch 私有工具函数，非 torch_npu 特有 API）。 ## 【接口变更】无，仅新增测试文件。 ## CheckList - [x] 代码注释 - [x] 返回值校验 - [x] PR 标题和标签 - [x] CI 通过（待触发） See merge request: Ascend/pytorch!39605	2 个月前
test_fx_passes.py	!9365 The test files support NPU. Merge pull request !9365 from 王夏夏/master	2 年前
test_hub_api.py	test(hub): add test cases for torch.hub.help and torch.hub._get_torch_home APIs Co-authored-by: xiemingda1002<xiemingda1002@163.com> # message auto-generated for no-merge-commit merge: !34071 merge add-test-hub-help-api-master into master test(hub): add test cases for torch.hub.help and torch.hub._get_torch_home APIs Created-by: xiemingda1002 Commit-by: xiemingda1002 Merged-by: ascend-robot Description: # 【合入来源】 > <font color="red">https://gitcode.com/Ascend/pytorch/issues/1703</font>\ - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】一、API 功能说明 torch.hub.help 和 torch.hub._get_torch_home 是 PyTorch hub 模块中用于文档查询和路径管理的辅助 API，功能说明如下： 1. torch.hub.help(github, model, force_reload=False, skip_validation=False, trust_repo=None) - 文档获取核心能力：接收 GitHub 仓库地址和入口点名称，返回该入口点的文档字符串（docstring），无需实际加载模型或执行代码。 - 远程仓库解析核心能力：支持 "owner/repo[:branch]" 格式的仓库地址，自动解析并获取 hubconf.py 中定义的入口点函数的文档。 - 安全机制支持：通过 skip_validation 参数可跳过 GitHub API 验证（避免 rate limit），trust_repo 参数控制仓库信任策略（False/True/check/None）。 - 无状态调用：多次调用 help 不会产生副作用，不修改缓存状态，不影响后续 load 等操作，不下载仓库代码。 - 返回值灵活性：返回字符串类型文档或 None（若入口点函数未定义 docstring），支持用户预览模型使用说明。 - 典型用途：在加载模型前查看入口点的参数说明、使用示例、依赖信息等。 2. torch.hub._get_torch_home() - 路径解析核心能力：根据环境变量 TORCH_HOME 或默认路径 ~/.cache/torch 确定 torch home 目录。 - 环境变量优先级机制：优先读取 TORCH_HOME 环境变量，若未设置则依次检查 XDG_CACHE_HOME/torch、~/.cache/torch。 - 内部 API 特性：作为 get_dir() 的底层实现，不直接暴露给用户，但可通过 hub 模块访问（用于测试或调试）。 - 路径标准化处理：返回的路径经过 os.path.expanduser 处理，支持 ~ 符号展开，确保路径可用性。 - 返回值：字符串类型路径，非空且为绝对路径。上述 API 均为纯 Python 层实现，不涉及张量计算，仅负责文档查询和路径解析。二、测试文件 test/test_hub_api.py 完整验证该 API 的原因本测试文件针对 PyTorch 社区原生 test/test_hub.py 覆盖不足的 torch.hub.help / _get_torch_home API 进行补充验证，确保昇腾 NPU 环境下功能完整可用： 1. torch.hub.help API 验证 - test_help_function_callable：验证 help 函数存在于 hub 模块且可调用（hasattr + callable 检查），确保 API 基础可用性。 - test_help_returns_none_without_docstring：严格验证 help 函数在入口点无 docstring 时返回 None。使用 mock 本地仓库进行测试，无需外部网络依赖。 - test_help_returns_docstring_with_content：严格验证 help 函数在入口点有 docstring 时返回有效的字符串内容。使用 mock 本地仓库进行测试，检查返回值类型为 str、非空、且包含预期关键字 "EfficientNet"。 2. torch.hub._get_torch_home API 验证 - test_get_torch_home_returns_path：验证 _get_torch_home 返回有效的路径字符串（assertIsInstance(str) + assertGreater(len, 0)），确保路径非空且类型正确。 - test_get_torch_home_with_env_variable：验证 TORCH_HOME 环境变量能正确影响返回路径，使用 tempfile.TemporaryDirectory 创建临时目录作为测试路径，覆盖自定义路径场景。测试后恢复原始环境变量状态（os.environ.pop 或 restore），避免污染其他测试。 3. 测试隔离性保障 - setUp 机制：TestHubHelp 类在 setUp 中创建 mock 本地仓库目录，写入 hubconf.py 文件，包含有/无 docstring 的两个入口点函数。 - tearDown 机制：每个测试后清理临时目录，确保测试用例间无状态污染。 - 独立性设计：两个测试类（TestHubHelp、TestHubGetTorchHome）独立，无共享状态。 - 零外部依赖：使用 unittest.mock.patch 模拟 _get_cache_or_reload，避免对 GitHub 外部仓库的依赖，测试更快、更可靠，适合 CI 环境。测试完整性所有用例覆盖 API 的基础功能验证、接口存在性检查、环境变量交互、测试隔离性保障，完整覆盖昇腾 NPU 适配所需的最小功能集合。三、昇腾 NPU 适配说明（解释为什么无需 NPU 适配） torch.hub.help 和 torch.hub._get_torch_home 均具备硬件无关性、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 做适配，具体分析： 1. 纯 Python 层抽象，无硬件相关逻辑 - help API 硬件无关性：仅负责解析远程仓库的 hubconf.py 并提取文档字符串，是「文档查询」的纯 Python 抽象接口，不涉及任何硬件相关的计算、存储、通信逻辑。 - _get_torch_home API 硬件无关性：仅负责读取环境变量和构建路径字符串，依赖 os.path 模块进行路径处理，无任何硬件相关的逻辑或依赖。 - 设备无关设计：两个 API 的核心逻辑与 CPU/GPU/NPU 等硬件架构完全解耦，在任意硬件环境下行为一致。 2. 无底层算子 / 内核依赖 - 标准库依赖：两个 API 内部仅调用 Python 标准库（os 路径模块、tempfile 临时文件模块、urllib 网络模块）和 PyTorch 纯 Python 层的 hub 模块。 - 无硬件扩展依赖：未依赖 CUDA/NPU 等硬件相关的扩展库、内核函数或底层驱动。 - help 的远程解析机制：基于 GitHub URL 和 Python import 机制，与硬件架构无关。 - _get_torch_home 的路径处理机制：基于 os.path.expanduser 和 os.getenv，纯文件系统操作。 3. 核心逻辑与硬件解耦 - 文档获取解耦：help API 返回的文档字符串是纯文本信息，与硬件架构无关 —— 无论是 CPU/GPU/NPU 环境，文档查询逻辑完全一致。 - 路径解析解耦：_get_torch_home 返回的路径是通用文件系统路径，不包含任何硬件相关字段（如设备 ID、内存地址），昇腾 NPU 环境下可直接复用。 - 无张量操作：两个 API 均不涉及张量的创建、计算或迁移，测试用例中无 tensor 相关代码，无需 NPU 设备支持。结论 torch.hub.help 和 torch.hub._get_torch_home 均是「硬件无关的纯 Python 层抽象」，核心逻辑不耦合任何特定硬件。测试用例无需导入 torch_npu，API 本身无需适配修改，可直接复用。 # 【资料变更】刷新2.7.1版本下有多个版本资料。 1、torch.hub._get_torch_home API该API昇腾支持，但是在文档中并无描述，因此需要增加。文档修改PR链接：https://gitcode.com/Ascend/pytorch/pull/34365 # 【接口变更】不涉及 # 【功能验证】测试文件路径：test/test_hub_api.py 本地验证结果： ![image.png](https://raw.gitcode.com/user-images/assets/7404318/78941546-13bc-4c7e-9cc7-c6544df41397/image.png 'image.png') 所有测试用例执行通过。torch.hub.help 和 torch.hub._get_torch_home API 核心功能验证正常。两个 API 均为纯 Python 层实现，不涉及张量操作，无需 NPU 设备适配。测试用例无需导入 torch_npu，API 本身可在任意硬件环境稳定运行。验证结果表明，torch.hub.help 和 torch.hub._get_torch_home 在昇腾 NPU 环境下功能正常可用，无需修改源码。 # 【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：test(hub) - [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!34071	4 个月前
test_import_stats.py	!7605 Add UT files Merge pull request !7605 from yuhaiyan/master-dev1	2 年前
test_indexing.py	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
test_jit.py	fix(nn): fix test for jit api: torch.jit.script、torch.jit.trace、torch.jit.save、torch.jit.load Co-authored-by: dinglaiping<1016581171@qq.com> # message auto-generated for no-merge-commit merge: !32402 merge fixtest-jit-api-master into master fix(jit): fix test for jit api: torch.jit.script、torch.jit.trace、torch.jit.save、torch.jit.load Created-by: dinglaiping Commit-by: dinglaiping 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/1597</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> - [ ] issue/工单 # 【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） 2.7.1及以上版本提示additional_module_tests、new_module_tests和module_tests找不到，要把additional_module_tests换成get_all_nn_module_tests并且删除new_module_tests和module_tests，最后在调用的时候使用get_all_nn_module_tests()。 # 【资料变更】不涉及 # 【接口变更】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整体结论: 本次验证基于torch-npu 官方test_jit.py用例全量复用的方式，在完成最小化的文件、代码、环境适配后，于 NPU环境下完成torch.jit.script、torch.jit.trace、torch.jit.save、torch.jit.load四个核心 API 的全量验证，所有指定的测试方法均执行成功。验证结果表明，torch-npu 官方 JIT 用例可完整覆盖四个 API 的核心功能，使用官网用例完成 NPU 适配验证已足够；四个 API 在 NPU环境下的基础能力、协同逻辑均正常可用，完全满足 NPU 场景下模型编译优化、序列化部署、跨设备迁移、推理执行的实际业务需求。 1. torch.jit.script：官方用例中函数重复脚本化操作正常，脚本化模型的序列化 / 反序列化无数据丢失，NPU 设备下编译后模型的参数、设备属性与原模型保持一致，编译优化逻辑正常生效； 2. torch.jit.trace：官方用例中追踪化过程可完整保留模型的 train/eval 状态，字典类型可正常作为示例输入完成追踪，NPU 设备下追踪化模型的前向传播执行正常，输出结果与原模型一致； 3. torch.jit.save：官方用例中模型可成功保存至 zip 压缩包格式，保存过程中可完整保留 NPU 设备信息与模型全状态（参数、缓冲区、计算图），序列化过程无数据遗漏或损坏； 4. torch.jit.load：官方用例中可成功还原模型保存时的 NPU 设备信息，模型中自定义方法可正常导入并调用，zip 压缩包格式的模型可正确解析，加载后模型可直接在 NPU 上推理，执行结果与保存前模型一致。运行日志： root@hostname-fqv42:~/torchnpuapi/torch-npu/2.7.1/pytorch/test# python -m unittest test_jit.TestJit.test_restore_device test_jit.TestJit.test_import_method test_jit.TestJit.test_torch_load_zipfile_check test_jit.TestScript.test_repeated_script_on_function test_jit.TestJit.test_script_fn_pkl test_jit.TestJit.test_trace_retains_train test_jit.TestFrontend.test_dictionary_as_example_inputs_for_jit_trace -v monkeytype is not installed. Skipping tests for Profile-Directed Typing test_restore_device (test_jit.TestJit.test_restore_device) ... ok test_import_method (test_jit.TestJit.test_import_method) ... ok test_torch_load_zipfile_check (test_jit.TestJit.test_torch_load_zipfile_check) ... ok test_repeated_script_on_function (test_jit.TestScript.test_repeated_script_on_function) ... ok test_script_fn_pkl (test_jit.TestJit.test_script_fn_pkl) ... ok test_trace_retains_train (test_jit.TestJit.test_trace_retains_train) ... ok test_dictionary_as_example_inputs_for_jit_trace (test_jit.TestFrontend.test_dictionary_as_example_inputs_for_jit_trace) ... ok ---------------------------------------------------------------------- Ran 7 tests in 0.104s OK root@hostname-fqv42:~/torchnpuapi/torch-npu/2.7.1/pytorch/test# # 【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!32402	5 个月前
test_jit_api.py	test(jit):add test fot ignore Co-authored-by: wei-pengfei22<yananzhihua@163.com> # message auto-generated for no-merge-commit merge: !39827 merge test-ignore-master into master test(jit):add test fot ignore Created-by: wei-pengfei22 Commit-by: wei-pengfei22 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">[[Usage]: torch.jit.ignore API的测试用例完善与验证](https://gitcode.com/Ascend/pytorch/issues/2534) </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> - [ ] issue/工单 # 【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）本次变更为重新编写部分测试，补齐API torch.jit.ignore 的测试覆盖。重新编写torch.jit.ignore 接口的pytorch官方用例(test_ignore_decorator)并将该用例和其他其他用例新增test/test_jit_api.py文件中测试用例设计： \| 测试方法 \| 验证点 \| \| ----------------------------------------- \| ------------------------------------------------------------ \| \| test\_ignore\_decorator \| 验证带drop\_on\_export参数的忽略装饰器功能，编译会触发对应告警，导出后忽略方法代码被移除，调用该方法会触发JIT报错 \| \| test\_ignored\_props \| 验证JIT忽略属性配置生效，忽略属性可在被忽略方法内正常调用，模型编译正常无异常 \| \| test\_torch\_ignore\_conversion\_to\_none \| 验证忽略方法有无返回值标注均可正常编译，不影响模型主前向推理逻辑与计算结果 \| \| test\_comment\_ignore\_indent \| 验证代码注释缩进不规范场景下，模型可正常编译，无JIT解析报错 \| \| test\_ignored\_method\_binding \| 验证被忽略的类方法可正常绑定实例，能读写模块成员变量，与导出方法共享实例状态 \| \| test\_no\_self\_arg\_ignore\_function \| 验证类内被忽略方法缺失self参数时，模型JIT编译会精准抛出参数异常报错 \| NPU适配： `torch.jit.ignore` 本身和底层硬件无绑定关系，是纯前端编译期装饰器逻辑；仅被忽略函数内部代码才会受硬件影响；6个用例中test\_ignore\_decorator涉及到张量和和自定义模型，用例中已将这2个to到NPU device , 该用例已适配NPU；其他用例不涉及 # 【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” 已经在 https://gitcode.com/Ascend/pytorch/tree/v2.7.1/docs/zh/native_apis 的文档中进行查找与验证。该目录下的pytorch.2-7.1至pytorch.2-12-0文件夹下的torch-jit.md已经对"torch.jit.ignore"全部标注"是"。无需更改。 # 【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 # 【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 > 测试命令： `bash cd pytorch/test python3 -m unittest test_jit_api.TestJitIgnoreNPU.test_ignore_decorator test_jit_api.TestJitIgnoreNPU.test_ignored_props test_jit_api.TestJitIgnoreNPU.test_torch_ignore_conversion_to_none test_jit_api.TestJitIgnoreNPU.test_comment_ignore_indent test_jit_api.TestJitIgnoreNPU.test_ignored_method_binding test_jit_api.TestJitIgnoreNPU.test_no_self_arg_ignore_function` 验证结果： `` cd /workspace/user_data/0701/master/pytorch/test root@d9ea95a58de0:/workspace/user_data/0701/master/pytorch/test# pwd /workspace/user_data/0701/master/pytorch/test root@d9ea95a58de0:/workspace/user_data/0701/master/pytorch/test# python3 -m unittest test_jit_api.TestJitIgnoreNPU.test_ignore_decorator test_jit_api.TestJitIgnoreNPU.test_ignored_props test_jit_api.TestJitIgnoreNPU.test_torch_ignore_conversion_to_none test_jit_api.TestJitIgnoreNPU.test_comment_ignore_indent test_jit_api.TestJitIgnoreNPU.test_ignored_method_binding test_jit_api.TestJitIgnoreNPU.test_no_self_arg_ignore_function /usr/local/python3.12.13/lib/python3.12/site-packages/torch/jit/_serialization.py:89: DeprecationWarning: torch.jit.save `is deprecated. Please switch to` torch.export`. warnings.warn( /usr/local/python3.12.13/lib/python3.12/site-packages/torch/jit/_serialization.py:176: DeprecationWarning:` torch.jit.load `is deprecated. Please switch to` torch.export`. warnings.warn( ./usr/local/python3.12.13/lib/python3.12/site-packages/torch/jit/_script.py:1488: DeprecationWarning:` torch.jit.script `is deprecated. Please switch to` torch.compile `or` torch.export`. warnings.warn( ..... ---------------------------------------------------------------------- Ran 6 tests in 1.027s OK` `` 验证结论： 6个测试用例均通过，API 在 NPU 环境下可正常调用，状态设置与查询行为符合预期。 # 【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、空指针等校验 - [ ] 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!39827	2 个月前
test_jit_autocast.py	!10958 Add test files: test_flop_counter/test_jit_autocast/test_jit_fuser/... Merge pull request !10958 from yuhaiyan/master-dev3	2 年前
test_jit_fuser.py	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
test_jit_fuser_te.py	!10958 Add test files: test_flop_counter/test_jit_autocast/test_jit_fuser/... Merge pull request !10958 from yuhaiyan/master-dev3	2 年前
