| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
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] flexattn: add 'TRITON_DECODE' backend check Co-authored-by: liujm2001<liujingming7@huawei.com> # message auto-generated for no-merge-commit merge: !45745 merge master-flexdecodingraise into master [inductor] flexattn: add 'TRITON_DECODE' backend check Created-by: liujm2001 Commit-by: liujm2001 Merged-by: ascend-robot Description: # 【合入来源】 https://gitcode.com/Ascend/pytorch/issues/4551 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 显式指定 TRITON_DECODE 但输入不满足 flex decoding 条件时抛出错误。 # 【资料变更】 不涉及 # 【接口变更】 不涉及 # 【功能验证】 功能验证通过 # 【CheckList】 - [x] 代码注释完备，正确记录错误日志 - [x] 代码实现进行了返回值、空指针等校验 - [x] PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等 - [x] PR持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!45745 | 2 天前 | |
[master][bugfix]cann and pta header mixing bulid bugfix Co-authored-by: Dring<17737727613@163.com> # message auto-generated for no-merge-commit merge: !44990 merge master into master [master][bugfix]cann and pta header mixing bulid bugfix 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/3991 - [✕ ] 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） 问题现象： PTA 26.1.0 仓库中的 third_party/acl 头文件来自 CANN 9.1.0，而编译环境安装的是 CANN 9.0.0。当同一个编译单元同时包含两套版本的 ACL 头文件时，会出现类似以下错误：aclmdlRITask 未声明、未定义或类型不匹配 aclmdlRITask 是 CANN 9.1.0 头文件所依赖的定义，但 CANN 9.0.0 对应头文件中不存在该定义或定义不兼容。 根因分析： 1 当前头文件查找路径不统一：PTA 源码中大量使用以下写法 #include "third_party/acl/inc/acl/acl_mdl.h" 因为编译命令中包含 PTA 项目根目录，这种写法会直接命中 PTA 26.1.0 仓库内由 CANN 9.1.0 导入的头文件：torch_npu/third_party/acl/inc/acl/acl_mdl.h 但该头文件内部使用的是标准 SDK 相对路径：#include "acl/acl_base.h" 编译器无法相对 acl_mdl.h 所在目录找到 acl/acl_base.h，因此转而按照全部 -I 目录依次搜索。如果 CANN 9.0.0 的 include 路径排在 PTA 内置 ACL 路径前面，就会命中：CANN-9.0.0/include/acl/acl_base.h 同一个翻译单元最终形成： acl_mdl.h -> PTA third_party 中的 CANN 9.1.0 版本 acl_base.h -> 环境 CANN 9.0.0 版本 这是一种“首层头文件由源码路径固定版本、传递头文件由 -I 顺序选择版本”的混合查找模式。 2 问题不局限于 acl_mdl.h 同样风险存在于所有能够继续 include 其他 CANN 头文件的入口，包括： acl/... aml/... profiling/... graph/... ge/... op_proto/... 因此不能只修复出现错误的某一个头文件，也不能只替换 acl_mdl.h。必须统一整个 CANN 头文件族的查找规则。 修改目标： 修改后需要满足 源码不再包含 third_party/acl/inc/... 这种仓库物理路径。 ACL、AML、profiling 等头文件全部通过统一 include root 查找。 一个编译 target 对 CANN 头文件只选择一套版本。 CANN 9.0.0 环境构建时，首层和传递头文件必须全部命中 CANN 9.0.0。 使用 PTA 内置头文件构建时，首层和传递头文件必须全部命中 PTA 内置的同一套版本。 wheel、libtorch_npu、C++ Extension 和 Inductor/AOT 使用同一目录契约 修改方案： 1、代码中使用 PTA 内置 ACL 头文件的地方，删除 third_party/acl/inc/ 物理路径前缀，统一改成从 include root 查找 2、打包或安装时，把 third_party/acl/inc 下需要公开的目录按原相对结构复制到安装产物的公共 include 根目录 # 【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 cann 9.0.0 + pta 26.1.0的vllm-ascend安装验证成功  # 【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!44990 | 10 天前 | |
[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 | 26 天前 | |
| 2 年前 | ||
fix: patch is_autocast_enabled custom_fwd custom_bwd for npu in transfer_to_npu Co-authored-by: louyujing<louyujing@huawei.com> # message auto-generated for no-merge-commit merge: !45688 merge fix/transfer-to-npu-amp-master into master fix: patch is_autocast_enabled custom_fwd custom_bwd for npu in transfer_to_npu Created-by: louyujing Commit-by: louyujing Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> https://gitcode.com/Ascend/pytorch/issues/4528 # 【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） 在 transfer_to_npu.py 的 _init() 中新增 5 个 patch，将 autocast 相关接口的 CUDA 路径重定向到 NPU： | 接口 | 适配方式 | |------|----------| | torch.is_autocast_enabled | 自定义 wrapper，无参或含 'cuda' 的 str → 'npu'，其他透传 | | torch.get_autocast_dtype | _wrapper_cuda 包装，'cuda' → 'npu' | | torch.get_autocast_gpu_dtype | 直接替换为 torch_npu.npu.get_autocast_dtype | | torch.amp.custom_fwd | _wrapper_cuda 包装，device_type='cuda' → 'npu' | | torch.amp.custom_bwd | _wrapper_cuda 包装，device_type='cuda' → 'npu' | # 【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 ## 测试覆盖 在 test/contrib/test_transfer_to_npu.py 中新增 5 个 UT： - test_is_autocast_enabled：autocast 上下文内外、无参/'cuda'/'cuda:0'/'npu'/'cpu' 全覆盖 - test_amp_autocast_cuda_redirected：torch.amp.autocast('cuda') 重定向验证 - test_custom_fwd_bwd_cuda_device_type：custom_fwd/bwd(device_type='cuda') 检测并恢复 NPU autocast - test_custom_fwd_bwd_cuda_with_index：device_type='cuda:0' 场景 - test_get_autocast_dtype：get_autocast_dtype 和 get_autocast_gpu_dtype 在 bfloat16 autocast 内外验证 ## 自验结果 ### UT 结果 test_is_autocast_enabled .................. PASSED test_amp_autocast_cuda_redirected ........ PASSED test_custom_fwd_bwd_cuda_device_type ..... PASSED test_custom_fwd_bwd_cuda_with_index ..... PASSED test_get_autocast_dtype .................. PASSED 5 passed, 0 failed, 无回归 ### E2E 对比 | 接口 | 适配前 | 适配后 | |------|--------|--------| | is_autocast_enabled() (in autocast) | False | True | | is_autocast_enabled('cuda') (in autocast) | False | True | | is_autocast_enabled('cuda:0') (in autocast) | False | True | | is_autocast_enabled('npu') (in autocast) | True | True | | get_autocast_gpu_dtype() (in bf16 autocast) | float16 | bfloat16 | | get_autocast_dtype('cuda') (in bf16 autocast) | float16 | bfloat16 | | get_autocast_dtype('npu') (in bf16 autocast) | bfloat16 | bfloat16 | | torch.autocast('cuda') → is_autocast_enabled('npu') | False | True | | torch.amp.autocast('cuda') → is_autocast_enabled('npu') | False | True | | custom_fwd(device_type='cuda') detected autocast | False | True | | custom_bwd(device_type='cuda') autocast restored | True | True | 适配前受影响接口均返回 CUDA 状态（False/float16），适配后正确返回 NPU 状态（True/bfloat16）。'npu' 和 'cpu' 路径不受影响，无回归。 # 【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!45688 | 3 天前 | |
