AscendForge

昇腾 (Ascend NPU) 上的测试框架，包含两部分：

• UT 测试 (unit_test/)：基于 Pytorch社区对 torch.inductor 看护的单元测试套件（inductor_tests / dynamic_shapes / opinfo）。
• OP 测试 (op_test/)：单算子正确性 + 可选性能/profiling 测试。

说明：本仓只含测试框架本身。被测对象 torch_npu / triton_experimental(原 npu_inductor) 已合入昇腾 pytorch 主仓，需要先在你的环境里装好（见下）。

---

目录结构

AscendForge/
├── unit_test/                          # UT 测试
│   ├── run_three_cases.sh       # UT 总入口（跑全部套件）
│   ├── rerun_failed.py          # 失败用例重跑（吃一个清单 txt，只重跑指定用例）
│   ├── run_inductor_comparison.py   # 驱动器：pytest 收集 + 并行 + 出报告
│   ├── test_torchinductor.py            # 用例集 1: inductor_tests
│   ├── test_torchinductor_dynamic_shapes.py  # 用例集 2: dynamic_shapes
│   ├── test_torchinductor_opinfo.py     # 用例集 3: opinfo（默认关，见下）
│   └── blacklist.txt                    # 不跑的用例黑名单
├── op_test/                          # OP 测试
│   └── test_all.py              # OP 测试入口（单文件，101 个算子 case）
├── config/
│   └── env.sh.example           # 本地环境配置模板
├── docs/
│   └── output_format.md         # test_results 产出格式（与可视化工具的接口契约）
└── requirements.txt             # PyPI 轻量依赖（pytest/numpy/typing_extensions）

---

环境准备（前置条件）

跑测试需要以下环境已就绪：

1. NPU 硬件：Ascend NPU 卡，npu-smi info 能看到。
2. CANN：匹配 NPU 驱动版本的 CANN 工具包，需要时可 source /usr/local/Ascend/cann/set_env.sh。
3. 核心依赖（无法 pip 一把装，需自行准备，版本须互相匹配）：
   • torch（与 torch_npu 版本/ABI 匹配，如 2.13.0）
   • torch_npu（对应版本 + CANN）
   • triton_ascend（triton 昇腾分支，提供 triton_experimental 后端）
   • npu_inductor（被测对象，editable 安装）
4. 轻量依赖（PyPI 直装）：

   pip install -r requirements.txt    # pytest / numpy / typing_extensions
   

确认环境 OK：

python -c "import torch, torch_npu; print(torch.__version__, torch_npu.__version__)"

---

配置本地环境

把模板拷一份，按本机情况填写：

cp config/env.sh.example config/env.sh
# 编辑 config/env.sh，至少填好 ASCEND_RT_VISIBLE_DEVICES

config/env.sh 已在 .gitignore 里，不会被提交。

---

运行 UT 测试

cd AscendForge
source config/env.sh                      # 设好卡号等环境变量
bash unit_test/run_three_cases.sh                # 跑 inductor_tests + dynamic_shapes

可选参数（环境变量）：

变量	默认	说明
ASCEND_RT_VISIBLE_DEVICES	（必填）	用哪些卡，如 0,1,2,3
WORKERS	4	并行 worker 数
TIMEOUT	600	单用例超时（秒）
BACKEND	triton	inductor backend
RUN_OPINFO	0	=1 额外跑 opinfo 套件

直接用一行也能跑（不依赖 config/env.sh）：

ASCEND_RT_VISIBLE_DEVICES=0,1,2,3 bash unit_test/run_three_cases.sh
RUN_OPINFO=1 bash unit_test/run_three_cases.sh   # 带上 opinfo

产出：test_results/<YYYYMMDD_HHMM>/{inductor_tests,dynamic_shapes}/comparison_report.txt（+ failures/ 原始日志）。详见 docs/output_format.md。

失败用例重跑

跑完一轮 UT 后，把失败用例导成一个清单 txt（每行一个完整 pytest 节点 ID，如 test_torchinductor.py::NPUTests::test_addmv_npu），只重跑这些用例。重跑复用跑 UT 时的环境（conda / CANN / ASCEND_RT_VISIBLE_DEVICES 都已在当前 shell 配好），直接调 .py 即可：

cd AscendForge
python unit_test/rerun_failed.py rerun_list.txt
python unit_test/rerun_failed.py rerun_list.txt --backend triton --workers 4

脚本会按节点 ID 的文件名自动分流到 inductor_tests / dynamic_shapes，复用 run_inductor_comparison.py 的精确执行/超时/多 worker 能力。产出结构与正常跑一致：test_results/rerun_<时间戳>/<suite>/comparison_report.txt。

---

运行 OP 测试

cd AscendForge
source config/env.sh                      # 确保卡号、CANN 环境已设
python op_test/test_all.py --continue-on-fail          # 跑全部算子
python op_test/test_all.py --list                       # 列出所有算子 case
python op_test/test_all.py test_add test_layernorm      # 只跑指定算子
python op_test/test_all.py --perf                       # 正确性后追加延迟基准
python op_test/test_all.py --profile                    # 跑 torch_npu profiler 采 kernel

主要参数：--list / --perf / --perf-warmup / --perf-iters / --profile --profile-dir <dir> / --continue-on-fail。

产出：结果打到 stdout（CASE · xxx / PASS/FAIL）。

---

常见问题

Q: ImportError: npu_inductor？ A: OP 测试里 import npu_inductor 受 IMPORT_NPU_INDUCTOR=1（默认）控制。需要装好 triton_experimental（已并入昇腾主仓）；或 IMPORT_NPU_INDUCTOR=0 跳过该 import（仅部分算子可跑）。

Q: UT 跑起来报 device 错？ A: 检查 ASCEND_RT_VISIBLE_DEVICES 设的卡号是否真实存在且空闲（npu-smi info），以及 CANN env 是否 source 了。

Q: 产出在哪？ A: UT 在 test_results/<date>/，OP 在 stdout。产出格式见 docs/output_format.md。