test_jit_override_can_fuse_on_cpu.py	test: add consistency validation cases for torch._C._jit_override_can_fuse_on_cpu (#2756) Co-authored-by: luoxiaoyan2024<luoxiaoyan202516@gmail.com> # message auto-generated for no-merge-commit merge: !42194 merge devin/api-2756-master into master test: add consistency validation cases for torch._C._jit_override_can_fuse_on_cpu (#2756) Created-by: luoxiaoyan2024 Commit-by: luoxiaoyan2024 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/2756 # 【修改方案】一、API 功能说明 `torch._C._jit_override_can_fuse_on_cpu` 是 PyTorch JIT（TorchScript）融合器（fuser）的全局标志位 setter，核心功能如下： - 控制 CPU 融合开关：覆盖 JIT fuser 在 CPU 设备上是否允许对算子进行融合的全局开关，接收 bool 参数。 - 纯标志位语义：只设置内部全局标志，无返回值（返回 None），不触发任何计算或设备交互。 - 作用域为全局：影响后续 JIT 编译/推理流程中 CPU 融合策略的判定，常与 `_jit_set_nvfuser_enabled` 等融合相关开关配合使用（如社区用例 `test_jit_fuser_te.py` / `test_mkldnn_fusion.py`）。 - 底层实现：对应 torch._C 的 C++ 绑定（aten 注册的标志位），是 PyTorch 原生 API，非 torch_npu 扩展。二、测试文件 test_jit_override_can_fuse_on_cpu.py 完整验证该 API 的原因该测试用例针对 `torch._C._jit_override_can_fuse_on_cpu` 这一标志位 setter，从功能完整性、边界条件、底层逻辑、兼容性四个维度全覆盖验证，具体如下： 1. 对 API 功能的验证 - 核心功能验证 `test_override_can_fuse_on_cpu`：验证 `torch._C._jit_override_can_fuse_on_cpu(False)` / `(True)` / `(False)` 连续调用均不抛异常且返回 None（API 基础可用性与幂等性）。 - 取值覆盖：覆盖 False/True/False 三种传参顺序，确认布尔取值均被正确接受，无类型或取值边界报错。 2. 边界条件验证 - 仅接受 bool 类型；本用例聚焦该开关两态（True/False）的合法性，确认 NPU 环境下与 CPU 一致，无设备特化的异常分支。 3. 底层逻辑验证 - 该 API 为纯标志位 setter，不依赖任何 NPU 算子 / 内核 / 通信原语；验证其在 NPU 上下文中调用路径与 CPU 完全等价（无设备特化分支）。 4. 测试隔离性保障 - 用例为独立 `TestCase`，不改写全局融合标志状态（仅读取式调用后复位），避免影响同进程内其他用例。综上，该文件覆盖了该 API 的「正常场景 + 取值边界 + 底层逻辑 + 隔离性」，是对该标志位 setter 在 NPU 上行为的完整且严谨的验证。三、NPU 适配 `torch._C._jit_override_can_fuse_on_cpu` 具备硬件无关性、纯 C++ 绑定标志位、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. 纯标志位抽象，无硬件相关逻辑 - 该 API 仅设置 JIT fuser 的全局 CPU 融合开关，是 torch._C 的 C++ 绑定，不涉及任何硬件相关的计算、存储、通信逻辑（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 内部不调用任何 CUDA/NPU 相关的扩展库、内核函数或底层驱动；仅在进程内修改一个全局 bool 标志，与硬件架构无关。 3. 核心逻辑与硬件解耦 - 融合开关的「设置 - 读取」逻辑是通用 C++ 全局变量语义，无论是 CPU/GPU/NPU 环境，调用结果完全一致，无需针对 NPU 调整。简言之，该 API 是「硬件无关的纯标志位 setter」，核心逻辑不耦合任何特定硬件（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】 > 不涉及已检查文档 [https://gitcode.com/Ascend/pytorch/tree/v2.7.1/docs/zh/native_apis](https://gitcode.com/Ascend/pytorch/tree/master/docs/zh/native_apis)，`torch._C.*` 为 PyTorch 私有 C++ 绑定接口，依据 API 一致性说明文档 §2(2) 不纳入 native_apis 资料补齐范围，故不需要提交 PR 修改资料。 # 【接口变更】 > 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 测试用例看护本地复现命令（在 pytorch 仓库根目录执行）： `bash python test/test_jit_override_can_fuse_on_cpu.py -v` 预期输出包含： `test_override_can_fuse_on_cpu ... OK test_override_can_fuse_on_cpu_invalid_type ... OK` 在 Ascend 910B NPU 环境、torch 2.7.1 / 2.11.0 / 2.12.0 + 对应 torch_npu 上执行该用例，均通过。代表性日志（2.7.1 与 2.12.0）如下： `# torch 2.7.1 / torch_npu 2.7.1 (Ascend 910B) torch 2.7.1+cpu torch_npu 2.7.1 test_override_can_fuse_on_cpu ... OK # torch 2.12.0 / torch_npu 2.12.0.rc1 (Ascend 910B) torch 2.12.0+cu130 torch_npu 2.12.0.rc1 test_override_can_fuse_on_cpu ... OK` 其余 1 个版本（2.11.0）执行结果一致，均输出 `test_override_can_fuse_on_cpu ... OK`。 # 【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!42194	30 天前
test_library_logging.py	test(logging): add testcase for torch._logging.set_logs Co-authored-by: muluzhe<3598510361@qq.com> # message auto-generated for no-merge-commit merge: !42045 merge test-set-logs-master into master test(logging): add testcase for torch._logging.set_logs Created-by: muluzhe Commit-by: muluzhe Merged-by: ascend-robot Description: ## 【合入来源】关联社区 issue：https://gitcode.com/Ascend/pytorch/issues/2899 pytorch 官方社区没有针对 `torch._logging.set_logs` 的独立、充分测试用例，本次按任务要求新增测试文件补齐该 API 的验证。 ## 【修改方案】一、API 功能说明 `text torch._logging.set_logs(args, *kwargs) 用于在运行时动态配置 PyTorch 内部日志系统。支持： - 通过组件别名（如 dynamo）设置日志级别； - 通过 artifact 别名（如 graph_code）启用日志产物； - 通过 modules 参数按模块名批量配置日志级别； - 当 TORCH_LOGS 环境变量已设置时，set_logs 不生效（环境变量优先级更高）。` 二、测试用例完备性说明新增 `test/test_library_logging.py`，从以下几个维度验证 `torch._logging.set_logs`： 1. 默认状态重置 - `test_set_logs_default_clears_state`：调用 `set_logs()` 无参时清空日志状态。 2. 组件日志级别设置 - `test_set_logs_enable_component`：通过别名设置日志级别并校验 logger 级别。 3. Artifact 启用 - `test_set_logs_enable_artifact`：通过 artifact 别名启用日志产物。 4. modules 参数 - `test_set_logs_modules`：通过 `modules` 参数批量配置已注册别名。 5. 异常参数校验 - `test_set_logs_invalid_artifact_value`：artifact 传非 bool 值抛出 `ValueError`。 - `test_set_logs_invalid_log_level`：日志级别非法时抛出 `ValueError`。 - `test_set_logs_invalid_module_name`：`modules` 中传入未注册名称时抛出 `ValueError`。 6. 环境变量优先级 - `test_set_logs_env_var_precedence`：当 `TORCH_LOGS` 已设置时，`set_logs` 不修改日志状态。三、NPU 适配 `torch._logging.set_logs` 为纯 Python 层日志配置接口，不涉及算子调用、张量计算或设备内存操作，与 CPU/GPU/NPU 完全解耦。昇腾 NPU 环境下无需修改 API 源码，测试中也无需导入 `torch_npu` 或创建 NPU 张量，可直接复用。 ## 【资料变更】不涉及。`torch._logging.set_logs` 属于 PyTorch 内部日志模块私有接口，本 PR 仅补充测试用例，无需在 `docs/zh/api/native_api` 中刷新资料。 ## 【接口变更】不涉及。本 PR 仅新增测试用例，未修改公共接口。 ## 【功能验证】已在本地环境执行测试命令： `bash TORCH_DEVICE_BACKEND_AUTOLOAD=0 python test/test_library_logging.py` 输出： `text ...W0724 05:48:37.119000 86516 site-packages/torch/_logging/_internal.py:457] Using TORCH_LOGS environment variable for log settings, ignoring call to set_logs ..... ---------------------------------------------------------------------- Ran 8 tests in 0.068s 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!42045	1 个月前
test_library_meta_registrations.py	test(meta_registrations): add testcase for torch._meta_registrations.register_meta Co-authored-by: muluzhe<3598510361@qq.com> # message auto-generated for no-merge-commit merge: !42119 merge test-register-meta-master into master test(meta_registrations): add testcase for torch._meta_registrations.register_meta Created-by: muluzhe Commit-by: muluzhe 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/2902 - pytorch 社区没有针对 `torch._meta_registrations.register_meta` 的独立测试用例，故新增该测试文件，用于验证该 API 的正确性。 ## 【修改方案】 ### 一、API 功能说明 `torch._meta_registrations.register_meta(op_or_ops)` 是 PyTorch 内部装饰器，用于将一个函数注册为一个或多个 ATen 算子的 meta 内核，并写入全局 `meta_table`。注册后，调用对应算子的 meta 实现时会执行被装饰的函数。该 API 为 PyTorch 私有接口。 ### 二、测试用例完备性说明 PyTorch 官方 `test/` 目录中没有直接调用 `torch._meta_registrations.register_meta` 的测试用例，现有测试仅通过 `elementwise_meta` 等内部路径间接使用，无法验证装饰器本身的注册行为。本次新增 `test/test_library_meta_registrations.py`，直接验证： - 单算子注册到 `meta_table`； - 多算子注册到同一 meta 内核； - 装饰器返回原函数； - 测试结束后恢复 `meta_table` 原状态，避免跨测试副作用。 ### 三、版本适用范围 `torch._meta_registrations.register_meta` 为 PyTorch 内部私有接口，在 PyTorch v2.7.1、v2.9.0、v2.10.0、v2.11.0、v2.12.0、master 各目标分支均存在且函数签名一致，因此本测试用例需提交到上述全部分支。 ### 四、NPU 适配 `register_meta` 与 `meta_table` 均为纯 Python 层注册逻辑，不涉及任何硬件相关计算、算子调用或设备内存操作，与 CPU/GPU/NPU 完全解耦。昇腾 NPU 环境下无需修改 API 源码，也不需要在测试中导入 `torch_npu` 或创建 NPU 张量，可直接复用。 ## 【资料变更】 > 不涉及 > > `torch._meta_registrations.register_meta` 为 PyTorch 私有接口，按项目规范 `docs/zh/api/native_api` 中无需额外刷新资料。 ## 【接口变更】 > 不涉及 > > 仅新增测试用例，未修改任何业务代码。 ## 【功能验证】 - 本地运行时验证：未进行 - 原因：当前服务器环境未安装对应版本的 PyTorch/Torch-NPU - 已将测试分支 `test-register-meta-master` 推送到 fork，由 CI 进行运行时验证 ## 【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!42119	1 个月前
test_library_refs.py	test(refs): add test cases for torch._refs._maybe_broadcast Co-authored-by: muluzhe<3598510361@qq.com> # message auto-generated for no-merge-commit merge: !42127 merge test-refs-maybe-broadcast-master into master test(refs): add test cases for torch._refs._maybe_broadcast Created-by: muluzhe Commit-by: muluzhe 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/2911 - 任务分类：1.3（PyTorch 官方缺少对 `torch._refs._maybe_broadcast` 的直接测试） - pytorch 社区没有针对 `torch._refs._maybe_broadcast` 的独立测试用例，故新增该测试文件，用于验证该 API 的正确性。 ## 【修改方案】 ### 一、API 功能说明 `torch._refs._maybe_broadcast(*args, preserve_cpu_scalar_tensors=True)` 是 PyTorch 内部辅助函数，用于将一组 `TensorLike` / `Number` / `None` 参数广播到共同形状。它计算各 Tensor 输入的公共广播形状，对兼容形状的张量调用 `.expand()`，对 CPU scalar 张量根据 `preserve_cpu_scalar_tensors` 决定是否保留，对不兼容形状抛出 `RuntimeError`。该 API 为 PyTorch 私有接口。 ### 二、测试用例完备性说明 PyTorch 官方 `test/` 目录中没有直接调用 `torch._refs._maybe_broadcast` 的测试用例，现有测试仅通过 `elementwise_meta` 等内部路径间接使用，无法验证广播行为、CPU scalar 保留/展开策略及异常路径。本次新增 `test/test_library_refs.py`，直接验证： - 相同形状 NPU Tensor 直接返回原张量； - 兼容形状 NPU Tensor 广播到共同形状； - `Number` 参数原样返回； - `None` 参数原样返回； - `preserve_cpu_scalar_tensors=True` 时 CPU scalar 张量被保留； - `preserve_cpu_scalar_tensors=False` 时 CPU scalar 张量被展开； - 0-dim scalar 张量在 `preserve_cpu_scalar_tensors=False` 时被广播到共同形状； - 不兼容形状抛出 `RuntimeError`。 ### 三、版本适用范围 `torch._refs._maybe_broadcast` 为 PyTorch 内部私有接口，在 PyTorch v2.7.1、v2.9.0、v2.10.0、v2.11.0、v2.12.0、master 各目标分支均存在且函数签名一致，因此本测试用例需提交到上述全部分支。 ### 四、NPU 适配测试涉及 Tensor 创建与广播，非 scalar 参与计算的 Tensor 均通过 `device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu"` 迁移到 NPU；CPU scalar 张量仅在测试 `preserve_cpu_scalar_tensors` 行为时保留在 CPU，这是该参数的测试目的。 ## 【资料变更】 > 不涉及 > > `torch._refs._maybe_broadcast` 为 PyTorch 私有接口，且 `docs/zh/api/native_api` 中无需额外刷新资料。 ## 【接口变更】 > 不涉及 > > 仅新增测试用例，未修改任何业务代码。 ## 【功能验证】 - 本地运行时验证：未进行 - 原因：当前服务器环境未安装对应版本的 PyTorch/Torch-NPU - 已将测试分支 `test-refs-maybe-broadcast-master` 推送到 fork，由 CI 进行运行时验证 ## 【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!42127	1 个月前
test_matmul_npu.py	!22454 Fix test_matmul_npu Merge pull request !22454 from dilililiwhy/fix_test_matmul_npu	1 年前
test_modules.py	!8912 Synchronize the different test cases for v2.2.0. Merge pull request !8912 from yuhaiyan/master-dev1	2 年前
test_multiprocessing_api.py	[sync] PR-37189: fix: unskip test_reductions test case in test_multiprocessing_api.py Co-authored-by: wuyouqi1<wuyouqi1@h-partners.com> # message auto-generated for no-merge-commit merge: !37685 merge sync-pr37189-fix/test_reductions_multiprocess-to-master into master [sync] PR-37189: fix: unskip test_reductions test case in test_multiprocessing_api.py Created-by: ascend-ds-bot Commit-by: wuyouqi1 Merged-by: ascend-robot Description: ### 1. Origin pull request: https://gitcode.com/Ascend/pytorch/merge_requests/37189 ### 2. Original pull request related issue(s): ### 3. Original pull request related commit(s): \| Sha \| Datetime \| Message \| \|---\|---\|---\| \|[908d8d41](https://gitcode.com/Ascend/pytorch/commit/908d8d41e4f61d1394c8f573dfaab92d5c900384)\|2026-06-05 11:03:14 +0800 CST\|test(reductions): add skipUnless decorator for driver version check<br><br>Add @unittest.skipUnless to test_reductions to skip the test when<br>driver version < 25.3, as NPU IPC reduce/rebuild requires driver >= 25.3.<br><br>Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com><br>\| \|[e00edd92](https://gitcode.com/Ascend/pytorch/commit/e00edd928dbfbb87892dc56fc852f4977e1678ee)\|2026-06-04 15:25:45 +0800 CST\|Revert "test(reductions): add debug logging for NPU IPC reduce/rebuild path"<br><br>This reverts commit d1ee69dcbd891a48ced0f34471547b25710a5679.<br>\| \|[d1ee69dc](https://gitcode.com/Ascend/pytorch/commit/d1ee69dcbd891a48ced0f34471547b25710a5679)\|2026-06-03 15:53:58 +0800 CST\|test(reductions): add debug logging for NPU IPC reduce/rebuild path<br><br>Add torch_npu.multiprocessing.reductions debug logger to trace:<br>- _npu_reduce_tensor: which branch (NPU/meta/CPU), _share_npu_() return values, cache key format<br>- rebuild_npu_tensor: cache lookup key format, HIT/MISS, _new_shared_npu() result, rebuilt tensor data<br>- test worker: rebuild_fn args, rebuilt tensor data in child process<br><br>Purpose: verify cross-process IPC reduce→rebuild takes correct code path.<br><br>Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com><br>\| \|[5f3fe781](https://gitcode.com/Ascend/pytorch/commit/5f3fe781e2d2afd62f261e68ecf5ea15c4bc3145)\|2026-06-01 10:50:39 +0800 CST\|fix(test): send tensor data as list to avoid resource_sharer connection reset<br><br>CPU tensor pickled through Queue uses rebuild_storage_fd which requires<br>resource_sharer Unix socket. Child process exits before parent can<br>establish connection. Convert tensor to plain list before sending.<br><br>Co-Authored-By: Claude <noreply@anthropic.com><br>\| \|[4fbab4e4](https://gitcode.com/Ascend/pytorch/commit/4fbab4e426da26946aebb3f714f5b2a1b416e944)\|2026-06-01 10:37:09 +0800 CST\|test(multiprocessing): use explicit reduce/rebuild in cross-process test<br><br>Address review comments:<br>- Worker now receives (rebuild_fn, args) from reduce_tensor, explicitly<br> calls rebuild_fn(*args) to reconstruct tensor<br>- Main process puts reduced_npu handle instead of raw tensor<br>- Main process compares result with original npu_tensor instead of<br> hardcoding expected values in worker<br><br>Co-Authored-By: Claude <noreply@anthropic.com><br>\| \|[8b7be3c2](https://gitcode.com/Ascend/pytorch/commit/8b7be3c23c6cde75a478073759d8fad22168879f)\|2026-05-30 17:28:58 +0800 CST\|fix(test): synchronize NPU before putting tensor to Queue<br><br>Child process received all zeros because NPU write cache was not<br>flushed before IPC handle export. torch.npu.synchronize() ensures<br>data is written to physical memory before cross-process transfer.<br><br>Co-Authored-By: Claude <noreply@anthropic.com><br>\| \|[89953a94](https://gitcode.com/Ascend/pytorch/commit/89953a94f9ee27a0179950d1b97b093c4e9bbef4)\|2026-05-30 17:21:03 +0800 CST\|fix(test): add diagnostic info for NPU tensor mismatch<br><br>Include actual received data in failure message to diagnose IPC issue.<br><br>Co-Authored-By: Claude <noreply@anthropic.com><br>\| \|[ad27f741](https://gitcode.com/Ascend/pytorch/commit/ad27f741aedc98faed4a2e45d4bc3cc344239aa3)\|2026-05-30 17:07:25 +0800 CST\|fix(test): capture child process error in test_reductions<br><br>Worker now sends result status back via Queue instead of relying on<br>exitcode. This propagates actual error messages from the child process<br>for diagnosis.<br><br>Co-Authored-By: Claude <noreply@anthropic.com><br>\| \|[9b2a8888](https://gitcode.com/Ascend/pytorch/commit/9b2a888831efd8a29ea7d407dccfbc004720c337)\|2026-05-30 16:42:56 +0800 CST\|fix(test): fix NPU tensor cross-process transfer direction<br><br>Main process puts tensor to Queue, child process gets and validates.<br>Matches torch_npu multiprocessing test patterns. Use Queue instead of<br>SimpleQueue to avoid resource_sharer lifecycle issues.<br><br>Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com><br>\| \|[db6b692b](https://gitcode.com/Ascend/pytorch/commit/db6b692bfec2f968ad5bd6da5cee223251f0b15e)\|2026-05-30 16:37:35 +0800 CST\|fix(test): remove unsupported timeout from SimpleQueue.get()<br><br>SimpleQueue.get() does not accept timeout parameter in Python 3.10.<br><br>Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com><br>\| \|[c0820b36](https://gitcode.com/Ascend/pytorch/commit/c0820b36457cf1759e9de6dc48f16698b9ff21c2)\|2026-05-30 16:20:09 +0800 CST\|test(multiprocessing): merge multiprocess rebuild into test_reductions<br><br>Combine NPU multiprocess rebuild into test_reductions instead of a separate<br>test case. CPU tensor uses same-process rebuild, NPU tensor uses cross-process<br>rebuild via Queue.<br><br>Co-Authored-By: Claude <noreply@anthropic.com><br>\| \|[aedaa436](https://gitcode.com/Ascend/pytorch/commit/aedaa436bdbcb30e36713d7cd6cbfea9f1f5df94)\|2026-05-30 16:17:22 +0800 CST\|fix(test): move worker function to module level for spawn pickle<br><br>spawn mode cannot pickle local functions. Move _npu_tensor_worker to<br>module top level.<br><br>Co-Authored-By: Claude <noreply@anthropic.com><br>\| \|[0e37c8f8](https://gitcode.com/Ascend/pytorch/commit/0e37c8f8015060dcffbef58b9377cd380d7e7687)\|2026-05-30 10:40:03 +0800 CST\|test(multiprocessing): fix test_reductions and add multi-process NPU test<br><br>- Remove @unittest.skip decorator from test_reductions<br>- Remove unreliable same-process NPU tensor reconstruction assertion<br> (IPC handles cannot be imported in the same process that exported them)<br>- Add test_reductions_multiprocess to validate cross-process NPU tensor<br> sharing via Queue, aligned with PyTorch upstream CUDA test pattern<br><br>Co-Authored-By: Claude <noreply@anthropic.com><br>\| See merge request: Ascend/pytorch!37685	3 个月前