[master][Fix] Fix static check errors detected by clang-format Co-authored-by: thickhair<zp2165064878@163.com> # message auto-generated for no-merge-commit merge: !44399 merge clang-format-0812 into master [master][Fix] Fix static check errors detected by clang-format 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/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】  # 【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!44399 | 24 天前 | |
[master][bugfix]cann and pta header mixing bulid bugfix Co-authored-by: Dring<17737727613@163.com> # message auto-generated for no-merge-commit merge: !44990 merge master into master [master][bugfix]cann and pta header mixing bulid bugfix 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/3991 - [✕ ] 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） 问题现象： PTA 26.1.0 仓库中的 third_party/acl 头文件来自 CANN 9.1.0，而编译环境安装的是 CANN 9.0.0。当同一个编译单元同时包含两套版本的 ACL 头文件时，会出现类似以下错误：aclmdlRITask 未声明、未定义或类型不匹配 aclmdlRITask 是 CANN 9.1.0 头文件所依赖的定义，但 CANN 9.0.0 对应头文件中不存在该定义或定义不兼容。 根因分析： 1 当前头文件查找路径不统一：PTA 源码中大量使用以下写法 #include "third_party/acl/inc/acl/acl_mdl.h" 因为编译命令中包含 PTA 项目根目录，这种写法会直接命中 PTA 26.1.0 仓库内由 CANN 9.1.0 导入的头文件：torch_npu/third_party/acl/inc/acl/acl_mdl.h 但该头文件内部使用的是标准 SDK 相对路径：#include "acl/acl_base.h" 编译器无法相对 acl_mdl.h 所在目录找到 acl/acl_base.h，因此转而按照全部 -I 目录依次搜索。如果 CANN 9.0.0 的 include 路径排在 PTA 内置 ACL 路径前面，就会命中：CANN-9.0.0/include/acl/acl_base.h 同一个翻译单元最终形成： acl_mdl.h -> PTA third_party 中的 CANN 9.1.0 版本 acl_base.h -> 环境 CANN 9.0.0 版本 这是一种“首层头文件由源码路径固定版本、传递头文件由 -I 顺序选择版本”的混合查找模式。 2 问题不局限于 acl_mdl.h 同样风险存在于所有能够继续 include 其他 CANN 头文件的入口，包括： acl/... aml/... profiling/... graph/... ge/... op_proto/... 因此不能只修复出现错误的某一个头文件，也不能只替换 acl_mdl.h。必须统一整个 CANN 头文件族的查找规则。 修改目标： 修改后需要满足 源码不再包含 third_party/acl/inc/... 这种仓库物理路径。 ACL、AML、profiling 等头文件全部通过统一 include root 查找。 一个编译 target 对 CANN 头文件只选择一套版本。 CANN 9.0.0 环境构建时，首层和传递头文件必须全部命中 CANN 9.0.0。 使用 PTA 内置头文件构建时，首层和传递头文件必须全部命中 PTA 内置的同一套版本。 wheel、libtorch_npu、C++ Extension 和 Inductor/AOT 使用同一目录契约 修改方案： 1、代码中使用 PTA 内置 ACL 头文件的地方，删除 third_party/acl/inc/ 物理路径前缀，统一改成从 include root 查找 2、打包或安装时，把 third_party/acl/inc 下需要公开的目录按原相对结构复制到安装产物的公共 include 根目录 # 【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 cann 9.0.0 + pta 26.1.0的vllm-ascend安装验证成功  # 【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!44990 | 10 天前 | |
fix: downgrade internal-format targets to base format on the aclnn path when ALLOW_INTERNAL_FORMAT=disable [master] Co-authored-by: wuyouqi1<wuyouqi1@h-partners.com> # message auto-generated for no-merge-commit merge: !45500 merge fix/aclnn-format-cast-forbid-internal-format-master into master fix: downgrade internal-format targets to base format on the aclnn path when ALLOW_INTERNAL_FORMAT=disable [master] Created-by: wuyouqi1 Commit-by: wuyouqi1 Merged-by: ascend-robot Description: # 【合入来源】 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 https://gitcode.com/Ascend/pytorch/issues/4389 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 allow_internal_format=False 时，npu_format_cast 走 aclnn 路径（7302fba05 引入）未检查该开关：目标为内部格式（FRACTAL_NZ/NC1HWC0/FRACTAL_Z）时直接创建私有格式 tensor，绕过了 aclop 分配层守卫（TensorFactories.cpp unsafe_empty_with_format），与 aclop 路径行为不一致，导致 test_allow_internal_format_false_with_npu_format_cast 类用例失败。 修复：在 MaybeUseAclnnNpuFormatCast 的 IsAclnnFormatCastSupported 分支入口增加降级守卫——allow_internal_format=False 且目标为非 base 格式时，将目标降级为 GetBaseFormat 并 TORCH_WARN_ONCE，与 aclop 路径行为对齐。 关键设计：cast_into_existing 豁免——目标格式等于 src tensor 自身格式时不降级（tensor 重载 npu_format_cast_(self, Tensor src) 中该值恒为 True，属预期：该重载语义为将 src 数据写入已存在 tensor，目标格式是既成事实；若降级会破坏 nz_dst.copy_(nd_src) 后 dst 保持 NZ 布局的既有行为）。int 重载经 same-format 早退后该值恒为 False，守卫正常生效。950 的 IsAclnnOnly 分支不经此守卫，不受影响。 注：此前 !39022 曾在 MaybeUseAclnnNpuFormatCast 入口无条件降级（无 cast_into_existing 豁免），因破坏既有行为被 !39259 回退。本 MR 为带豁免的修正版，同步自 v2.7.1 MR !45183。 # 【资料变更】 op-plugin 仓 MR !5771（allow_internal_format 影响范围说明） # 【接口变更】 不涉及 # 【功能验证】 UT：test/custom_ops/test_npu_format_cast.py TestNpuFormatCastForbidInternalFormat（降级 4 组格式断言 + base 目标不受影响 + 开关开启对照 + copy_ 保持已存在 NZ tensor 格式） See merge request: Ascend/pytorch!45500 | 9 天前 | |
Add test for fp16_compress_hook Co-authored-by: qq_44188726<16634253534@163.com> # message auto-generated for no-merge-commit merge: !42829 merge fp16_compress_hook-master into master Add test for fp16_compress_hook Created-by: qq_44188726 Commit-by: qq_44188726 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/3132 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 torch.distributed.algorithms.ddp_comm_hooks.default_hooks.fp16_compress_hook PyTorch 官方社区在 test/distributed/test_c10d_nccl.py 中有相关测试，但依赖 NCCL 后端和多卡环境；该 API 在 NPU 上无直接独立测试，因此自行编写用例提交到 test 目录。 本用例在 NPU 上验证 fp16_compress_hook 的行为： - fp16 压缩（转 fp16 并按 world size 均分）→ dist.all_reduce → 解压回原始 dtype； - process_group=None 时回退 dist.group.WORLD； - world_size > 1 时除以 world size，并断言 all_reduce 的 group 与 async_op=True 调用参数； - tuple 与 GradBucket 两种 bucket 输入形态； - dist.all_reduce 异常传播。 新增 test/distributed/test_fp16_compress_hook.py。 # 【资料变更】 不涉及修改。该 API 官方文档已存在：docs/zh/api/native_api/pytorch_2-{7-1,11-0,12-0,13-0}/DDP-Communication-Hooks.md 中均有 torch.distributed.algorithms.ddp_comm_hooks.default_hooks.fp16_compress_hook 条目， 支持状态为 Atlas A2/A3 是、Ascend 950DT 否，且无「限制与说明」条目、无 dtype 表述问题，故无需修改文档。 # 【接口变更】 不涉及 # 【功能介绍】 fp16_compress_hook(process_group, bucket)：DDP 通信 hook，将梯度张量转成 float16 并除以进程组大小后，通过 dist.all_reduce 做聚合（async_op=True），再把结果解压回原始 dtype。process_group 为 None 时使用 dist.group.WORLD；bucket 支持 GradBucket 或 tensor 元组两种输入形态。 # 【功能验证】 test/distributed/test_fp16_compress_hook.py (fp16_compress_hook) - test_fp16_compress_hook_is_callable — fp16_compress_hook 可调用 - test_fp16_compress_hook_dtype_conversion — fp16 压缩→allreduce→解压，dtype 行为正确（GradBucket 输入） - test_fp16_compress_hook_process_group_none — process_group=None 回退 dist.group.WORLD，async_op=True - test_fp16_compress_hook_allreduce_world_size — world_size>1 除以 world size，断言 group/async_op 参数与结果 - test_fp16_compress_hook_tuple_bucket — tuple bucket 输入形态 - test_fp16_compress_hook_allreduce_exception — dist.all_reduce 异常向外传播 运行命令： python -m pytest /workspace/user_data/pytorch-master/test/distributed/test_fp16_compress_hook.py -xvs =========================================== test session starts =========================================== platform linux -- Python 3.12.13, pytest-8.3.2, pluggy-1.6.0 -- /workspace/envs/torch-npu-test/bin/python cachedir: .pytest_cache rootdir: /workspace/user_data/pytorch-master configfile: pyproject.toml plugins: xdist-3.6.1 collected 6 items ../workspace/user_data/pytorch-master/test/distributed/test_fp16_compress_hook.py::TestFp16CompressHook::test_fp16_compress_hook_allreduce_exception PASSED ../workspace/user_data/pytorch-master/test/distributed/test_fp16_compress_hook.py::TestFp16CompressHook::test_fp16_compress_hook_allreduce_world_size PASSED ../workspace/user_data/pytorch-master/test/distributed/test_fp16_compress_hook.py::TestFp16CompressHook::test_fp16_compress_hook_dtype_conversion PASSED ../workspace/user_data/pytorch-master/test/distributed/test_fp16_compress_hook.py::TestFp16CompressHook::test_fp16_compress_hook_is_callable PASSED ../workspace/user_data/pytorch-master/test/distributed/test_fp16_compress_hook.py::TestFp16CompressHook::test_fp16_compress_hook_process_group_none PASSED ../workspace/user_data/pytorch-master/test/distributed/test_fp16_compress_hook.py::TestFp16CompressHook::test_fp16_compress_hook_tuple_bucket PASSED ============================================ 6 passed in 8.00s ============================================ # 【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!42829 | 6 天前 | |
test: add functional export tests for NPU Co-authored-by: PAGEMRW<985608880@qq.com> # message auto-generated for no-merge-commit merge: !41798 merge test-functional-export-master into master test: add functional export tests for NPU Created-by: PAGEMRW Commit-by: PAGEMRW Merged-by: ascend-robot Description: 关联 Issue：#3011 【合入来源】 Issue #3011：补充 TorchDynamo 相关 API 的独立验证用例。 PyTorch 社区现有用例主要在 torch.export 等上层流程中间接使用 TorchDynamo 图捕获能力，缺少针对以下两个 API 的独立、聚焦验证： - torch._dynamo.functional_export.dynamo_graph_capture_for_export - torch._dynamo.utils.is_compile_supported 因此，本次新增测试文件： text test/dynamo/test_functional_export.py 用于验证上述 API 的核心功能和主要判断分支。 版本适配范围如下： 1. torch._dynamo.functional_export.dynamo_graph_capture_for_export：PyTorch 2.10.0 及以上版本； 2. torch._dynamo.utils.is_compile_supported：PyTorch 2.7.1、2.8.0、2.9.0、2.10.0 和 2.11.0。 【修改方案】 一、API 功能说明 1. torch._dynamo.functional_export.dynamo_graph_capture_for_export 该 API 是 TorchDynamo functional export 流程中的图捕获入口，主要功能包括： - 接收普通 Python 函数、可调用对象或 torch.nn.Module； - 通过 TorchDynamo 的完整图捕获流程获取计算图； - 将捕获结果构造为 torch.fx.GraphModule； - 支持位置参数、关键字参数和 PyTree 输入输出结构； - 保留模块参数、缓冲区和子模块等必要状态； - 保证捕获图与原始函数或模块的计算语义一致； - 维护 export 后续流程所需的输入输出结构及图元数据。 1. torch._dynamo.utils.is_compile_supported 该 API 用于根据当前 Python 运行环境和指定设备类型，判断 TorchDynamo 编译流程是否具备基础支持条件，主要逻辑包括： - 调用 torch._dynamo.eval_frame.is_dynamo_supported() 检查当前环境是否支持 TorchDynamo； - 对 cpu 返回当前环境的 Dynamo 支持状态； - 对 cuda 等设备同时检查 Dynamo 和 Triton 是否可用； - 对未注册的设备类型返回 False； - 较新版本支持通过 torch.device(device_type).type 规范化设备类型； - 查询过程不会创建张量、初始化设备或执行实际编译任务。 二、测试用例说明 新增的 test_functional_export.py 从图捕获能力、结果一致性、模块兼容性、设备判断分支和 Mock 隔离性等方面验证上述两个 API。 1. dynamo_graph_capture_for_export 测试 （1）普通函数图捕获 使用包含基础张量运算的普通 Python 函数进行验证： - 调用 dynamo_graph_capture_for_export 获取图捕获函数； - 使用示例张量执行图捕获； - 验证返回对象为 torch.fx.GraphModule； - 分别执行原始函数和捕获后的图； - 验证两者输出结果一致。 该测试验证 API 能够接收普通可调用对象、完成 TorchDynamo 图捕获并返回语义一致的 FX 图。 （2）nn.Module 图捕获 构造包含参数和缓冲区的简单 torch.nn.Module，验证： - 模块前向计算能够被正常捕获； - 捕获结果为可执行的 torch.fx.GraphModule； - 原始模块与捕获图在相同输入下输出一致； - 模块参数和缓冲区能够正确参与捕获后的计算。 