test_namedtensor.py	!12772 Delete the URLs in code. Merge pull request !12772 from yuhaiyan/master-dev2	2 年前
test_narrow.py	add_test Co-authored-by: sunhaolun<sunhaolun3@huawei.com> # message auto-generated for no-merge-commit merge: !33714 merge master into master add_test Created-by: sunhaolun Commit-by: sunhaolun 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>\ > <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 - [x] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】为以下API增加用例功能 Tensor.copy_ Tensor.narrow torch.cat torch.chunk torch._chunk_cat # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】新增文件 test_cat.py test_chunk.py test_chunk_cat.py test_copy_.py test_narrow.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!33714	4 个月前
test_native_mha.py	!21353 Add test_native_mha.py. Merge pull request !21353 from 刘嘉巍/master	1 年前
test_nestedtensor.py	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
test_nn.py	fix(nn): fix test for nn api: torch.nn.ParameterDict, torch.nn.ParameterList, torch.nn.Sequential Co-authored-by: dinglaiping<1016581171@qq.com> # message auto-generated for no-merge-commit merge: !32060 merge fixtest-nn-api-master into master fix(nn): fix test for nn api: torch.nn.ParameterDict, torch.nn.ParameterList, torch.nn.Sequential Created-by: dinglaiping Commit-by: dinglaiping 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/1585</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> - [ ] issue/工单 # 【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. 2.6.0版本提示skipIfMps找不到，要换成skipIfMPS。 2. 2.7及以上版本skipIfMps找不到，换成skipIfMPS；new_module_tests找不到，需要把导入new_module_tests改成导入get_new_module_tests并在调用的地方换成get_new_module_tests()；tf32_on_and_off找不到，删掉导入，并在调用tf32_is_not_fp32()的地方换成调用torch.cuda.is_tf32_supported() # 【资料变更】不涉及 # 【接口变更】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整体结论: 本次验证通过修复官网test_nn.py用例文件，验证3个API，功能正常： ParameterDict：官方用例中键值对索引、新增、删除、遍历等操作均正常，容器内所有参数设备统一为npu:0，无设备漂移问题； ParameterList：官方用例中数字索引、append新增、遍历等操作均正常，参数设备一致性与长度校验均通过，有序管理能力正常； Sequential：官方用例中getitem/setitem/delitem/append/insert/extend/pop等所有核心操作均正常执行，操作后子模块设备均保持为npu:0，动态扩展与元素管理能力完整。运行日志： [root@hostname-fqv42 torchnpuapi]# docker exec -it test bash root@hostname-fqv42:/home# cd /root/torchnpuapi root@hostname-fqv42:~/torchnpuapi# python -m unittest test_nn_npu27.TestNN.test_ParameterList test_nn_npu27.TestNN.test_ParameterDict test_nn_npu27.TestNN.test_Sequential_getitem test_nn_npu27.TestNN.test_Sequential_setitem test_nn_npu27.TestNN.test_Sequential_delitem test_nn_npu27.TestNN.test_Sequential_append test_nn_npu27.TestNN.test_Sequential_insert test_nn_npu27.TestNN.test_Sequential_extend test_nn_npu27.TestNN.test_Sequential_pop -v test_ParameterList (test_nn_npu27.TestNN.test_ParameterList) ... ok test_ParameterDict (test_nn_npu27.TestNN.test_ParameterDict) ... ok test_Sequential_getitem (test_nn_npu27.TestNN.test_Sequential_getitem) ... ok test_Sequential_setitem (test_nn_npu27.TestNN.test_Sequential_setitem) ... ok test_Sequential_delitem (test_nn_npu27.TestNN.test_Sequential_delitem) ... ok test_Sequential_append (test_nn_npu27.TestNN.test_Sequential_append) ... ok test_Sequential_insert (test_nn_npu27.TestNN.test_Sequential_insert) ... ok test_Sequential_extend (test_nn_npu27.TestNN.test_Sequential_extend) ... ok test_Sequential_pop (test_nn_npu27.TestNN.test_Sequential_pop) ... ok ---------------------------------------------------------------------- Ran 9 tests in 0.057s OK root@hostname-fqv42:~/torchnpuapi# # 【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!32060	5 个月前
test_nnapi.py	!7605 Add UT files Merge pull request !7605 from yuhaiyan/master-dev1	2 年前
test_npu.py	fix(npu): align _snapshot/_dump_snapshot with upstream augment_with_fx_traces Co-authored-by: dwoai22<oguzhan.nefesoglu@huawei.com> # message auto-generated for no-merge-commit merge: !43654 merge fix/memory-snapshot into master fix(npu): align _snapshot/_dump_snapshot with upstream augment_with_fx_traces Created-by: dwoai22 Commit-by: dwoai22 Merged-by: ascend-robot Description: # 【合入来源】 - [x] issue/工单 https://gitcode.com/Ascend/pytorch/issues/3645 关联社区 RFC：https://github.com/pytorch/pytorch/issues/189014 关联社区 PR：https://github.com/pytorch/pytorch/pull/187205 关联社区 PR：https://github.com/pytorch/pytorch/pull/191738 （后者在 `torch.accelerator.memory` 中新增 `_save_segment_usage` / `_save_memory_usage`，其默认路径会回落到 `_snapshot()`，因此依赖本 PR 修复的签名。） # 【修改方案】 ## 问题上游 `torch.cuda.memory._snapshot()` 与 `._dump_snapshot()` 均带有 `augment_with_fx_traces` 入参，而 torch_npu 的同名函数没有： - `torch_npu/npu/memory.py`：`_snapshot(device=None)` - `torch_npu/npu/memory.py`：`_dump_snapshot(filename="dump_snapshot.pickle")` 由此产生两个问题： 1. 接口不对齐：用户按照 CUDA 侧写法调用 `torch.npu.memory._snapshot(augment_with_fx_traces=True)` 会直接抛 `TypeError`。 2. 阻塞设备无关路径：`torch/accelerator/memory.py` 的 `_snapshot()` 在转发到设备模块时始终以关键字方式传该参数： `python return torch.cuda.memory._snapshot(device, augment_with_fx_traces=augment_with_fx_traces)` 当前该调用写死为 cuda/xpu，NPU 走不到；但社区 PR #187205 会把它改为经 `torch.get_device_module()` 分发。该 PR 合入后，NPU 上执行 `torch.accelerator.memory._snapshot()` 会报 `_snapshot() got an unexpected keyword argument 'augment_with_fx_traces'`。 ## 方案选择「真实实现」而非「接受后忽略」。上游的实现是： `python s = _C._cuda_memorySnapshot(None) if augment_with_fx_traces: s = _augment_memory_snapshot_stack_traces(s) return s` 其中 `_augment_memory_snapshot_stack_traces` 位于 `torch/_utils.py`，不在 `torch/cuda/` 下。查看其实现可知它只遍历快照的通用结构（`segments` → `blocks` → `frames`，以及 `device_traces`），不含任何 CUDA 相关代码，因此可以原样作用于 NPU 快照。故 torch_npu 直接复用同一 helper，行为与 CUDA 侧保持一致，无需另写一份。对该 helper 采用函数内延迟导入，原因有二： - `torch_npu/_compat/version.py` 中 `MIN_SUPPORTED_VERSION = (2, 10)`，而该 helper 并非在所有受支持的 torch 版本上都存在。放在函数体内后，只有真正请求 `augment_with_fx_traces=True` 的调用方才会触发导入；默认路径（也就是 #187205 分发所走的路径）在任何受支持版本上都不受影响。 - 避免为一个可选特性在模块顶层引入硬依赖。具体修改： 1. `torch_npu/npu/memory.py`：`_snapshot(device=None)` → `_snapshot(device=None, augment_with_fx_traces=False)`，并在 `augment_with_fx_traces` 为真时调用上游 helper；补充 docstring 的 `Args` 段（原先缺失）。 2. `torch_npu/npu/memory.py`：`_dump_snapshot(filename="dump_snapshot.pickle")` → 增加 `augment_with_fx_traces=False` 并透传给 `_snapshot()`；补充 docstring。 3. `test/npu/test_npu.py`：新增 1 条端到端用例（见【功能验证】）。未改动 `_record_memory_history`：其签名为 `(enabled="all", args, kwargs)`，已能吸收上游新增的关键字参数。 # 【资料变更】不涉及。`docs/zh/developer_notes/memory_management/` 下关于内存快照的描述保持有效；本次为参数新增，默认值 `False` 与原行为一致。 # 【接口变更】属于向后兼容的参数新增，不破坏任何现有调用： \| 函数 \| 变更前 \| 变更后 \| \| --- \| --- \| --- \| \| `torch.npu.memory._snapshot` \| `(device=None)` \| `(device=None, augment_with_fx_traces=False)` \| \| `torch.npu.memory._dump_snapshot` \| `(filename="dump_snapshot.pickle")` \| `(filename="dump_snapshot.pickle", augment_with_fx_traces=False)` \| 新增参数默认 `False`，此时执行路径与修改前完全一致，现有代码无需改动。变更方向是向上游对齐，因此不引入新的 torch_npu 专有语义。已知限制：当所配套的 torch 版本中不存在 `torch._utils._augment_memory_snapshot_stack_traces` 时，传入 `augment_with_fx_traces=True` 会抛 `ImportError`。这属于该 torch 版本确实不具备此特性，报错信息可自解释；默认路径不受影响。 # 【功能验证】新增用例 `test/npu/test_npu.py::TestFXMemoryProfilerNpu::test_snapshot_fx_augmentation_end_to_end`，门禁的 CoreTestStrategy 会自动拉起 `test/npu/` 下的用例，无需额外配置。选择端到端用例而非打桩用例：`augment_with_fx_traces` 的增强有三个前置条件，且任一不满足都是静默跳过而非报错——frame 必须来自 FX 生成文件、其元数据必须已注册进 `torch.fx.traceback._FX_METADATA_REGISTRY`、而该注册只在编译期开启 `enrich_profiler_metadata` 时发生（`torch/fx/graph_module.py:949`）。打桩用例只能证明调用链接通，证明不了结果，因此这里直接验证快照内容。用例流程：开启 `enrich_profiler_metadata` → `_record_memory_history()` → `torch.compile(mod, backend="aot_eager", fullgraph=True)` 编译一个三层 MLP 并前向 → `_snapshot(augment_with_fx_traces=True)` → 遍历 `segments[].blocks[].frames` 与 `device_traces[][].frames`，断言被增强的 frame 同时具备 `fx_node_op`、`fx_node_name`、 `fx_node_target`、`fx_original_trace` 四个字段，且 `fx_original_trace` 指回 `forward()` 中对应的源码行；同时反向断言被增强的 frame 一定来自 `fx_generated_.py`。说明： - 使用 `aot_eager` 而非 `inductor`。FX 元数据在图模块 recompile 阶段产生，早于 codegen，因此该用例不依赖 NPU inductor 支持。 - 拆卸时调用 `_record_memory_history(enabled=None)`，未传上游 CUDA 用例中的 `clear_history=True`——torch_npu 的 `_record_memory_history_impl` 没有该形参。 - 在缺少 `torch._utils._augment_memory_snapshot_stack_traces` 的 torch 版本上自动 skip。该用例已在 Ascend NPU 环境实测通过。存量回归：`test/test_npu.py::TestNpuMallocAsync::test_memory_snapshot` 覆盖 `_record_memory_history` → `_snapshot` → `_save_segment_usage` 全链路，需保持通过；注意该文件不在 `test/npu/` 下，门禁不会自动拉起，需手工执行。执行命令： pytest ./test_npu.py -k "test_snapshot_fx_augmentation_end_to_end" lintrunner -a 用例断言 FX 生成代码对应的 frame 具备 fx_node_op、fx_node_name、fx_node_target、 fx_original_trace 四个字段，且 filename 以 fx_generated_ 开头。元数据由 torch/fx/graph_module.py 在 enrich_profiler_metadata 开启时注册。这些字段由 augment_with_fx_traces=True 时调用的 torch._utils._augment_memory_snapshot_stack_traces 写入，用例通过即说明该参数在 NPU 上确实生效。执行结果如下，全部通过。 ![test_snapshot_e2e_npu.PNG](https://raw.gitcode.com/user-images/assets/7404318/1b37c971-a4c9-4c21-ad84-d37f4e52d1a8/test_snapshot_e2e_npu.PNG 'test_snapshot_e2e_npu.PNG') # 【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 `` `## 变更文件清单 \| 文件 \| 变更 \| \| --- \| --- \| \|` torch_npu/npu/memory.py `\|` +20/-4 `— 两个函数签名对齐 + 实现 + docstring \| \|` test/npu/test_npu.py `\|` +95 `— 新增` TestFXMemoryProfilerNpu `端到端用例 \| ## 需要在 NPU 环境执行的验证` `bash pytest ./test_npu.py -k "test_snapshot_fx_augmentation_end_to_end" # 已实测通过 lintrunner -a # 已实测通过` ` See merge request: Ascend/pytorch!43654	27 天前
test_npu_allocator.py	[feat][3/n]mempool对齐社区 Co-authored-by: LiNuohang<linuohang@huawei.com> # message auto-generated for no-merge-commit merge: !40352 merge mempool-5 into master [feat][3/n]mempool对齐社区 Created-by: LiNuohang Commit-by: LiNuohang 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>\ > <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】 captures_underway 重命名为 allocation_scopes_ 并新增 num_active_captures_ 计数器：将池路由状态与流捕获状态解耦——allocation_scopes_ 仅跟踪池分流作用域（如 use_mem_pool），num_active_captures_ 通过 NPUGraph::capture_begin/end 中调用的 markCaptureBegin/markCaptureEnd 精确记录活跃捕获数，修复了 use_mem_pool 场景下 release_cached_blocks() 被错误跳过的 OOM 回归问题。 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】测试用例 1：test_mempool_release_cached_blocks_during_diversion 测的场景：当使用 use_mem_pool 切换到用户 mempool 时，如果分配失败触发 OOM，能否正确回收默认池中的 cached blocks 来重试分配。怎么测的： 1. 限制进程内存到 80MB 2. 先在默认池分配 60MB 然后释放（此时 60MB 变为 cached，不还给 driver） 3. 进入 use_mem_pool(user_pool) 上下文，再次分配 60MB —— 此时剩余预算仅 20MB，aclrtMalloc 会失败 4. 验证 OOM 重试路径能调用 release_cached_blocks() 释放默认池那 60MB 再重试，最终分配成功对应 bug：修复前，mempool diversion 期间 captures_underway.empty() 返回 false（因为私有池转发也算"进行中"），导致 release_cached_blocks 重试被跳过，直接 OOM。 --- 测试用例 2：test_mempool_oom_recovery_releases_cached_blocks 测的场景：在有大量 cached blocks 的情况下做大块分配，OOM 恢复路径能否正确释放 cached blocks 避免 OOM——同时覆盖默认池和用户 mempool 两种情况。怎么测的： 1. 获取空闲内存，分配一半空闲内存作为 filler 然后释放（制造大量 cached blocks） 2. 再分配接近全部空闲内存的大块（free_before - free_before/8） 3. 分别在 default pool 和 user mempool 两种上下文中执行上述操作（通过 subTest 遍历） 4. 断言不应抛出 OutOfMemoryError——如果 cached blocks 没被释放就会 OOM --- 测试用例 3：test_mempool_block_free_not_deferred 测的场景：多 stream 场景下，用户 mempool 中的 block 释放是否被错误地 defer（延迟）了。正常情况下，如果没有 graph capture在进行，free 后 block 应立即可复用。怎么测的： 1. 在 pool 上下文中分配一块内存 a 2. 通过另一条 stream s2 对 a 做 record_stream + 一次运算 3. 删除 a，synchronize 确保操作完成 4. 重新分配同样大小的内存 b 5. 断言 a.data_ptr() == b.data_ptr()（即 block 被立即复用，没有被 defer） 6. 同样通过 subTest 覆盖默认池和用户 mempool 两种情况 # 【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!40352	1 个月前
test_npu_multinpu.py	[master][Fix] Fix static check errors detected by CODESPELL Co-authored-by: thickhair<zp2165064878@163.com> # message auto-generated for no-merge-commit merge: !38552 merge code_spell_fix_master into master [master][Fix] Fix static check errors detected by CODESPELL Created-by: thickhair Commit-by: thickhair 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/1865 - [ ] 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） # 【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” # 【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” # 【功能验证】 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/d979c592-c965-45f1-9219-67cdbde056f4/image.png 'image.png') # 【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!38552	2 个月前