测试主要关注 API 的外部行为，不依赖 FX 图内部自动生成的节点名称或具体图结构，避免因上游内部实现调整产生非功能性失败。 1. is_compile_supported 测试 （1）CPU 支持分支 test_cpu_supported_when_dynamo_is_supported： - Mock is_dynamo_supported() 返回 True； - 调用 is_compile_supported("cpu")； - 验证返回值为 True； - 验证底层环境检查函数被调用一次。 test_cpu_unsupported_when_dynamo_is_unsupported： - Mock is_dynamo_supported() 返回 False； - 调用 is_compile_supported("cpu")； - 验证返回值为 False。 （2）CUDA 与 Triton 联合判断分支 test_cuda_supported_with_triton： - Mock is_dynamo_supported() 返回 True； - Mock has_triton() 返回 True； - 调用 is_compile_supported("cuda")； - 验证返回值为 True； - 验证两项检查均被正确调用。 test_cuda_unsupported_without_triton： - Mock is_dynamo_supported() 返回 True； - Mock has_triton() 返回 False； - 调用 is_compile_supported("cuda")； - 验证返回值为 False。 （3）未注册设备分支 test_npu_returns_false： - Mock is_dynamo_supported() 返回 True； - 调用 is_compile_supported("npu")； - 验证返回值为 False。 对应版本的 PyTorch 上游实现未将 npu 加入该函数内置的编译设备类型列表，因此该测试用于验证未注册设备进入默认分支并返回 False，保证 torch-npu 仓库中的行为与对应上游版本一致。 该结果仅表示 is_compile_supported 当前未注册 npu 设备类型，不代表 torch-npu 整体不具备编译能力。 1. Mock 隔离性 is_compile_supported 的结果会受到 Python 版本、TorchDynamo 可用状态和 Triton 安装情况影响。 测试使用 unittest.mock.patch 控制以下函数的返回值： text torch._dynamo.eval_frame.is_dynamo_supported torch._dynamo.utils.has_triton 从而实现： - 不依赖测试机器是否安装 CUDA、NPU 或 Triton； - 不依赖当前 Python 环境是否真实支持 TorchDynamo； - 稳定覆盖各个条件分支； - 验证底层依赖函数的调用关系； - 避免不同 CI 环境配置造成测试结果波动。 每个 Mock 仅在对应测试方法执行期间生效，测试结束后自动恢复，不会造成跨用例状态污染。 综上，该测试文件覆盖： - 普通函数的 TorchDynamo 图捕获； - nn.Module 的图捕获； - torch.fx.GraphModule 返回类型； - 捕获前后计算结果一致性； - 模块参数和缓冲区兼容性； - CPU 支持与不支持分支； - CUDA 与 Triton 联合判断分支； - NPU 等未注册设备的默认处理分支； - Mock 调用关系及测试环境隔离性。 三、NPU 适配说明 本次测试不需要修改 API 实现，也不需要在测试文件中增加 import torch_npu 或将测试张量迁移至 NPU。 1. 图捕获流程与具体计算后端解耦 dynamo_graph_capture_for_export 的主要职责是调用 TorchDynamo 捕获 Python 函数或模块的计算图，并构造 FX GraphModule。 本次测试目标是验证： - API 能否完成图捕获； - 返回结果是否为可执行的 GraphModule； - 捕获结果是否与原始程序保持语义一致； - 模块参数和缓冲区是否能够被正确保留。 这些功能主要位于 Python、TorchDynamo、FakeTensor 和 FX 图处理层，不直接验证 NPU 算子执行能力，因此无需将输入张量修改为 .npu()。 1. 避免扩大测试范围 如果强制增加： python import torch_npu 或将输入张量修改为： python tensor.npu() 测试范围将由 TorchDynamo API 验证扩大为多个组件的集成验证，包括： - torch-npu 后端加载； - NPU 设备初始化； - PrivateUse1 调度； - NPU 算子注册； - FakeTensor 或 Meta 支持； - 实际硬件、驱动和算子环境。 这些内容不属于本次 API 级测试的验证目标。 保留 CPU 张量能够使测试聚焦于图捕获接口本身，并支持在无 NPU 硬件的普通 CI 环境中稳定运行。 1. is_compile_supported 不执行硬件计算 该 API 仅检查环境能力和设备类型，不会： - 创建 CPU、CUDA 或 NPU 张量； - 初始化 NPU 设备； - 执行计算算子； - 分配 NPU 显存； - 启动实际编译任务或设备通信。 测试又通过 Mock 固定 Dynamo 和 Triton 状态，因此测试结果不依赖实际硬件环境。 1. 不涉及底层 NPU 适配 本次仅新增 UT 测试文件，不涉及： - ATen 算子实现； - PrivateUse1 算子注册； - NPU Kernel； - ACLNN 接口； - NPU 内存格式转换； - HCCL 通信； - C++ 扩展； - Python API 实现修改。 因此，本次无需新增 NPU 算子或修改 torch-npu 后端实现。 【资料变更】 不涉及。 本次仅新增 API 级 UT 测试，不新增、删除或修改公开 API，也不改变现有接口的参数、返回值、异常行为或使用方式。 torch._dynamo.functional_export.dynamo_graph_capture_for_export 仅在包含该 API 的 PyTorch 2.10.0 及以上版本中新增测试；低版本不增加该 API 的测试或资料声明。 现有 API 支持资料无需调整，因此不需要修改 docs/zh/native_apis 等接口资料。 【接口变更】 不涉及。 本次未修改： - dynamo_graph_capture_for_export 的函数签名； - dynamo_graph_capture_for_export 的返回类型； - is_compile_supported 的函数签名； - is_compile_supported 的设备判断逻辑； - 其他现有 TorchDynamo API 的行为。 本次仅新增独立 UT 测试文件，对现有 API 进行功能看护。 【功能验证】 本次采用常规 Python UT 测试方式，通过 torch.testing._internal.common_utils.TestCase 编写测试，并使用 run_tests() 统一执行。 测试文件： text test/dynamo/test_functional_export.py 执行命令： bash python test/dynamo/test_functional_export.py 一、PyTorch 2.7.1、2.8.0 和 2.9.0 上述版本仅验证： text torch._dynamo.utils.is_compile_supported 由于这些版本中不存在： text torch._dynamo.functional_export.dynamo_graph_capture_for_export 因此低版本测试文件不导入或调用该 API，避免产生 ImportError。 共执行 5 个测试用例，日志如下： text test_cpu_supported_when_dynamo_is_supported (test_functional_export_v1.TestIsCompileSupported.test_cpu_supported_when_dynamo_is_supported) ... ok test_cpu_unsupported_when_dynamo_is_unsupported (test_functional_export_v1.TestIsCompileSupported.test_cpu_unsupported_when_dynamo_is_unsupported) ... ok test_cuda_supported_with_triton (test_functional_export_v1.TestIsCompileSupported.test_cuda_supported_with_triton) ... ok test_cuda_unsupported_without_triton (test_functional_export_v1.TestIsCompileSupported.test_cuda_unsupported_without_triton) ... ok test_npu_returns_false (test_functional_export_v1.TestIsCompileSupported.test_npu_returns_false) ... ok ---------------------------------------------------------------------- Ran 5 tests in 0.008s OK 二、PyTorch 2.10.0 和 2.11.0 上述版本执行完整测试文件，验证： text torch._dynamo.functional_export.dynamo_graph_capture_for_export torch._dynamo.utils.is_compile_supported 测试包括： - 2 个 dynamo_graph_capture_for_export 核心功能用例； - 5 个 is_compile_supported 条件分支用例。 