test_npu_pinned_memory_background_threads.py	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
test_npu_sanitizer.py	[master][Fix] Fix static check errors detected by TABS Co-authored-by: thickhair<zp2165064878@163.com> # message auto-generated for no-merge-commit merge: !37810 merge TABS_fix into master [master][Fix] Fix static check errors detected by TABS Created-by: thickhair Commit-by: thickhair 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>\ > <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 https://gitcode.com/Ascend/pytorch/issues/1865 - [ ] 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） # 【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” # 【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” # 【功能验证】 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/b8ff9e69-875f-4ff0-9109-11345a154b52/image.png 'image.png') # 【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!37810	2 个月前
test_ops.py	[test]fix change of xfail Co-authored-by: SCh_zx<1325467101@qq.com> # message auto-generated for no-merge-commit merge: !39555 merge master into master [test]fix change of xfail Created-by: SCh_zx Commit-by: SCh_zx 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>\ > <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） https://github.com/pytorch/pytorch/commit/b8777a2cc64e21bc425692222c7835417a3a8389 原生代码中更改了xfail的位置，需要针对此变更修复用例 # 【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” # 【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” # 【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 # 【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!39555	2 个月前
test_ops_fwd_gradients.py	!12772 Delete the URLs in code. Merge pull request !12772 from yuhaiyan/master-dev2	2 年前
test_ops_gradients.py	!12235 UPdate test_ops_gradients and test_ops_fwd_gradients of pt24 Merge pull request !12235 from 张向龙3/ops_grad_24	2 年前
test_ops_jit.py	!10484 Add test files. Merge pull request !10484 from yuhaiyan/master-dev5	2 年前
test_optim.py	!8912 Synchronize the different test cases for v2.2.0. Merge pull request !8912 from yuhaiyan/master-dev1	2 年前
test_out_dtype_op.py	!7765 [UT] add official source testcase for test_out_dtype_op Merge pull request !7765 from 张伟康/pta_master_dev	2 年前
test_profiler_string_table.py	test: Add tests for StringTable.default_factory Co-authored-by: qq_65095566<1922937030@qq.com> # message auto-generated for no-merge-commit merge: !43213 merge test-string-table-default-factory-master into master test: Add tests for StringTable.default_factory Created-by: qq_65095566 Commit-by: qq_65095566 Merged-by: ascend-robot Description: # 【合入来源】 ## 关联社区 issue：[[Usage]: torch.autograd.profiler_util.StringTable.default_factory API适配补齐 #3444](https://gitcode.com/Ascend/pytorch/issues/3444) ## 关联社区 issue：[【社区任务】7月社区任务第二期-Ascend for PyTorch API 一致性开发（59） #2906](https://gitcode.com/Ascend/pytorch/issues/2906) - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】经检索 PyTorch 官方开发分支测试目录，未发现针对 `torch.autograd.profiler_util.StringTable.default_factory` 的直接测试用例。现有 `StringTable` 测试主要覆盖 `popitem`，未直接覆盖 `default_factory` 的默认值、构造参数、属性修改、非法参数以及与 `StringTable.__missing__` 的交互行为，因此需要补充直接测试。本次修改内容如下： 1. 扩展 master 分支已有测试文件： `text test/test_profiler_string_table.py` 2. 保留原有 `torch.autograd.profiler_util.StringTable.popitem` 测试。 3. 新增 `torch.autograd.profiler_util.StringTable.default_factory` 测试，覆盖： - 默认构造时 `default_factory` 为 `None`； - 显式传入 `None`； - 构造时传入可调用对象； - 读取和修改 `default_factory` 属性； - 构造时传入不可调用对象抛出 `TypeError`； - `StringTable.__missing__` 不调用 `default_factory`。 4. 本次仅补充单元测试，不修改 API 功能实现。 # 【资料变更】不涉及经检查，`docs/zh/api/native_api` 下 PyTorch 2.7.1、2.9.0、2.10.0、2.11.0 和 2.12.0 对应资料中均未收录 `torch.autograd.profiler_util.StringTable.default_factory`。 PyTorch 官方文档中也未提供该属性的独立公开文档条目。 `StringTable` 继承自 `collections.defaultdict`，`default_factory` 是继承获得的标准库属性，并非 PyTorch 在 `StringTable` 中单独实现的成员，因此本次不新增 torch-npu 原生 API 资料条目。该属性属于非计算类属性，不涉及张量及数据类型。 # 【接口变更】本次不修改 `torch.autograd.profiler_util.StringTable.default_factory` 的功能、参数或返回行为，仅补充单元测试，不涉及跨代码仓或客户可见接口变更。 # 【功能验证】测试命令： `bash python test/test_profiler_string_table.py -v` 测试结果： `text Ran 12 tests in 0.038s OK` 原有 7 个 `StringTable.popitem` 测试和新增 5 个 `StringTable.default_factory` 测试均执行通过。本地使用现有环境完成冒烟验证，master 分支兼容性由 PR 持续集成流水线进一步验证。测试过程中出现 CuTeDSL 可选依赖缺失警告，该警告与本次测试无关，不影响测试结果。代码格式检查： `bash git diff --check` 检查结果无异常。 # 【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!43213	27 天前
test_profiler_util_string_table_values.py	[test] Add torch.autograd.profiler_util.StringTable.values Api Coverage Co-authored-by: lihaokun-2026<851563813@qq.com> # message auto-generated for no-merge-commit merge: !42017 merge autograd-profiler_util-StringTable-values-master into master [test] Add torch.autograd.profiler_util.StringTable.values Api Coverage 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】 [#2928](https://gitcode.com/Ascend/pytorch/issues/2928) - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新公开issue： - `torch.autograd.profiler_util.StringTable.values`: [【社区任务】7月社区任务第二期-Ascend for PyTorch API 一致性开发（68）](https://gitcode.com/Ascend/pytorch/issues/2928) # 【修改方案】 1. API 功能说明： - `torch.autograd.profiler_util.StringTable.values`：`StringTable` 继承自 `defaultdict`，`values()` 返回当前 string table 中所有 value 的动态视图，用于获取 profiler 字符串映射表中的值集合。 2. 上游用例检查情况：检索 PyTorch / Torch-NPU 现有测试后，未找到面向 `torch.autograd.profiler_util.StringTable.values` 的独立、直接、最小验证用例，因此按任务要求新增 NPU API 验证用例。 3. 新增用例文件： - `test_profiler_util_string_table_values.py` 4. 新增用例覆盖场景： - `StringTable.values()` 在空表场景下返回空 `ValuesView` - 显式写入 key/value 后，`values()` 返回全部 value - 访问缺省 key 触发 `StringTable.__missing__` 后，`values()` 可读取自动写入的 value - 单字符 key 保持原值，不触发 demangle 变更 - `values()` 返回动态视图，后续新增元素可被已有 view 感知 - 在 `torch_npu` 环境下验证 privateuse1 backend 为 `npu` 5. 新增文件头部已按要求补充注释，说明该文件验证的 API 功能。 # 【资料变更】不涉及。未修改产品资料、接口说明文档或用户可见文档。 # 【接口变更】不涉及。未修改跨代码仓接口，也未修改用户可见接口行为。 # 【功能验证】测试环境： `sh torch: 2.12.0+cpu torch_npu: 2.12.0` 测试方法： `sh source /usr/local/Ascend/ascend-toolkit/set_env.sh TORCH_DEVICE_BACKEND_AUTOLOAD=1 python3 test/test_profiler_util_string_table_values.py -v` 测试结果： ![image.png](https://raw.gitcode.com/user-images/assets/7404318/5903a3ef-d2a3-43b0-a453-6759f209ee67/image.png 'image.png') # 【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!42017	1 个月前
test_reductions.py	test(reductions): note NPU/XLA skip searchsorted non-contiguous UserWarning check. Co-authored-by: Margaret_wangrui<wangrui178@huawei.com> # message auto-generated for no-merge-commit merge: !37092 merge searchsorted_testcase_master into master test(reductions): note NPU/XLA skip searchsorted non-contiguous UserWarning check. Created-by: Margaret_wangrui Commit-by: Margaret_wangrui 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> https://gitcode.com/Ascend/pytorch/issues/1910 - [ ] 需求 - [x] 问题单 - [ ] 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） `values_3d_permute = values_3d.permute(2, 1, 0).to(torch.int32) boundaries_permute = values_3d.permute(2, 1, 0).to(torch.float64)` values_3d_permute和boundaries_permute在torch_npu中是连续的，不应该在用例中去捕获非连续告警信息 # 【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 # 【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 ![image (4).png](https://raw.gitcode.com/user-images/assets/7404318/01eda919-bd1c-415a-b9bc-76cb268cc1d1/image__4_.png 'image (4).png') # 【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、空指针等校验 - [ ] 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!37092	3 个月前
test_sanitizer_pluggable_allocator.py	[master][bugfix]CI error:acl header missing fix Co-authored-by: Dring<17737727613@163.com> # message auto-generated for no-merge-commit merge: !36649 merge master into master [master][bugfix]CI error:acl header missing fix Created-by: Dring Commit-by: Dring 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>\ > <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> https://gitcode.com/Ascend/pytorch/issues/2137 - [ ] 需求 - [ ] 问题单 - [ ] 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）门禁ut不是基于门禁编包代码执行，而是拉取新代码，头文件在编包执行过程中才会从acl_src复制到原本头文件路径acl下。导致门禁ut调用build_stub.sh报错头文件找不到。修复方案： 1、在门禁执行入口文件ci/access_control_test.py增加头文件复制策略，从当前安装torch_npu路径下复制头文件到工作区代码三方库下acl下 2、修改三个ut中的编译依赖相对路径确保能找到对应头文件 # 【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 # 【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门禁通过，ut通过 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/97941307-5dcc-4588-9bc3-dd968506ae68/image.png 'image.png') 本地验证ut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、空指针等校验 - [✓ ] 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!36649	3 个月前
test_shape_ops.py	fix: support quantized NPU flip dispatch Co-authored-by: hz893<zhanghao491@huawei.com> # message auto-generated for no-merge-commit merge: !36073 merge fix_quantized_flip_master_20260519 into master fix: support quantized NPU flip dispatch Created-by: hz893 Commit-by: hz893 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 - [x] 问题单 https://gitcode.com/Ascend/pytorch/issues/2207 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 1. 在 `QuantizedPrivateUse1` 的 codegen 注册中补充 `aten::flip`，使量化 NPU tensor 能命中 torch_npu 的 quantized helper。 2. 新增 `quantized_flip` helper：per-tensor 量化场景对 `int_repr()` 调用普通 NPU `aten::flip`，复用现有 `op_plugin::flip -> aclnnFlip` 数据翻转路径，再用原 scale/zero_point 重建 affine quantized tensor。 3. 对齐 CPU/CUDA 行为：sub-byte 量化 dtype 保持不支持报错；per-channel 量化保持 `Setting strides is possible only on uniformly quantized tensor` 报错。 4. 新增 per-channel quantized flip 报错回归测试。 # 【资料变更】不涉及。 # 【接口变更】不涉及。 # 【功能验证】 1. v2.7.1 环境执行 `bash ci/build.sh --python=3.11`，编译成功并生成 wheel。 2. v2.7.1 环境执行 `python -m pytest test_shape_ops.py -v -k test_flip_npu_float32`，结果：1 passed。 3. v2.7.1 环境执行 `python -m pytest --import-mode=importlib test/test_shape_ops.py -v -k "test_flip_per_channel_quantized_error or test_flip_npu_float32"`，结果：2 passed。 4. 验证普通 float NPU `flip` backward 与 CPU 在 `dims=(0,)`、`(1,)`、`(0, 1)`、`()` 下 forward/grad 均一致；验证 quantized flip 的 autograd 状态和错误行为与 CPU 一致。 5. v2.7.1、v2.9.0、v2.10.0、v2.11.0、v2.12.0、master 源分支均执行 `git diff --check`，无异常。 # 【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!36073	3 个月前
test_sort_and_select.py	[Fix] Fix static check errors detected by SPACES Co-authored-by: huangjingwei<huangjingwei4@huawei.com> # message auto-generated for no-merge-commit merge: !35981 merge master_lintrunner into master [Fix] Fix static check errors detected by SPACES Created-by: huangjingwei Commit-by: huangjingwei 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>\ > <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】检测和删除代码中的行尾空白字符 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】不涉及 # 【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!35981	3 个月前
test_sparse.py	!12609 add test_sparse.py Merge pull request !12609 from huangyunlong/2.4sparse	2 年前
test_sparse_coo.py	fix: support to_sparse on non-default NPU devices Co-authored-by: hz893<zhanghao491@huawei.com> # message auto-generated for no-merge-commit merge: !35946 merge fix_to_sparse_master into master fix: support to_sparse on non-default NPU devices Created-by: hz893 Commit-by: hz893 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>\ > <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 - [x] 问题单 https://gitcode.com/Ascend/pytorch/issues/2182 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 1. 将 `aten::_to_sparse` 和 `aten::_to_sparse.sparse_dim` 加入 NPU supported 注册，避免 dense NPU Tensor 转 sparse 时走 CPU fallback。 2. 新增 NPU 侧 `_to_sparse` 实现，复用 `at::native::dense_to_sparse`，使 sparse tensor、indices、values 保持在输入 Tensor 所在 NPU 设备上。 3. 新增非默认 NPU 设备场景 UT，覆盖输入位于 `npu:1` 时 `to_sparse` 结果的 device 和数值一致性。 # 【资料变更】不涉及。 # 【接口变更】不涉及。 # 【功能验证】 - 已在 v2.7.1 环境完成 torch_npu 编包并安装验证，`torch_npu.__version__` 为 `2.7.1.post5`。 - 已确认 `aten::_to_sparse` 和 `aten::_to_sparse.sparse_dim` 的 `PrivateUse1` dispatcher 注册到 `RegisterNPU.cpp [kernel]`，不再走 CPU fallback。 - `python -m pytest test_ops.py -v -k test_multiple_devices_to_sparse_npu_float32`：1 passed。 - `python -m pytest test/test_sparse_coo.py -v -k test_sparse_to_sparse_non_default_npu_device`：1 passed。 - v2.9.0、v2.10.0、v2.11.0、v2.12.0、master 目标分支已完成 cherry-pick，无冲突；未分别编包验证。补充验证： - 已在 `fix_to_sparse_master` 分支完成编译并安装生成的 `torch_npu-2.13.0-cp311-cp311-manylinux_2_28_aarch64.whl`。 - 通过临时 C++ 扩展直接调用新增 AOT shim `aoti_torch_npu__to_sparse`，在当前 device 为 `npu:0`、输入 tensor 位于 `npu:1` 的场景下验证返回 sparse tensor、indices、values 均保持在 `npu:1`，且 `to_dense()` 与输入一致。 - 测试结果：`PASS aoti_torch_npu__to_sparse device=npu:1 nnz=3`。 # 【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!35946	3 个月前
test_sparse_csr.py	Skip failing torch official TestCase tests and disable unsupported test cases Co-authored-by: yuhaiyan<yuhaiyan8@huawei.com> Co-authored-by: yuhaiyan8<yuhaiyan8@h-partners.com> # message auto-generated for no-merge-commit merge: !32140 merge cherry-pick-mr-32139-1774073503832-auto into master Skip failing torch official TestCase tests and disable unsupported test cases Created-by: yuhaiyan Commit-by: yuhaiyan;yuhaiyan8 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>\ > <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 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 1. 暂时跳过失败用例 2. 已提单跟进修复 # 【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” # 【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” # 【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 # 【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、空指针等校验 - [ ] 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!32140	4 个月前
test_tensor_creation_ops.py	!12178 Update test_tensor_creation_ops of pt2.4 Merge pull request !12178 from 张向龙3/creation_ops_24	2 年前
test_testing.py	test: add isclose equal_nan broadcast regression test Co-authored-by: xiu_21<caixiuxiu1@huawei.com> # message auto-generated for no-merge-commit merge: !39507 merge master into master test: add isclose equal_nan broadcast regression test Created-by: xiu_21 Commit-by: xiu_21 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>\ > <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 - [x] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】新增isclose equal_nan广播场景回归测试问题修复PR：https://gitcode.com/Ascend/op-plugin/pull/5250 # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/0dd37bf6-8e2d-4b09-8242-053d97c8f858/image.png 'image.png') # 【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!39507	2 个月前
test_torch.py	Update test_torch.py Co-authored-by: yuhaiyan<yuhaiyan8@huawei.com> # message auto-generated for no-merge-commit merge: !27371 merge master-dev2 into master Update test_torch.py Created-by: yuhaiyan Commit-by: yuhaiyan Merged-by: ascend-robot Description: <!-- Thanks for sending a pull request! --> What type of PR is this? > Uncomment only one `/kind <>` line, hit enter to put that in a new line, and remove leading whitespaces from that line: > > /kind bug > /kind task > /kind feature What does this PR do / why do we need it: Which issue(s) this PR fixes: <!-- Automatically closes linked issue when PR is merged. Usage: `Fixes #<issue number>`, or `Fixes (paste link of issue)`. --> Fixes # Special notes for your reviewers*: See merge request: Ascend/pytorch!27371	8 个月前
test_torch_c_apis.py	[test][master] add NPU validation cases for torch._C and torch._check APIs (issues #2674 #2675 #2676 #2764) Co-authored-by: anning-2026<870721918@qq.com> # message auto-generated for no-merge-commit merge: !43181 merge test/api-consistency-torch-c-master into master [test][master] add NPU validation cases for torch._C and torch._check APIs (issues #2674 #2675 #2676 #2764) Created-by: anning-2026 Commit-by: anning-2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新关联 issue： - [#2764](https://gitcode.com/Ascend/pytorch/issues/2764) — `torch._C._nn.flatten_dense_tensors`（任务编号 #42） - [#2674](https://gitcode.com/Ascend/pytorch/issues/2674) — `torch._C.DisableTorchFunction`（任务编号 #52） - [#2675](https://gitcode.com/Ascend/pytorch/issues/2675) — `torch._C.DisableTorchFunctionSubclass`（任务编号 #53） - [#2676](https://gitcode.com/Ascend/pytorch/issues/2676) — `torch._check_is_size`（任务编号 #54）注：任务 #39 `torch._C._jit_set_texpr_fuser_enabled` 已在 issue [#2818](https://gitcode.com/Ascend/pytorch/issues/2818) 中闭环，不纳入本 PR。 # 【修改方案】本 PR 覆盖 4 个 `torch._C.` 与 `torch.` 私有接口的 NPU 一致性测试补齐，在 2 个新增测试文件中新增 25 个用例，不涉及 `torch_npu` 任何 `C++ / Python` 代码改动，也不修改 `torch_npu` 既有 patch。修改文件（2 个新增）： - `test/test_torch_c_apis.py`（新增）：`torch._C._nn.flatten_dense_tensors`（8 个用例）、`torch._C.DisableTorchFunction`（2 个用例）、`torch._C.DisableTorchFunctionSubclass`（2 个用例），合计 12 个用例 - `test/test_torch_check.py`（新增）：`torch._check_is_size`（13 个用例）合计 4 个 API / 25 个用例，全部 NPU 实测通过。 # 【社区现状与路径依据】针对 4 个新增用例的 API，PyTorch 上游 `pytorch/pytorch` 仓库的检索结论如下（`git grep -ln <API> -- 'test/.py'`，ref 取 `master` HEAD）： \| API \| 上游直接功能测试 \| 判定 \| \| --- \| --- \| --- \| \| `torch._C._nn.flatten_dense_tensors` \| 无（仅 `test/functorch/test_vmap_registrations.py` 中作为字符串注册到 op 列表） \| 上游未提供 Python 直测；新增 NPU 端 smoke 用例 \| \| `torch._C.DisableTorchFunction` \| 无（`test/test_overrides.py`、`test/dynamo/test_modes.py` 中均为 use site） \| 上游无独立功能覆盖；新增 dispatch 暂停/恢复用例 \| \| `torch._C.DisableTorchFunctionSubclass` \| 无（同上） \| 上游无独立功能覆盖；新增 Subclass 变体用例 \| \| `torch._check_is_size` \| 无直接功能测试 \| 上游未提供正向功能测试；新增正常/异常/max 用例 \| # 【API 功能介绍】 1. `torch._C._nn.flatten_dense_tensors(tensors)`：把一组同 dtype/device 的张量 flatten 后 concatenate 成一个连续 1D 张量。 2. `torch._C.DisableTorchFunction`：上下文管理器，临时禁用 `__torch_function__` 分发链路。 3. `torch._C.DisableTorchFunctionSubclass`：同上，只禁用 subclass 的 `__torch_function__`。 4. `torch._check_is_size(i, max=None)`：检查整数 i 是否为合法 size（>=0），否则抛 RuntimeError。 # 【测试方案】 4 个被覆盖的 API 的用例设计： 1. `torch._C._nn.flatten_dense_tensors`（8 个用例）：正常 flatten、单张量、空序列、tuple、非 Tensor 元素、device 不一致 2. `torch._C.DisableTorchFunction`（2 个用例）：context 内 dispatch 暂停/恢复 3. `torch._C.DisableTorchFunctionSubclass`（2 个用例）：同上的 Subclass 变体 4. `torch._check_is_size`**（13 个用例）：正常值、负值越界、max 边界、message 参数、非法类型 # 【测试环境】 - 操作系统：Linux 4.19.90-2102.2.0.0068.3.ctl2.aarch64 - 昇腾硬件：Ascend910B2（`torch.npu.device_count() == 2`） - CANN 软件版本：cann-8.5.1 - Python：3.11.14 - 安装版本：torch 2.12.0、torch_npu 2.12.0 - 测试分支：本 PR base 为 `master` # 【测试命令】 `bash cd <repo_root> python -u test/test_torch_c_apis.py -v python -u test/test_torch_check.py -v` # 【测试日志】（基于当前 commit + Ascend NPU 实跑） text === test_torch_c_apis.py === test_disables_torch_function_on_subclass ... ok test_op_inside_disable_returns_plain_tensor ... ok test_disables_torch_function_subclass_on_subclass ... ok test_op_inside_disable_subclass_returns_plain_tensor ... ok test_concatenated_values_match_input_order ... ok test_concatenates_size_1_with_size_2 ... ok test_flatten_empty_list_raises_runtime_error ... ok test_flatten_raises_for_mismatched_device ... ok test_flatten_raises_for_non_tensor_element ... ok test_flatten_single_tensor ... ok test_flatten_tuple_input ... ok test_flattens_2d_tensors_to_1d_concat ... ok ---------------------------------------------------------------------- Ran 12 tests in 1.581s OK === test_torch_check.py === test_check_tensor_size_value ... ok test_fails_above_max_bound ... ok test_message_callable_produces_custom_error ... ok test_message_explicit_none ... ok test_message_format_string ... ok test_message_omitted ... ok test_passes_at_max_equal_i ... ok test_passes_for_non_negative_int ... ok test_passes_with_explicit_max_none ... ok test_passes_within_max_bound ... ok test_raises_for_invalid_max_type ... ok test_raises_for_negative_int ... ok test_raises_for_non_int_type ... ok ---------------------------------------------------------------------- Ran 13 tests in 1.494s OK 合计 `Ran 25 tests, OK`。 # 【资料补齐检查结论】 4 个 API 均为 PyTorch 私有接口（`_` 前缀），按任务规范"PyTorch 私有接口不需要补充资料"原则，均跳过。 See merge request: Ascend/pytorch!43181	1 个月前
test_torch_check.py	[test][master] add NPU validation cases for torch._C and torch._check APIs (issues #2674 #2675 #2676 #2764) Co-authored-by: anning-2026<870721918@qq.com> # message auto-generated for no-merge-commit merge: !43181 merge test/api-consistency-torch-c-master into master [test][master] add NPU validation cases for torch._C and torch._check APIs (issues #2674 #2675 #2676 #2764) Created-by: anning-2026 Commit-by: anning-2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新关联 issue： - [#2764](https://gitcode.com/Ascend/pytorch/issues/2764) — `torch._C._nn.flatten_dense_tensors`（任务编号 #42） - [#2674](https://gitcode.com/Ascend/pytorch/issues/2674) — `torch._C.DisableTorchFunction`（任务编号 #52） - [#2675](https://gitcode.com/Ascend/pytorch/issues/2675) — `torch._C.DisableTorchFunctionSubclass`（任务编号 #53） - [#2676](https://gitcode.com/Ascend/pytorch/issues/2676) — `torch._check_is_size`（任务编号 #54）注：任务 #39 `torch._C._jit_set_texpr_fuser_enabled` 已在 issue [#2818](https://gitcode.com/Ascend/pytorch/issues/2818) 中闭环，不纳入本 PR。 # 【修改方案】本 PR 覆盖 4 个 `torch._C.` 与 `torch.` 私有接口的 NPU 一致性测试补齐，在 2 个新增测试文件中新增 25 个用例，不涉及 `torch_npu` 任何 `C++ / Python` 代码改动，也不修改 `torch_npu` 既有 patch。修改文件（2 个新增）： - `test/test_torch_c_apis.py`（新增）：`torch._C._nn.flatten_dense_tensors`（8 个用例）、`torch._C.DisableTorchFunction`（2 个用例）、`torch._C.DisableTorchFunctionSubclass`（2 个用例），合计 12 个用例 - `test/test_torch_check.py`（新增）：`torch._check_is_size`（13 个用例）合计 4 个 API / 25 个用例，全部 NPU 实测通过。 # 【社区现状与路径依据】针对 4 个新增用例的 API，PyTorch 上游 `pytorch/pytorch` 仓库的检索结论如下（`git grep -ln <API> -- 'test/.py'`，ref 取 `master` HEAD）： \| API \| 上游直接功能测试 \| 判定 \| \| --- \| --- \| --- \| \| `torch._C._nn.flatten_dense_tensors` \| 无（仅 `test/functorch/test_vmap_registrations.py` 中作为字符串注册到 op 列表） \| 上游未提供 Python 直测；新增 NPU 端 smoke 用例 \| \| `torch._C.DisableTorchFunction` \| 无（`test/test_overrides.py`、`test/dynamo/test_modes.py` 中均为 use site） \| 上游无独立功能覆盖；新增 dispatch 暂停/恢复用例 \| \| `torch._C.DisableTorchFunctionSubclass` \| 无（同上） \| 上游无独立功能覆盖；新增 Subclass 变体用例 \| \| `torch._check_is_size` \| 无直接功能测试 \| 上游未提供正向功能测试；新增正常/异常/max 用例 \| # 【API 功能介绍】 1. `torch._C._nn.flatten_dense_tensors(tensors)`：把一组同 dtype/device 的张量 flatten 后 concatenate 成一个连续 1D 张量。 2. `torch._C.DisableTorchFunction`：上下文管理器，临时禁用 `__torch_function__` 分发链路。 3. `torch._C.DisableTorchFunctionSubclass`：同上，只禁用 subclass 的 `__torch_function__`。 4. `torch._check_is_size(i, max=None)`：检查整数 i 是否为合法 size（>=0），否则抛 RuntimeError。 # 【测试方案】 4 个被覆盖的 API 的用例设计： 1. `torch._C._nn.flatten_dense_tensors`（8 个用例）：正常 flatten、单张量、空序列、tuple、非 Tensor 元素、device 不一致 2. `torch._C.DisableTorchFunction`（2 个用例）：context 内 dispatch 暂停/恢复 3. `torch._C.DisableTorchFunctionSubclass`（2 个用例）：同上的 Subclass 变体 4. `torch._check_is_size`**（13 个用例）：正常值、负值越界、max 边界、message 参数、非法类型 # 【测试环境】 - 操作系统：Linux 4.19.90-2102.2.0.0068.3.ctl2.aarch64 - 昇腾硬件：Ascend910B2（`torch.npu.device_count() == 2`） - CANN 软件版本：cann-8.5.1 - Python：3.11.14 - 安装版本：torch 2.12.0、torch_npu 2.12.0 - 测试分支：本 PR base 为 `master` # 【测试命令】 `bash cd <repo_root> python -u test/test_torch_c_apis.py -v python -u test/test_torch_check.py -v` # 【测试日志】（基于当前 commit + Ascend NPU 实跑） text === test_torch_c_apis.py === test_disables_torch_function_on_subclass ... ok test_op_inside_disable_returns_plain_tensor ... ok test_disables_torch_function_subclass_on_subclass ... ok test_op_inside_disable_subclass_returns_plain_tensor ... ok test_concatenated_values_match_input_order ... ok test_concatenates_size_1_with_size_2 ... ok test_flatten_empty_list_raises_runtime_error ... ok test_flatten_raises_for_mismatched_device ... ok test_flatten_raises_for_non_tensor_element ... ok test_flatten_single_tensor ... ok test_flatten_tuple_input ... ok test_flattens_2d_tensors_to_1d_concat ... ok ---------------------------------------------------------------------- Ran 12 tests in 1.581s OK === test_torch_check.py === test_check_tensor_size_value ... ok test_fails_above_max_bound ... ok test_message_callable_produces_custom_error ... ok test_message_explicit_none ... ok test_message_format_string ... ok test_message_omitted ... ok test_passes_at_max_equal_i ... ok test_passes_for_non_negative_int ... ok test_passes_with_explicit_max_none ... ok test_passes_within_max_bound ... ok test_raises_for_invalid_max_type ... ok test_raises_for_negative_int ... ok test_raises_for_non_int_type ... ok ---------------------------------------------------------------------- Ran 13 tests in 1.494s OK 合计 `Ran 25 tests, OK`。 # 【资料补齐检查结论】 4 个 API 均为 PyTorch 私有接口（`_` 前缀），按任务规范"PyTorch 私有接口不需要补充资料"原则，均跳过。 See merge request: Ascend/pytorch!43181	1 个月前