共执行 7 个测试用例，日志如下： text test_capture_module_with_parameter_and_buffer (test_functional_export_v2.TestDynamoGraphCaptureForExport.test_capture_module_with_parameter_and_buffer) ... ok test_capture_simple_function (test_functional_export_v2.TestDynamoGraphCaptureForExport.test_capture_simple_function) ... ok test_cpu_supported_when_dynamo_is_supported (test_functional_export_v2.TestIsCompileSupported.test_cpu_supported_when_dynamo_is_supported) ... ok test_cpu_unsupported_when_dynamo_is_unsupported (test_functional_export_v2.TestIsCompileSupported.test_cpu_unsupported_when_dynamo_is_unsupported) ... ok test_cuda_supported_with_triton (test_functional_export_v2.TestIsCompileSupported.test_cuda_supported_with_triton) ... ok test_cuda_unsupported_without_triton (test_functional_export_v2.TestIsCompileSupported.test_cuda_unsupported_without_triton) ... ok test_npu_returns_false (test_functional_export_v2.TestIsCompileSupported.test_npu_returns_false) ... ok ---------------------------------------------------------------------- Ran 7 tests in 1.278s OK 测试结果表明： - 所有测试用例均执行通过； - 捕获结果为 torch.fx.GraphModule； - 捕获图与原始函数或模块的输出一致； - 模块参数和缓冲区能够正确参与计算； - is_compile_supported 的各条件分支返回结果符合预期； - Mock 依赖函数的调用次数符合预期； - 未出现 FAIL、ERROR 或 ImportError。 See merge request: Ascend/pytorch!41798 | 11 天前 | |
| 2 年前 | ||
【API一致性任务】test: add torch._C._functorch.is_batchedtensor validation cases on NPU Co-authored-by: cuiyunhao-2026<1830099122@qq.com> # message auto-generated for no-merge-commit merge: !43533 merge test-is-batchedtensor-npu-master into master 【API一致性任务】test: add torch._C._functorch.is_batchedtensor validation cases on NPU Created-by: cuiyunhao-2026 Commit-by: cuiyunhao-2026 Merged-by: ascend-robot Description: # 【合入来源】 > <font color="red">**如有社区issue，请关联issue链接**</font> > <font color="red">**请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> 关联 Issue:https://gitcode.com/Ascend/pytorch/issues/2751 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 适配 API： torch._C._functorch.is_batchedtensor（torch-npu 尚未提供独立验证用例，本 PR 自写用例补齐，按规范 1.3）。 **0. 按导师最新要求的保留判定** 导师公告：资料 PR 已全部打回，且不再接收 NPU 适配 patch 与非硬件相关 API 的新增用例。本 PR 经复核属于**硬件相关**用例，予以保留： - 该 API 用于判断张量是否处于 torch.vmap 批处理分发作用域内，本用例通过 device_type = torch.accelerator.current_accelerator().type 将**真实张量运行在 NPU 设备**上，验证 vmap/batched tensor 在昇腾硬件上的分发行为（普通张量 / vmap 内部 / 嵌套 vmap / 手动 _add_batch_dim / 多 dtype 等）； - 用例直接操作 NPU 上的张量与 functorch 分发层，属于规范 1.2②「涉及硬件接口，在 test 目录新增用例」的保留范围，**不属于被关闭的非硬件相关用例**； - 本 PR 为 test/ 自写用例，非 test_upstream NPU 适配 patch，符合"不再接收 NPU 适配 patch"的要求。 **1. 上游社区用例情况分析** 在 PyTorch 上游仓库（github.com/pytorch/pytorch）全量检索 is_batchedtensor 在 test/ 下的引用，仅在 test/functorch/test_eager_transforms.py:4982 一处出现，且位于 helper construct_sum_pyop() 内部，作为 vmap 自定义规则的**控制流分支**，从未被直接 assert 验证。 结论：该 API 在 PyTorch 上游**无独立社区用例**，属规范 **1.3（社区无直接用例，NPU 侧自写用例）** 场景，按规范在 test/ 目录新增自写用例文件，不做 test_upstream patch、不做 API 补齐。 **2. NPU 适配方案** torch._C._functorch.is_batchedtensor 由 PyTorch functorch 分发层提供，torch-npu 基于原生 PyTorch 自动具备，在 NPU 上行为与原生一致，无需修改 API 实现。本 PR 仅补充用例，覆盖其完整输入空间： - 普通张量返回 False； - torch.vmap 内部张量返回 True（含嵌套 vmap）； - 手动 _add_batch_dim 包裹后为 True，get_unwrapped 解包后恢复 False； - vmap 作用域外返回 False； - 多种 dtype（float32 / float16 / int32 / bool）结果仅取决于批处理维，与 dtype 无关； - 非张量输入（int）抛出 TypeError。 张量通过 device_type = torch.accelerator.current_accelerator().type 落到 NPU 设备，符合“张量必须运行在 NPU 上”规范（昇腾环境导入 torch 自动导入 torch_npu，current_accelerator() 返回 npu）。 **3. 提交方式（test 目录自写用例，规范 1.3）** 按规范 1.3，在 test/ 目录新增 test/functorch/test_functorch_api.py（同类 torch._C._functorch API 可归集于此文件，便于扩展）。文件遵循 torch-npu 测试规范：Huawei BSD-3 版权头、模块 docstring 说明可扩展与同类归集、从 torch.testing._internal.common_utils 导入 run_tests/TestCase（不直接 import unittest）、导入顺序 torch → torch.testing → functorch、类前后空 2 行、方法间空 1 行、self.assert* 断言、无 print / 无 try-except / 无裸 assert。 按规范 1.3，提交到 2.7.1 / 2.11.0 / 2.12.0 以及 master 四个分支（与 test 目录条款一致）。各分支基线一致、新增文件内容相同，单文件通用。2.9.0 / 2.10.0 已转入维护阶段，不作补齐要求。 **4. API 补齐** 不需要。torch._C._functorch.is_batchedtensor 由 PyTorch functorch 分发层提供，torch-npu 基于原生 PyTorch 自动具备，无需额外实现，故不提交 API 代码。 **5. 多版本分支合入** | 目标分支 | PR | 说明 | |---------|--------|------| | v2.7.1 | https://gitcode.com/Ascend/pytorch/pull/43535 | test 自写用例 | | v2.11.0 | https://gitcode.com/Ascend/pytorch/pull/43534 | test 自写用例 | | v2.12.0 | https://gitcode.com/Ascend/pytorch/pull/43536 | test 自写用例 | | master | https://gitcode.com/Ascend/pytorch/pull/43533 | test 自写用例 | - 按规范 1.3（test 目录用例），**master 需要提交**（与 test_upstream patch 场景不同，后者 master 不需要）。 - 2.9.0 / 2.10.0 已转入维护阶段，不作补齐要求。 # 【资料变更】 不涉及。 依据：torch._C._functorch.is_batchedtensor 为 PyTorch 私有（内部 C++）接口，按规范 2.3「PyTorch 私有接口不需要补充资料」。经核查 docs/zh/native_apis/ 未收录该 API，故不在 PR 中补资料。 # 【接口变更】 不涉及。 依据：torch._C._functorch.is_batchedtensor 由 PyTorch functorch 分发层提供，torch-npu 基于原生 PyTorch 自动具备，无跨代码仓或客户面可见接口变更。 # 【功能验证】 - 离线校验：用例已在真实 Ascend NPU（910B4）环境执行，全部通过； - 运行命令：python test/functorch/test_functorch_api.py； - 运行结果：  See merge request: Ascend/pytorch!43533 | 10 天前 | |
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 | |