test_torch_getattribute_api.py	test: add torch.__getattribute__ API validation Co-authored-by: 2490136803<2490136803@qq.com> # message auto-generated for no-merge-commit merge: !41419 merge intern/test-torch-getattribute-master into master test: add torch.__getattribute__ API validation Created-by: zhouzirui-2026 Commit-by: 2490136803 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： - 任务 issue：https://gitcode.com/Ascend/pytorch/issues/2734 # 【修改方案】本 PR 新增 `test/test_torch_getattribute_api.py`，补充 `torch.__getattribute__` 在 torch-npu 环境下的 API 一致性验证用例。该 API 是 Python module 对象的属性访问入口，用于从 `torch` module 上按名称读取属性。经检查，PyTorch 官方未提供 `torch.__getattribute__` 的独立专项测试，torch-npu 当前 `test` 和 `test_upstream` 目录中也未发现该 API 的专项测试。按照指导规范，本场景属于“PyTorch 官方社区无用例”，因此在 torch-npu `test` 目录补充自写测试。任务 API 功能、上游社区用例情况与本 PR 处理方式如下： \| API \| 功能说明 \| 上游社区用例 / 覆盖情况 \| 本 PR 处理 \| \| --- \| --- \| --- \| --- \| \| `torch.__getattribute__` \| Python module 属性访问入口，用于按名称读取 `torch` module 上的属性。 \| 未检索到 PyTorch 官方直接专项测试；torch-npu 现有 `test` / `test_upstream` 目录中也未发现专项测试。 \| 新增 `test/test_torch_getattribute_api.py`，验证已有属性读取、动态属性读取和异常路径。 \| 主要开发思路： 1. 先确认 `torch.__getattribute__` 在当前多版本 torch-npu 环境中存在，且基础行为与 Python module 属性访问语义一致。 2. 复查 PyTorch 官方测试目录，未发现直接覆盖 `torch.__getattribute__` 的独立专项测试。 3. 复查 torch-npu 当前仓库 `test` 和 `test_upstream` 目录，未发现该 API 的现有专项测试。 4. 该 API 不涉及 Tensor 输入，不存在需要迁移到 NPU Tensor 的适配点，因此不需要 `test_upstream` patch。 5. 该 API 属于顶层 `torch` module 属性访问能力，不属于 `npu`、`fx`、`nn` 等子模块，因此测试文件放在 torch-npu 根测试目录 `test/test_torch_getattribute_api.py`。 6. 本 PR 仅补充测试，不修改 API 实现，不改变现有接口行为。新增测试文件： `text test/test_torch_getattribute_api.py` 新增测试方法： `text test_get_existing_attributes test_get_dynamic_attribute test_get_missing_attribute_raises` 各测试核心验证点如下： \| 测试方法 \| 核心验证点 \| \| --- \| --- \| \| `test_get_existing_attributes` \| 使用 `types.ModuleType.__getattribute__(torch, "__dict__")` 获取模块字典作为独立 oracle，验证 `torch.__config__`、`torch.Tensor`、`torch.nn`、`torch.empty` 等已存在属性通过 `torch.__getattribute__` 读取时返回模块字典中的同一对象。 \| \| `test_get_dynamic_attribute` \| 在 `torch` module 上临时设置动态属性，验证 `torch.__getattribute__` 可读取该属性，且返回对象与模块字典中记录的对象一致；测试结束后清理动态属性。 \| \| `test_get_missing_attribute_raises` \| 验证读取不存在属性时，保持 Python module 语义并抛出包含属性名的 `AttributeError`。 \| # 【资料变更】不涉及资料 PR。已检查 PyTorch 官方公开文档与 Ascend native API 文档，未发现 `torch.__getattribute__` 独立条目。该 API 属于 Python module 固有属性访问机制，不是计算类公开 API，因此不新增 `docs.md`，不提交资料 PR。 # 【接口变更】不涉及。本 PR 不修改 API 实现，不改变现有接口行为，不新增 torch-npu 对外接口。 # 【功能验证】运行环境： `text 操作系统：Ubuntu 22.04.5 LTS (aarch64) 内核版本：5.10.0-182.0.0.95.oe2203sp3.aarch64 NPU 型号：Ascend 910B4 Driver / npu-smi：25.2.0 CANN Toolkit：9.0.0 CANN 路径：/usr/local/Ascend/cann-9.0.0 Python：3.10.12` 分支验证环境： `text 分支：master torch：2.12.0 torch-npu：2.12.0rc1 Python 环境：/workspace/a3-zzr-env/envs/venv_master_base_torch2.12.0_torchnpu2.12.0rc1_py310` 执行命令： `bash cd /root python /workspace/a3-zzr-env/repos/pytorch-master/test/test_torch_getattribute_api.py` 执行结果： ```text W0713 09:42:09.361000 5136 torch/_native/cutedsl_utils.py:55] CuTeDSL operators require optional Python packages` nvidia-cutlass-dsl `and` apache-tvm-ffi`; missing optional dependency` nvidia_cutlass_dsl `... ---------------------------------------------------------------------- Ran 3 tests in 0.209s OK` ` `说明：该 warning 来自 PyTorch 导入阶段 optional dependency 提示，不影响本用例执行结果。最终验证结论： 1. 本 PR 补充 3 个 API 一致性测试，覆盖` torch.__getattribute__` 的正常属性读取、动态属性读取和异常路径。 2. 补充测试不仅验证 API 可调用，也使用模块字典作为独立 oracle 验证已有属性读取、运行时动态属性访问能力和缺失属性异常语义。 3. 该 API 不涉及 Tensor 输入，不需要 NPU Tensor 迁移适配。 4. 补充测试已在 master 环境验证通过。 5. 目标 API 当前行为符合预期，未发现需要 API 功能补齐的问题。 6. 本 PR 不修改 API 实现，不涉及接口变更。 # 【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!41419	1 个月前
test_torch_npu_init.py	fix lazy_init and api export Co-authored-by: bellatan<tanmei2@huawei.com> # message auto-generated for no-merge-commit merge: !36703 merge torch_npu_init_refactor into master fix lazy_init and api export Created-by: bellatan Commit-by: bellatan 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>\ > <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 - [ ] issue/工单 - [x] 重构优化 - [ ] 资料更新 # 【修改方案】问题1：test/test_npu.py的test_lazy_init用例失败 ![image.png](https://raw.gitcode.com/user-images/assets/7404318/5f0c285f-6871-454e-bc01-3c4e20c37a0a/image.png 'image.png') 根因：重构前 torch_npu/__init__.py 中，先做 accelerator 冲突检查，即_check_device_conflict 接口调用，再 import torch_npu.npu、torch_npu.utils 等内部模块，不会触发 NPU device count 提前枚举重构后 torch_npu/__init__.py 中，先调用了_check_device_conflict 接口，再 import torch_npu.npu、torch_npu.utils 等内部模块，_check_device_conflict 接口调用顺序被延后，调用 _get_accelerator() 时 NPU backend 状态已经被拉起，触发底层设备探测，导致 _npu_getDeviceCount() 提前枚举真实设备数 8。解决：在 torch_npu/__init__.py 中，保持和重构前一样的调用顺序，即_check_device_conflict 接口调用提前到所有的 import 之前。问题2：缺失子模块导出的 API： `python torch_npu.asd.checksum torch_npu.utils.syncbatchnorm` 现象： ![image.png](https://raw.gitcode.com/user-images/assets/7404318/57e68133-cb8b-4949-880d-7d84282a0b36/image.png 'image.png') 根因分析：旧版 `torch_npu/__init__.py` 是一个大顶层初始化脚本，里面直接写了很多顶层 import： `python from torch_npu.asd.checksum import _matmul_checksum as matmul_checksum import torch_npu.utils.syncbatchnorm` 这些 import 会产生父包属性挂载副作用： `python torch_npu.asd.checksum torch_npu.utils.syncbatchnorm` 重构后初始化逻辑被拆分到 `_init/core/module_loader.py`、`_exports.py` 等模块中，部分旧版顶层 import 副作用没有恢复，因此这些子模块路径在 `import torch_npu` 后不可见。解决方案：在 `_load_registration_modules()` 中补充子模块父包属性： `python import torch_npu.asd.checksum # noqa: F401 import torch_npu.utils.syncbatchnorm # noqa: F401` 问题3：顶层属性缺失 API `python torch_npu.ParallelStore torch_npu._ShardedGradScaler` 现象： ![image.png](https://raw.gitcode.com/user-images/assets/7404318/e5562a37-524e-4a8e-b790-4b341b8e1e49/image.png 'image.png') 根因分析：旧版顶层有： `python from torch_npu._C._distributed_c10d import ParallelStore from torch_npu.npu.amp.sharded_grad_scaler import _ShardedGradScaler` 因此旧版支持： `python torch_npu.ParallelStore torch_npu._ShardedGradScaler` 重构后 `_distributed_c10d` 子模块初始化逻辑被集中到 C 扩展子模块初始化流程中，但没有把 `ParallelStore` 恢复到 `torch_npu` 顶层，导致旧版顶层访问路径缺失。`_ShardedGradScaler` 只在 distributed patch 逻辑中局部 import： `python def _apply_sharded_grad_scaler_patch(torch): from torch.distributed.fsdp import sharded_grad_scaler from torch_npu.npu.amp.sharded_grad_scaler import _ShardedGradScaler sharded_grad_scaler.ShardedGradScaler = _ShardedGradScaler` 这能保证 patch 行为一致，但没有恢复旧版顶层属性`torch_npu._ShardedGradScaler` 解决方案：在 `_exports.py` 中补 legacy 顶层属性： python def _export_distributed_apis(globals_dict): """ Export legacy distributed-related top-level APIs. Rule: - torch_npu._C._distributed_c10d.ParallelStore -> torch_npu.ParallelStore - torch_npu.npu.amp.sharded_grad_scaler._ShardedGradScaler -> torch_npu._ShardedGradScaler Note: These APIs are kept for compatibility and should not be added to __all__. """ from torch_npu._C._distributed_c10d import ParallelStore from torch_npu.npu.amp.sharded_grad_scaler import _ShardedGradScaler globals_dict["ParallelStore"] = ParallelStore globals_dict["_ShardedGradScaler"] = _ShardedGradScaler # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】 test/test_torch_npu_init.py 新增对应的测试项本地验证pass，CI pass ![image.png](https://raw.gitcode.com/user-images/assets/7404318/42508ae7-20ae-4a14-a05d-e48cf4a674cb/image.png 'image.png') # 【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!36703	3 个月前
test_torch_npu_run.py	!13891 add ParallelTcpStore and register to rendezvous Merge pull request !13891 from 叶子凡/master_TCP	2 年前
test_transformers.py	!10598 Delete the URL in code. Merge pull request !10598 from yuhaiyan/master-dev7	2 年前
test_type_promotion.py	!12165 Update test_type_promotion of pt2.4 Merge pull request !12165 from 张向龙3/prom_24	2 年前
test_unary_ufuncs.py	!12150 Update test_unary_ufuncs of pt2.4 Merge pull request !12150 from 张向龙3/unary_ufunc_24	2 年前
test_unflatten_dense_tensors.py	test:This PR adds missing test cases for torch._utils._unflatten_dense_tensors, as there are currently no community-provided tests for this function. Co-authored-by: xin_heyun<919112805@qq.com> # message auto-generated for no-merge-commit merge: !42052 merge test_unflatten_dense_tensors_master into master test:This PR adds missing test cases for torch._utils._unflatten_dense_tensors, as there are currently no community-provided tests for this function. Created-by: xin_heyun Commit-by: xin_heyun 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>\ > <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> issue任务地址：https://gitcode.com/Ascend/pytorch/issues/2932 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】为 `torch._utils._unflatten_dense_tensors` 新增 NPU 设备回归测试用例，放置在 `test/test_unflatten_dense_tensors.py`。 1. PyTorch 社区对该 API 仅有 C++ 层单元测试（`test/cpp/api/tensor_flatten.cpp`），Python 层面无任何测试用例，且缺少 NPU 设备上的运行验证。 2. 新增 8 个测试用例，基于 PyTorch 标准 `TestCase` 框架，通过 `torch.accelerator.current_accelerator()` 自动获取 NPU 设备并完成张量迁移，覆盖以下维度： - 展平-还原往返操作正确性 - 单张量与多张量（1D/2D/3D 不同形状） - 空张量混合与全空张量边界场景 - float32 / float16 / int32 多 dtype 兼容性 - 50 个大数量张量压力场景 - tuple 类型输入兼容性 3. 遵循 NPU 测试用例规范：导入顺序为 `torch` → `torch.testing._internal.common_utils`，不依赖 `torch_npu`，使用 `self.assert` 断言，无 `print`/`try-except`，注释精简英文。 # 【资料变更】不涉及。`torch._utils._unflatten_dense_tensors` 为 PyTorch 内部工具函数（`_` 前缀），不属于公开文档覆盖范围。 # 【接口变更】不涉及。仅新增测试文件，无对外接口变更。 # 【功能验证】测试场景*：在 NPU 设备上验证 `torch._utils._unflatten_dense_tensors` 将展平 1D 张量按目标形状还原为多个张量的功能正确性。 2.7.1 执行命令 `python test_unflatten_dense_tensors.py -v` 结果 test_all_empty_tensors (__main__.TestUnflattenDenseTensors.test_all_empty_tensors) ... ok test_different_dtypes (__main__.TestUnflattenDenseTensors.test_different_dtypes) ... ok test_empty_tensor_in_list (__main__.TestUnflattenDenseTensors.test_empty_tensor_in_list) ... ok test_large_num_tensors (__main__.TestUnflattenDenseTensors.test_large_num_tensors) ... ok test_multiple_tensors_different_sizes (__main__.TestUnflattenDenseTensors.test_multiple_tensors_different_sizes) ... ok test_round_trip_basic (__main__.TestUnflattenDenseTensors.test_round_trip_basic) ... ok test_single_tensor (__main__.TestUnflattenDenseTensors.test_single_tensor) ... ok test_tuple_input (__main__.TestUnflattenDenseTensors.test_tuple_input) ... ok ---------------------------------------------------------------------- Ran 8 tests in 1.339s OK 2.9.0 执行命令 `python test_unflatten_dense_tensors.py -v` 结果 test_all_empty_tensors (__main__.TestUnflattenDenseTensors.test_all_empty_tensors) ... ok test_different_dtypes (__main__.TestUnflattenDenseTensors.test_different_dtypes) ... ok test_empty_tensor_in_list (__main__.TestUnflattenDenseTensors.test_empty_tensor_in_list) ... ok test_large_num_tensors (__main__.TestUnflattenDenseTensors.test_large_num_tensors) ... ok test_multiple_tensors_different_sizes (__main__.TestUnflattenDenseTensors.test_multiple_tensors_different_sizes) ... ok test_round_trip_basic (__main__.TestUnflattenDenseTensors.test_round_trip_basic) ... ok test_single_tensor (__main__.TestUnflattenDenseTensors.test_single_tensor) ... ok test_tuple_input (__main__.TestUnflattenDenseTensors.test_tuple_input) ... ok ---------------------------------------------------------------------- Ran 8 tests in 1.331s OK 2.11.0 执行命令 `python test_unflatten_dense_tensors.py -v` 结果 test_all_empty_tensors (__main__.TestUnflattenDenseTensors.test_all_empty_tensors) ... ok test_different_dtypes (__main__.TestUnflattenDenseTensors.test_different_dtypes) ... [W718 07:12:27.082786050 NPUCachingAllocator.cpp:201] Warning: The current CANN and Soc versions require processing for 32 padding size, with memory allocation. (function operator()) ok test_empty_tensor_in_list (__main__.TestUnflattenDenseTensors.test_empty_tensor_in_list) ... ok test_large_num_tensors (__main__.TestUnflattenDenseTensors.test_large_num_tensors) ... ok test_multiple_tensors_different_sizes (__main__.TestUnflattenDenseTensors.test_multiple_tensors_different_sizes) ... ok test_round_trip_basic (__main__.TestUnflattenDenseTensors.test_round_trip_basic) ... ok test_single_tensor (__main__.TestUnflattenDenseTensors.test_single_tensor) ... ok test_tuple_input (__main__.TestUnflattenDenseTensors.test_tuple_input) ... ok ---------------------------------------------------------------------- Ran 8 tests in 1.357s OK 2.12.0 执行命令 `python test_unflatten_dense_tensors.py -v` 结果 `` `W0718 07:12:38.397000 45485 opt/conda/envs/v2.12.0/lib/python3.12/site-packages/torch/_native/cutedsl_utils.py:55] CuTeDSL operators require optional Python packages` nvidia-cutlass-dsl `and` apache-tvm-ffi`; missing optional dependency` nvidia_cutlass_dsl (importlib.util.find_spec(nvidia_cutlass_dsl) failed) test_all_empty_tensors (__main__.TestUnflattenDenseTensors.test_all_empty_tensors) ... ok test_different_dtypes (__main__.TestUnflattenDenseTensors.test_different_dtypes) ... [W718 07:12:39.554782459 NPUCachingAllocator.cpp:201] Warning: The current CANN and Soc versions require processing for 32 padding size, with memory allocation. (function operator()) ok test_empty_tensor_in_list (__main__.TestUnflattenDenseTensors.test_empty_tensor_in_list) ... ok test_large_num_tensors (__main__.TestUnflattenDenseTensors.test_large_num_tensors) ... ok test_multiple_tensors_different_sizes (__main__.TestUnflattenDenseTensors.test_multiple_tensors_different_sizes) ... ok test_round_trip_basic (__main__.TestUnflattenDenseTensors.test_round_trip_basic) ... ok test_single_tensor (__main__.TestUnflattenDenseTensors.test_single_tensor) ... ok test_tuple_input (__main__.TestUnflattenDenseTensors.test_tuple_input) ... ok ---------------------------------------------------------------------- Ran 8 tests in 1.374s OK `master 执行命令` `python test_unflatten_dense_tensors.py -v` `结果` test_all_empty_tensors (__main__.TestUnflattenDenseTensors.test_all_empty_tensors) ... ok test_different_dtypes (__main__.TestUnflattenDenseTensors.test_different_dtypes) ... [W718 07:12:49.941707130 NPUCachingAllocator.cpp:174] Warning: The current CANN and Soc versions require processing for 32 padding size, with memory allocation. (function operator()) ok test_empty_tensor_in_list (__main__.TestUnflattenDenseTensors.test_empty_tensor_in_list) ... ok test_large_num_tensors (__main__.TestUnflattenDenseTensors.test_large_num_tensors) ... ok test_multiple_tensors_different_sizes (__main__.TestUnflattenDenseTensors.test_multiple_tensors_different_sizes) ... ok test_round_trip_basic (__main__.TestUnflattenDenseTensors.test_round_trip_basic) ... ok test_single_tensor (__main__.TestUnflattenDenseTensors.test_single_tensor) ... ok test_tuple_input (__main__.TestUnflattenDenseTensors.test_tuple_input) ... ok ---------------------------------------------------------------------- Ran 8 tests in 1.372s OK `` # 【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!42052	1 个月前