test: add unit tests for torch.jit.ScriptModule.cuda and code_with_constants Co-authored-by: sxj731533731<13791252840@163.com> # message auto-generated for no-merge-commit merge: !41627 merge fix_master into master test: add unit tests for torch.jit.ScriptModule.cuda and code_with_constants Created-by: sxj731533731 Commit-by: sxj731533731 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/2857**</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】 本次修改为在 test/ 目录下新增针对 torch.jit.ScriptModule 类中 cuda 和 code_with_constants 两个 API 的单元测试用例，具体实现如下： 测试用例文件新增：在 test/jit/ 目录下修改测试文件（如test_scriptmodule.py），继承 PyTorch 标准测试基类 TestCase。 cuda() API 测试： 注：当前在 NPU 环境下无法使用 cuda() 接口（因该接口强依赖 NVIDIA CUDA 运行时），该用例将被跳过； code_with_constants API 测试： 构造包含常量（如 torch.tensor 常量、int 常量等）的 ScriptModule，并通过 torch.jit.script 转换。访问 code_with_constants 属性，断言返回值为包含两个元素的元组：第一个元素为 str 类型的计算图源码，第二个元素为 ConstMap 类型的常量映射。 # 【资料变更】 > “不涉及” # 【接口变更】 >“不涉及” # 【功能验证】 测试场景与测试方法： code_with_constants 属性验证,构造含多种常量的 ScriptModule，断言 code_with_constants 返回值的结构和内容 返回 (str, ConstMap)，且常量值匹配 具体demo如下： python def test_script_module_code_with_constants(self): """Test code_with_constants API extraction and inference on NPU device.""" if not hasattr(torch, "npu") or not torch.npu.is_available(): self.skipTest("NPU device is unavailable, skip this test case") # Define a model containing tensor constants and control flow class ModelWithConstants(torch.nn.Module): def __init__(self): super().__init__() self.conv = torch.nn.Conv2d(1, 1, kernel_size=3, padding=1) self.threshold = 0.5 # Register a tensor as a buffer to act as a constant in TorchScript self.register_buffer('scale_factor', torch.tensor([2.0])) def forward(self, x): x = self.conv(x) x = x * self.scale_factor if x.mean() > self.threshold: x = x + 1.0 return x # Initialize model and convert to ScriptModule model = ModelWithConstants() scripted_model = torch.jit.script(model).npu() # Move model to NPU and check device placement self._check_model_device(scripted_model, "npu") # Verify the functionality of code_with_constants API result = scripted_model.code_with_constants code_str, constants = result # Verify the extracted code is a string and contains the forward function signature self.assertIsInstance(code_str, str) self.assertIn("def forward", code_str) # Verify the constants object type self.assertIsInstance(constants, torch.jit._script.ConstMap) 测试命令：python test_jit_scriptmodule.py 测试结果：  # 【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!41627 | 4 天前 | |
[Docs][Test] Supplement nn.parameter.is_lazy document and test case Co-authored-by: m0_45651774<2759927519@qq.com> # message auto-generated for no-merge-commit merge: !44234 merge test-nn-parameter-is-lazy-master into master [Docs][Test] Supplement nn.parameter.is_lazy document and test case Created-by: m0_45651774 Commit-by: m0_45651774 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 **[[Usage]: torch.nn.parameter.is_lazy在 torch-npu 的资料未明确标注支持状态，但实际在 NPU 环境下可正常使用 ](https://gitcode.com/Ascend/pytorch/issues/3335)**</font>\ **请勿携带内部流程信息（需求链接、问题单、内部issue等）**</font> - [ ] 问题单 pytorch社区用例没有验证充分torch.nn.parameter.is_lazy，故新增该测试用例文件，验证其在不同参数类型及 NPU 场景下的行为是否符合预期。。 # 【修改方案】 **一、API 功能说明** torch.nn.parameter.is_lazy 用于判断一个参数（parameter）或缓冲区（buffer）是否处于 lazy（延迟初始化）状态。 判断输入对象 param 是否为： • torch.nn.UninitializedParameter • torch.nn.UninitializedBuffer 如果是，则返回 True；否则返回 False。 **二、测试文件test_parameter_is_lazy.py完整验证该 API 的原因** PyTorch 官方社区暂无针对该 API 的直接独立用例覆盖，有相关调用，但是验证功能不充分，因此自行编写用例并提交到 test 目录。 1. 覆盖了 API 的所有正向逻辑（True 场景） is_lazy 的核心功能是判断对象是否为未初始化的延迟（Lazy）状态。测试通过以下用例验证了所有符合该特性的对象： 未初始化的 Parameter (UninitializedParameter)：验证 API 能正确识别延迟参数，返回 True。 未初始化的 Buffer (UninitializedBuffer)：验证 API 能正确识别延迟 Buffer，返回 True。 2. 覆盖了全面的负向与边界逻辑（False 场景） 测试不仅验证了“是”的情况，还通过对比组排除了其他常见数据类型的干扰，确保没有假阳性（False Positive）： 普通 Parameter：已实例化的 Parameter 应返回 False。 普通 Tensor：标准的 PyTorch 张量应返回 False。 空值 None：处理非法或边界输入时，API 不会崩溃并能安全返回 False。 3. 验证了生命周期变化（动态状态转换） 延迟加载（Lazy Model）的核心机制在于“先占位，后实例化”。 test_is_lazy_after_materialize 完整模拟了参数的生命周期： 1.初始为 UninitializedParameter is_lazy 返回 True。 2.调用 .materialize() 完成实体化 is_lazy 返回 False。 此用例确保了 API 能精准感知对象从 Lazy Concrete 的状态转变。 4. 适配特定硬件环境（NPU 跨设备验证） 代码开头使用 torch.accelerator.current_accelerator() 动态获取设备类型（如 NPU/Ascend）。 所有的验证用例在创建 Tensor/Parameter 时，都显式指定了 device=device_type。这不仅验证了 API 在标准 CPU 上的逻辑，还确保了其在 NPU 等特定硬件加速器上的兼容性与正确性。 **三、NPU适配** `` torch.nn.parameter.is_lazy 是 PyTorch 中用于判断参数是否处于 Lazy 初始化状态的纯 Python 层辅助 API。其核心逻辑仅依赖 UninitializedParameter 和 UninitializedBuffer 类型判断，不涉及 Tensor 计算、设备管理、内存分配或底层 Kernel 调用。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 时无需修改这个 API 本身，可直接复用。 # 【资料变更】 涉及 已检查文档，https://gitcode.com/Ascend/pytorch/tree/master/docs/zh/api/native_api 下面各个版本未写了该API已支持，所以需要提交PR修改资料。 注意：由于官方文档v2.7.1版本没有对torch.nn.parameter.is_lazy生成独立页面文档，因此docs中v2.7.1版本不会补齐，仅更新v2.11.0、v2.12.0、v2.13.0. # 【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、2.11.0 、2.12.0版本上执行该用例，均通过，日志如下： 测试命令： python test/nn/test_parameter_is_lazy.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] - [ ] 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!44234 | 20 天前 | |
Release 2.14.0 Co-authored-by: wuyouqi1<wuyouqi1@h-partners.com> # message auto-generated for no-merge-commit merge: !45390 merge feat/v2.14.0-release into master Release 2.14.0 Created-by: wuyouqi1 Commit-by: wuyouqi1 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/1923 - [ ] 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） 社区演进和版本升级，参考 !40367（Release 2.13.0），进行 2.14 切分支与出包适配，依赖切换至 torch 2.14.0（stable whl/cpu），并预置 2.15 开发线 requirements 轮转。 # 【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" 涉及：SUPPORT.md / SUPPORT.en.md、SECURITYNOTE.md 版本信息随本 PR 同步更新 # 【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 bash ci/build.sh --python=3.10 --torch=2.14.0 版本校验通过；torch 2.14.0+cpu / torchvision 0.29.0+cpu 已在 whl/cpu stable 通道确认可获取。 # 【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!45390 | 3 天前 | |