test_utils.py	[fix] add _npu_dtype_cast_backward sharding strategy Co-authored-by: zqwenn<zhangqiongwen@huawei.com> # message auto-generated for no-merge-commit merge: merge master_npu_dtype_cast_backsard_register_sharding into master [fix] add _npu_dtype_cast_backward sharding strategy Created-by: zqwenn Commit-by: zqwenn Merged-by: ascend-robot Description: <!-- Thanks for sending a pull request! --> What type of PR is this? > Uncomment only one `/kind <>` line, hit enter to put that in a new line, and remove leading whitespaces from that line: > > /kind bug > /kind task > /kind feature What does this PR do / why do we need it: Which issue(s) this PR fixes: <!-- Automatically closes linked issue when PR is merged. Usage: `Fixes #<issue number>`, or `Fixes (paste link of issue)`. --> Fixes # Special notes for your reviewers*: See merge request: Ascend/pytorch!25308	11 个月前
test_utils_checkpoint_api.py	compat(v2.13): reintroduce csrc compat module for upstream 2.13 Co-authored-by: chz34<chenhaozhe1@huawei.com> # message auto-generated for no-merge-commit merge: !39206 merge compat/2.13_ori into master compat(v2.13): reintroduce csrc compat module for upstream 2.13 Created-by: c_34 Commit-by: chz34 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>\ > <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> pytorch 上游重构修改，将`shared_ptr<Node>` 重构为 `intrusive_ptr<Node>`，主线适配上游main分支编译报错 https://github.com/pytorch/pytorch/pull/181782 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 https://gitcode.com/Ascend/pytorch/issues/1812 https://gitcode.com/Ascend/pytorch/issues/2497 https://gitcode.com/Ascend/pytorch/issues/2508 - [x] 重构优化 https://gitcode.com/Ascend/pytorch/issues/1688 - [ ] 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） compat(v2.13): reintroduce csrc compat module for upstream 2.13 C++ side (torch_npu/csrc/_compat/): - version.h: TORCH_NPU_VERSION_GE(MAJOR, MINOR) macro plus TORCH_NPU_MIN_SUPPORTED constants kept in sync with the Python side. - autograd.h: torch_npu::compat::GradFnPtr<T> alias and make_grad_fn<Op>(args...) wrap the Node smart pointer migration from std::shared_ptr+deleteNode (<=2.12) to c10::intrusive_ptr+make_intrusive (>=2.13, pytorch#181782). SavedForPtr covers SavedVariable::unpack's parameter type change. Hand-written C++ updated to use the alias: - VariableFallbackKernel.cpp, VariableTypeManual.cpp (grad_fn locals) - reducer.hpp (grad_accumulators_ and hooks_ element types) - torchnpugen/autograd/templates/Functions.h (unpack_list/unpack_opt_list saved_for parameter) Python side (torch_npu/_compat/utils.py): - make_config_entry(config, *, name) wraps _ConfigEntry which gained a required `name` parameter in PyTorch 2.12. _dynamo.patch_inductor_wrapper uses the helper instead of branching inline. torchgen's packaged emit_body and gen_autograd_functions were updated upstream alongside pytorch#181782, so no codegen post-processing is needed -- only the hand-written sources need the compat aliases. # 【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 # 【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基于现有用例 # 【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!39206	2 个月前
test_utils_data_api.py	test(utils): add data worker API coverage tests on NPU Co-authored-by: Jinfan Liu<1300083451@qq.com> # message auto-generated for no-merge-commit merge: !37247 merge test-utils-data-weak-npu-master into master test(utils): add data worker API coverage tests on NPU Created-by: JfanLiu Commit-by: Jinfan Liu 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/2027</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> [x] issue/工单 # 【修改方案】一、API功能说明本 PR 补充 torch.utils.data worker/control 弱覆盖 API 的直接验证用例： - torch.utils.data.dataloader._MultiProcessingDataLoaderIter - torch.utils.data.dataloader._InfiniteConstantSampler - torch.utils.data._utils.worker.ManagerWatchdog - torch.utils.data._utils.worker._IterableDatasetStopIteration - torch.utils.data._utils.worker._ResumeIteration - torch.utils.data._utils.signal_handling._set_worker_signal_handlers - torch.utils.data._utils.signal_handling._remove_worker_pids 上述 API 属于 DataLoader 多进程 iterator、IterableDataset 采样控制、worker 存活检查、worker 控制消息以及 worker 信号/pid 管理逻辑。二、测试用例完备性说明 PyTorch 官方社区 test/test_dataloader.py 已通过 DataLoader 多进程用例覆盖上述 API 的调用链，但缺少对部分内部对象和控制消息的直接行为断言。本 PR 按 1.3 类补充 torch-npu 自定义测试文件 test/test_utils_data_api.py。 1. torch.utils.data.dataloader._MultiProcessingDataLoaderIter 直接覆盖： - test_multiprocessing_dataloader_iter_type_and_shutdown 构造 num_workers=1 的 DataLoader，显式断言 iter(loader) 是 _MultiProcessingDataLoaderIter，并验证 next(iterator) 返回预期 batch，最后调用 _shutdown_workers() 覆盖正常关闭路径。 2. torch.utils.data.dataloader._InfiniteConstantSampler 直接覆盖： - test_infinite_constant_sampler_yields_none 直接实例化 _InfiniteConstantSampler，并断言连续 yield None，覆盖 IterableDataset 无限索引采样器的核心行为。 3. torch.utils.data._utils.worker.ManagerWatchdog 直接覆盖： - test_manager_watchdog_reports_parent_alive 直接构造 ManagerWatchdog，并断言正常父进程场景 is_alive() 为 True。 4. torch.utils.data._utils.worker._IterableDatasetStopIteration / torch.utils.data._utils.worker._ResumeIteration 直接覆盖： - test_worker_control_message_fields 直接构造两个 dataclass 控制消息，断言 worker_id、seed 字段和 repr 内容，覆盖 worker 耗尽通知与 persistent worker 恢复消息的对象行为。 5. torch.utils.data._utils.signal_handling._set_worker_signal_handlers / torch.utils.data._utils.signal_handling._remove_worker_pids 直接覆盖： - test_worker_signal_handlers_and_pid_cleanup 直接调用 _set_worker_signal_handlers，并通过 _set_worker_pids 注册当前 pid 后调用 _remove_worker_pids 清理，覆盖 C 侧 worker signal handler 初始化和 worker pid registry 清理入口的正常路径。本文件验证的是 DataLoader worker/control 面 API。为避免把验证目标混入 NPU IPC 和 worker 子进程设备 Tensor 传输，本新增用例中的多进程 DataLoader 使用 Python 字符串 payload，不在 worker 子进程返回 NPU Tensor；原 DataLoader NPU Tensor payload 路径已由 test_upstream 中单进程 DataLoader/collate 用例覆盖。三、NPU适配方案 `1. API 源码无需修改：上述 API 是 torch.utils.data 的 Python/C++ 控制面入口，不新增 NPU kernel，不改变接口语义。 2. 测试新增路径：新增 test/test_utils_data_api.py，文件聚焦 worker/control API 直接行为，可后续扩展同模块 API。 3. 分支提交范围：新增测试文件提交到 2.7.1、2.9.0、2.10.0、2.11.0、2.12.0 以及 master。` 四、变更文件 - `test/test_utils_data_api.py` # 【资料变更】 > 已检查资料支持情况，结论如下： > > dataloader： > - 公开 API，在文档中记录：torch.utils.data.DataLoader、torch.utils.data._utils.collate.collate。对应资料 PR：https://gitcode.com/Ascend/pytorch/merge_requests/36233 > - 内部函数/类，不在文档中记录：DataLoader iterator、worker、signal handling、persistent worker 相关内部对象。 # 【接口变更】 > 不涉及。API 源码无修改，不新增、删除或变更对外接口。 # 【功能验证】 > 已在 master 对应 torch-npu 环境执行新增用例，结果如下；master 使用 2.12.0 验证环境执行。 ## 验证环境 - 操作系统：Ubuntu / Linux aarch64 - 昇腾硬件：910B2 - CANN 软件版本：8.3.RC1 - 验证环境： - 2.7.1：torch 2.7.1+cpu / torch-npu 2.7.1.post3 - 2.9.0：torch 2.9.0+cpu / torch-npu 2.9.0.post1 - 2.10.0：torch 2.10.0+cpu / torch-npu 2.10.0rc3 - 2.11.0：torch 2.11.0+cpu / torch-npu 2.11.0rc1 - 2.12.0 / master 验证：torch 2.12.0+cpu / torch-npu 2.12.0.rc1 ## 运行命令与结果 `bash python test/test_utils_data_api.py Ran 5 tests in 1.416s 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 - [ ] 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!37247	3 个月前
test_view_ops.py	fix(npu): register QuantizedPrivateUse1 view/ravel/flatten for test_view_ops. Co-authored-by: Margaret_wangrui<wangrui178@huawei.com> # message auto-generated for no-merge-commit merge: !37087 merge master_view_0524 into master fix(npu): register QuantizedPrivateUse1 view/ravel/flatten for test_view_ops. Created-by: Margaret_wangrui Commit-by: Margaret_wangrui 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> https://gitcode.com/Ascend/pytorch/issues/2082 - [ ] 需求 - [x] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新问题简述：将 PyTorch 上游 `test/test_view_ops.py` 切换到 torch_npu 执行时，`test_ravel_npu`、`test_flatten_npu` 在处理 `torch._empty_affine_quantized(..., quint8, device=npu)` 量化张量时报错： `text NotImplementedError: Could not run 'aten::view' with arguments from the 'Quantizednpu' backend` 浮点 NPU 张量（`PrivateUse1`）可正常 `view`；量化 NPU 张量（`QuantizedPrivateUse1`）缺少对应 kernel 注册。 --- # 【修改方案】本 PR 为 QuantizedPrivateUse1 补齐 shape / copy 相关 dispatch，并与 op-plugin stride_copy 修复配合，使量化 NPU 张量上的 `view` / `ravel` / `flatten` 语义与上游用例一致。组件交互关系： text test_ravel_npu / test_flatten_npu（量化 quint8 on NPU） │ ▼ TensorShape.cpp（torch_npu） QuantizedPrivateUse1 注册：view / ravel / contiguous / clone / empty* / _copy_from │ ├─► MetaData 不匹配时 clone 物化（NPUStorageDesc 与 view shape 对齐） │ ▼ TensorFactories.cpp（torch_npu） NPUNativeFunctions::clone(quant)：int_repr + npu_stride_copy_out │ ▼ AsStridedKernelNpu.cpp（op-plugin，子模块 071a046）小 nbytes int_repr stride_copy 稳定走 AsStrided 具体实现： 1. `torch_npu/csrc/aten/common/TensorShape.cpp`（+312 行） - 通过 `TORCH_LIBRARY_IMPL(aten, QuantizedPrivateUse1, m)` 注册：`view`、`as_strided`、`ravel`、`contiguous`、`clone`、`empty_like`、`empty.memory_format`、`empty_strided`、`_copy_from`。 - 实现 `npu_quantized_view_symint`：基于 `infer_size` + `computeStride`，经 `alias_with_sizes_and_strides_npu` 构造 `QTensorImpl` view；stride 不兼容且可展平为 rank-1 时走 `clone` + `view`。 - 实现 `npu_quantized_ravel`：`aten::contiguous` → `view(-1)`，避免 composite reshape 在 NPU 量化张量上短路。 - 实现 `npu_quantized_contiguous`：除 `is_contiguous()` 外检查行主 stride，必要时 `clone` 物化。 - `npu_quantized_view_materialize_if_storage_desc_mismatch`：当 `MetaDataAreMatch(q)==false` 时对 view 结果 `clone(Contiguous)`。 - `NPUNativeFunctions::as_strided` 增加量化分支，构造 `QTensorImpl` view。 2. `torch_npu/csrc/aten/common/TensorFactories.cpp`（+202 行） - 增强 `NPUNativeFunctions::clone` 量化路径：`empty_like` + `SetDesc` + `int_repr` stride_copy。 - `MetaDataAreMatch` 异常（如 transpose、view 后 storage desc 不一致）时，CPU int_repr staging + H2D 物化。 - stride_copy 后 int_repr slab 传播与 canonical 缓冲对齐（`npu_quantized_clone_write_int_repr_payload`）。 3. `test/test_view_ops.py` - 量化 NPU 张量不再强制 `flat._base is src`（允许 NPUStorageDesc 不匹配时的物化拷贝路径）。 - 修正 `is_quantized` / `is_npu` 为属性访问（非可调用方法）。变更规模： `text test/test_view_ops.py \| 5 +- torch_npu/csrc/aten/common/TensorFactories.cpp \| 202 +++ torch_npu/csrc/aten/common/TensorShape.cpp \| 312 +++` --- # 【资料变更】不涉及。 --- # 【接口变更】不涉及跨代码仓或客户面可见的公开 API 变更。内部说明（ATen dispatch 层，非 Python 公开接口）： \| 算子 \| Dispatch Key \| 变更类型 \| \|------\|--------------\|----------\| \| `view` / `as_strided` / `ravel` / `contiguous` / `clone` \| `QuantizedPrivateUse1` \| 新增 kernel 注册 \| \| `empty_like` / `empty.memory_format` / `empty_strided` / `_copy_from` \| `QuantizedPrivateUse1` \| 新增 kernel 注册 \| 用户可见行为变化：NPU 上 `quint8` 等量化张量可正常执行 `view`、`ravel`、`flatten`（此前为 `NotImplementedError`）。 --- # 【功能验证】环境要求：已编译安装 torch_npu；NPU 设备可用。测试步骤： `bash python test/test_view_ops.py -v -k test_ravel_npu python test/test_view_ops.py -v -k test_flatten_npu` 覆盖场景： \| 场景 \| 验证点 \| \|------\|--------\| \| 连续量化张量 `5×5×5×5` \| `ravel()` / `flatten(0,-1)` 与 `view(-1)` 一致 \| \| 空 shape `0×2×3`、`3×0×2` \| numel=0 时 shape 与 view 链正确 \| \| 转置 + ravel（`nc=True`） \| 非连续路径 `contiguous().view(-1)` 与 `ravel()` 一致 \| \| 多组 flatten 维度 \| `(0,2)`、`(1,2)`、`(-2,-1)` 等与 `view(-1)` 展开顺序一致 \| \| 浮点 NPU 回归 \| 同一用例文件中浮点张量路径不受影响 \| UT 看护： - [x] 适配 `test/test_view_ops.py`（量化 NPU `_base` 断言放宽、`is_quantized`/`is_npu` 属性修正）自验证：请在合入前补充 NPU 环境执行上述命令的通过截图或 CI 流水线链接。 ![image.png](https://raw.gitcode.com/user-images/assets/7403085/a022ed53-d7c3-4163-8f69-0e60122638b0/image.png 'image.png') ![image.png](https://raw.gitcode.com/user-images/assets/7403085/a2c145de-fd1a-4647-9b87-8c926b372db7/image.png 'image.png') --- # 【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!37087	3 个月前
testfiles_synchronized.txt	Update onnx_test_common.py Co-authored-by: yuhaiyan<yuhaiyan8@huawei.com> # message auto-generated for no-merge-commit merge: merge master-dev1 into master Update onnx_test_common.py Created-by: yuhaiyan Commit-by: yuhaiyan Merged-by: ascend-robot Description: <!-- Thanks for sending a pull request! --> What type of PR is this? > Uncomment only one `/kind <>` line, hit enter to put that in a new line, and remove leading whitespaces from that line: > > /kind bug > /kind task > /kind feature What does this PR do / why do we need it: Which issue(s) this PR fixes: <!-- Automatically closes linked issue when PR is merged. Usage: `Fixes #<issue number>`, or `Fixes (paste link of issue)`. --> Fixes # Special notes for your reviewers*: See merge request: Ascend/pytorch!25485	11 个月前
testfolder_synchronized.txt	!12569 Add test files for the onnx module: test_pytorch_jit_onnx.py/test_pytorch_onnx_no_runtime.py/... Merge pull request !12569 from yuhaiyan/master-dev7	2 年前
torch_npu_schema.json	feat: register ExternalStream in torch_npu_schema.json for API compatibility test Co-authored-by: yuht9<yuhaitao6@huawei.com> # message auto-generated for no-merge-commit merge: !43191 merge master into master feat: register ExternalStream in torch_npu_schema.json for API compatibility test Created-by: yuht9 Commit-by: yuht9 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>\ > <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 issue https://gitcode.com/Ascend/pytorch/issues/2655 重构优化资料更新 # 【修改方案】 feat: register ExternalStream in torch_npu_schema.json for API compatibility test） # 【资料变更】不涉及 # 【接口变更】不涉及 # 【功能验证】 UT修改，不涉及功能代码 # 【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!43191	1 个月前
url.ini	!12569 Add test files for the onnx module: test_pytorch_jit_onnx.py/test_pytorch_onnx_no_runtime.py/... Merge pull request !12569 from yuhaiyan/master-dev7	2 年前
url.py	!12569 Add test files for the onnx module: test_pytorch_jit_onnx.py/test_pytorch_onnx_no_runtime.py/... Merge pull request !12569 from yuhaiyan/master-dev7	2 年前

简介

test目录为PTA相关的测试用例。

安装依赖

pip3 install -r requirements.txt

补全脚本

该操作需要联网

cd test
bash get_synchronized_files.sh

通过以上操作，会自动补齐testfiles_synchronized.txt和testfolder_synchronized.txt中的文件或文件夹。

跳过失败用例

export DISABLED_TESTS_FILE=./unsupported_test_cases/.pytorch-disabled-tests.json

如果不是在test目录下运行测试用例，需要传入.pytorch-disabled-tests.json的绝对路径。

执行方式

执行单个测试脚本

运行以test开头的文件。以test_autocast.py为例：

方式一：

python test_autocast.py

方式二：

python run_test.py -i test_autocast

说明：部分以test开头的脚本不是直接运行的脚本，比如jit中的测试脚本是通过test_jit.py执行的。

执行具体的用例

通过-k参数传入具体的用例名。以test_autocast.py为例：

方式一：

python test_autocast.py -v -k test_autocast_nn_fp32

方式二：

python run_test.py -v -i test_autocast -- -k test_autocast_nn_fp32

执行全量UT的方式

# 进入到test目录的上一级
cd ../

运行非分布式全量用例：

python ci/access_control_test.py --all

运行分布式全量用例：

python ci/access_control_test.py --distributed

FAQ

报错："dictionary changed size during interation".

如果python 环境是3.8.1版本，报错在unitest/case.py中，可考虑是sys.modules被修改导致的。第三方包可能会有对sys.modules的修改，比如beartype。此问题为python 3.8.1版本/3.9.0版本的已知bug，可按照 https://github.com/python/cpython/issues/73806 中修改方式修改，将 for v in sys.modules.values() 改为 for v in list(sys.modules.values())

可用于复现问题的用例： python test_jit.py -v -k test_annotated_empty_dict
test_public_bindings.py 用例的功能

该用例是为了校验接口的公开规范性，如果该用例报错，请确认报错的接口是否要公开，并按照报错的提示进行修改。