test: Add validation cases for torch.onnx.ONNXProgram.optimize on NPU Co-authored-by: muluzhe<3598510361@qq.com> # message auto-generated for no-merge-commit merge: !43588 merge test-onnx-program-optimize-master into master test: Add validation cases for torch.onnx.ONNXProgram.optimize on NPU 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/3490 - 任务分类：1.2②（PyTorch 官方社区无用例，新增用例到 test 目录） - pytorch 社区没有针对 torch.onnx.ONNXProgram.optimize 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.onnx.ONNXProgram.optimize() 是 ONNXProgram 类的公开方法，用于优化 ONNX 模型。该方法通过调用 onnxscript_apis.optimize(self.model) 对 ONNX IR 模型执行常量折叠和冗余消除，优化原地生效，返回值为 None。该 API 为非计算类 API，操作对象是 ONNX 模型图而非 PyTorch 张量，与数据类型和设备无关。 ### 二、测试用例完备性说明 PyTorch 官方 test/onnx/exporter/test_onnx_program.py 中仅有 ONNXProgramRenameAxesTest 测试 rename_axes 方法，没有直接调用 ONNXProgram.optimize() 的测试用例。其他测试中的 optimize=False 是 torch.onnx.export() 的入参，与本方法无关。本次新增 test/onnx/exporter/test_onnx_program.py，通过 torch.onnx.export(dynamo=True, optimize=False) 创建未优化的 ONNXProgram，再调用 optimize() 直接验证： - optimize() 返回值为 None； - 优化后模型仍然有效（model 和 graph 非空）； - optimize() 可重复调用不报错（幂等性）； - 优化后模型的输入输出数量保持不变。 ### 三、NPU 适配 测试通过 torch.onnx.export() 创建 ONNXProgram，输入张量通过 device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu" 迁移到 NPU。optimize() 本身为非计算类 API，操作 ONNX IR 图结构，与设备无关。该测试代码在 v2.7.1 和 v2.12.0 间无需版本差异处理。 ## 【资料变更】 > 不涉及 > > 已检查：torch.onnx.ONNXProgram.optimize 在 docs/zh/api/native_api 的 pytorch_2-7-1、pytorch_2-11-0、pytorch_2-12-0、pytorch_2-13-0 四个版本目录的 torch-onnx.md 中均未收录，资料已在 PR https://gitcode.com/Ascend/pytorch/pull/43671 补充。 ## 【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 NPU 运行**（torch 2.7.1+cpu） - 命令：TORCH_DEVICE_BACKEND_AUTOLOAD=0 python -m pytest test/onnx/exporter/test_onnx_program.py -v - 结果：======================== 4 passed, 2 warnings in 10.46s ======================== ## 【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!43588 | 17 天前 | |
[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 | |
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 | |
refactor(profiler): 非侵入式动态 Profiler Optimizer Step Hook 私有 Patch 消除 Co-authored-by: wxb<w.noneck.1024@gmail.com> # message auto-generated for no-merge-commit merge: !44890 merge refactor/remove-pta_profiler_hook into master refactor(profiler): 非侵入式动态 Profiler Optimizer Step Hook 私有 Patch 消除 Created-by: No_neck Commit-by: No_neck;wxb Merged-by: ascend-robot Description: <!-- PR 描述与 2026-08-28 最新代码对齐。 --> # 【合入来源】 > <font color="red">**https://gitcode.com/Ascend/pytorch/issues/4189**</font> - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [x] 重构优化 - [ ] 资料更新 # 【修改说明】 ## 背景 torch_npu/profiler/_non_intrusive_profile.py 原实现通过替换 PyTorch 私有方法 torch.optim.Optimizer._patch_step_function 或历史版本的 _hook_for_profile，进一步包装 optimizer.__class__.step，在 Optimizer step 正常返回后调用动态 Profiler 的 dp_step()。 旧实现还使用 OPTIMIZER_ID 只跟踪最后创建或最后 patch 的 Optimizer。该选择规则 没有训练 iteration 语义：如果最后创建的是低频辅助 Optimizer，Profiler 会推进过慢， 使一个采集 step 跨越多次主 Optimizer 更新。 主要问题： 1. 依赖 PT 私有 API，升级兼容风险高； 2. PTA 在 PT wrapper 外再次修改 Optimizer 类方法，影响同类全部实例； 3. step_hooked、OPTIMIZER_ID 和构造顺序形成脆弱的隐式状态； 4. 非等频多 Optimizer 场景会少计，采集边界异常扩大； 5. 旧接入方式没有使用 PT 已提供的公共 Optimizer hook。 ## 修改方案 本 PR 保留 PTA 非侵入式动态 Profiling 能力和原有启动方式，只替换 Optimizer 事件接入 机制： ~~~text PROF_CONFIG_PATH / MSMONITOR_USE_DAEMON / KINETO_USE_DAEMON -> 原有配置检查 -> dp_init(prof_config_path) -> _register_optimizer_step_hook() -> register_optimizer_step_post_hook(callback) optimizer.step() 正常返回 -> PT instance post-hooks -> PT global post-hooks -> PTA _optimizer_step_post_hook(optimizer, args, kwargs) -> local_step[optimizer] += 1 -> local_step > profiler_step 时调用 dp_step() -> profiler_step = local_step ~~~ 聚合语义为： ~~~text profiler_step = max historical successful_step_count observed ~~~ 一次 callback 只增加一个 Optimizer 的局部计数，因此直接比较更新后的局部值与缓存的 历史全局最大值即可，不需要每次执行 max(values())，热路径为 O(1)。弱字典删除已经 释放的 Optimizer 后，缓存的历史全局值不会回退。 ## 代码修改及原因 ### 1. 删除 PT 私有方法依赖 删除： ~~~python _origin_patch_step_function Optimizer._patch_step_function = ... Optimizer._hook_for_profile = ... ~~~ 原因：上述符号是 PT 私有实现，不提供兼容承诺。当前2.13、2.14、2.15目标版本已经 提供公共 global Optimizer post-hook。 ### 2. 删除 PTA 类级 step wrapper 删除： ~~~text step_wrapper patch_step_function step_hooked check_last_optimizer OPTIMIZER_ID ~~~ 原因： - 不再二次替换 optimizer.__class__.step； - 不影响同类 Optimizer 的其他实例； - 不再依赖 Optimizer 创建顺序； - 不再需要维护重复包装标志； - 消除旧非等频场景只跟踪最后一个 Optimizer的问题。 ### 3. 使用 PT 公共 global post-hook 新增： ~~~python from torch.optim.optimizer import Optimizer, register_optimizer_step_post_hook ~~~ 并通过： ~~~python register_optimizer_step_post_hook(cls._optimizer_step_post_hook) ~~~ 注册回调。 选择 global hook 的原因： - 非侵入式 Profiler 不要求用户逐个修改 Optimizer； - 能覆盖注册前和注册后创建的 Optimizer； - PT 负责 Optimizer step 的 hook 分发； - PTA 不再接管 PT 私有构造/反序列化入口。 选择 post-hook 而不是 pre-hook 的原因： - 与旧实现“原始 step 成功后再调用 dp_step()”的顺序一致； - optimizer.step() 抛异常时 PT 不执行 post-hook； - 不会把失败的参数更新计为有效 Profiler step； - PT instance post-hook 仍先于 PTA global post-hook。 ### 4. 在已有类中保存最小聚合状态 新增： ~~~python _optimizer_step_hook_handle = None _optimizer_steps = WeakKeyDictionary() _profiler_step = 0 ~~~ 各字段作用： | 字段 | 作用 | |---|---| | _optimizer_step_hook_handle | 判断是否已注册，防止重复 callback | | _optimizer_steps | 保存每个 Optimizer 的成功 step 次数 | | _profiler_step | 保存已经推进的最大 step | 没有新增独立 tracker 类，避免引入当前生产调用链不需要的 requester API、reset API 和 额外生命周期。 WeakKeyDictionary 不强引用 Optimizer。Optimizer 被释放后，对应记录可自动删除， 避免普通 dict 延长参数和 Optimizer 状态的生命周期。 ### 5. 新增 O(1) post-hook callback ~~~python @classmethod def _optimizer_step_post_hook( cls, optimizer: Optimizer, _args: tuple, _kwargs: dict, ) -> None: step = cls._optimizer_steps.get(optimizer, 0) + 1 cls._optimizer_steps[optimizer] = step if step > cls._profiler_step: dp_step() cls._profiler_step = step ~~~ 逐行说明： - get(optimizer, 0) + 1：为触发 callback 的 Optimizer 增加局部成功 step； - 写回弱字典：保存该 Optimizer 的后续计数起点； - step > _profiler_step：判断是否出现新的最大进度； - dp_step()：只在全局进度增加时推进动态 Profiler； - 成功后更新 _profiler_step：不把失败的 dp_step() 标记为已推进。 callback 必须接受 optimizer, args, kwargs，这是 PT 公共 API 契约。不能直接注册 dp_step，因为 dp_step() 不接受该签名，也无法识别和聚合多个 Optimizer。 ### 6. 新增幂等注册 ~~~python @classmethod def _register_optimizer_step_hook(cls) -> None: if cls._optimizer_step_hook_handle is not None: return cls._optimizer_steps.clear() cls._profiler_step = 0 cls._optimizer_step_hook_handle = register_optimizer_step_post_hook( cls._optimizer_step_post_hook ) ~~~ 逐行说明： - handle 非空时返回：重复 init() 不重复注册； - 注册前清空弱字典：新注册生命周期不继承旧对象状态； - 全局 step 置0：与新初始化的动态 Profiler 对齐； - 保存 PT 返回的 handle：作为注册状态，并保留底层 removable 能力。 最新生产代码不增加 unregister 方法。动态 Profiling 一旦启用，hook 在进程内持续 存在；测试直接使用 handle 清理，不为测试增加生产 API。 ### 7. 保留原有启动条件 没有新增环境变量或配置文件字段。继续使用： ~~~text PROF_CONFIG_PATH MSMONITOR_USE_DAEMON KINETO_USE_DAEMON ~~~ 未启用动态 Profiling 时，init() 在 dp_init() 和 hook 注册前返回，因此默认训练 没有新增 callback 或 WeakKeyDictionary 热路径。 启用后先调用： ~~~python dp_init(prof_config_path) ~~~ 再注册 hook，避免 callback 在动态 Profiler 尚未初始化时调用 dp_step()。 本 PR 不增加 TORCH_NPU_PROFILER_STEP_MODE，不增加 optimizer/manual 分支，不修改 配置 schema。 ### 8. 删除 Python 3.8 Dynolog 死分支 最新代码删除 import sys 以及 Dynolog 的 Python <3.8 判断，直接在 daemon 模式设置 DYNO_CONFIG。 当前2.13～2.15目标兼容线支持的 Python 均高于3.8，该判断在受支持环境中不可达。此项 是独立死代码清理，同时避免原提示行的 F541 风险；不改变支持范围内行为。 # 【行为变化】 ## 正常场景 | 场景 | Optimizer event | 修改前典型 dp_step() | 修改后 dp_step() | |---|---:|---:|---:| | 单 Optimizer，18轮 | 18 | 18 | 18 | | 同步双 Optimizer，各18次 | 36 | 取决于最后 ID，通常18 | 18 | | 主18次、低频辅助6次且辅助最后创建 | 24 | 6 | 18 | ## 已知边界 per-optimizer max 是有约束的进度聚合，不是通用 training iteration 检测器： | 场景 | Optimizer event | 修改后 dp_step() | 说明 | |---|---:|---:|---| | 完全交替9+9 | 18 | 9 | 两个局部计数的最大值为9 | | 运行中替换9+9 | 18 | 9 | 新 Optimizer 从0开始追赶 | | 同一 Optimizer 每轮 step 两次 | 2次/轮 | 2次/轮 | 按 Optimizer event 而不是 iteration | 当前 PR 不引入 manual 模式或训练循环 callback。上述行为作为已知限制写入 RFC 和测试 结论，不宣称支持任意训练拓扑。 梯度累计按真实 optimizer.step() 计数：多次 backward 后只调用一次 optimizer.step()，只推进一次；grad 全为 None 但 step 正常返回时，仍按一个 Optimizer event 计数。 # 【接口与资料变更】 ## Python API 不新增或修改用户可见 Python API。 ## 环境变量和配置文件 不新增环境变量，不修改动态 Profiler 配置文件 schema。 保留原有： - PROF_CONFIG_PATH； - MSMONITOR_USE_DAEMON； - 兼容的 KINETO_USE_DAEMON。 ## 兼容性 不再为缺少公共 global post-hook 的历史 PT 版本回退到私有 API。公共 hook 契约已经在 PT/PTA 2.13、2.14、2.15真实 NPU 环境验证。 PT main 仅用于核对公共机制的当前实现；PT main 比 PTA 目标兼容线更新，兼容结论以 三版本真实环境为准。 ## 资料 已同步更新 RFC，明确： - 私有 patch 到公共 hook 的迁移； - 原有环境变量保持不变； - O(1) per-optimizer max 公式； - 多 Optimizer 正常语义与交替/替换边界； - Trace 范围不等于训练吞吐； - 最新精简实现没有独立 tracker 类、step mode 和生产 unregister。 # 【功能验证】 ## 1. 单元与契约测试 当前测试覆盖15项： 1. 重复注册幂等； 2. 异类同步双 Optimizer； 3. 同类同步双 Optimizer； 4. 非等频主辅 Optimizer； 5. 单 Optimizer 连续 step； 6. 注册前创建的 Optimizer； 7. 注册后创建的 Optimizer； 8. 无 grad 正常 step； 9. 梯度累计； 10. step 抛异常时不推进； 11. instance post-hook 先于 global post-hook； 12. disabled 时不初始化、不注册； 13. MSMonitor 入口； 14. KINETO 兼容入口与弃用提示； 15. 配置路径校验、初始化和注册。 测试清理直接移除 handle 并清空类状态，没有新增仅供测试使用的生产方法。 ## 2. Ascend 910B2 三版本验证 | 兼容线 | PyTorch | TorchNPU | 公共 hook 契约 | 真实 active Trace | |---|---|---|---|---| | 2.13 | 2.13.0a0+gitfad7424 | 2.13.0+git45fbeae | 通过 | 通过 | | 2.14 | 2.14.0a0+git69231fe | 2.14.0+gitee7bc39 | 通过 | 通过 | | 2.15 | 2.15.0.dev20260812 | 2.15.0+git56986bb | 通过 | 通过 | 场景结果： | 场景 | Optimizer 更新 | dp_step() | iteration 对齐 | |---|---:|---:|---| | single | 18 | 18 | 是 | | sync dual | 36 | 18 | 是 | | uneven 18+6 | 24 | 18 | 是 | | alternating 9+9 | 18 | 9 | 否，已知边界 | | replacement 9+9 | 18 | 9 | 否，已知边界 | 每个场景均生成非空 trace_view.json。 有效 run-id： - compact_active_2_13_20260827_r2； - compact_active_2_14_20260827_r1； - compact_active_2_15_20260827_r1。 2.13首轮与2.15并发使用 host IPC 和相同 rank=-1，发生动态 Profiler 共享状态冲突； 串行重跑通过。该首轮结果不作为代码失败。 NPU 矩阵候选源码 SHA256： ~~~text b0e0387e2ae80b729e3d12e46ed6e3ac78a1345fc694e3853bfed81ff855b076 ~~~ 该快照与最新目标代码的 Optimizer hook 热路径一致，但仍保留受支持环境不可达的 Python 3.8判断。删除该死分支后需要至少补跑最终源码的 lint 和 UT；若合入门槛要求 最终 SHA 的 NPU 可追溯性，再补一轮 smoke run。 ## 3. 性能验证 默认未启用动态 Profiling 时不注册 hook，因此没有新增 callback 开销。 2.15 master 配对完整训练结果： | 场景 | 旧 OPTIMIZER_ID | 修改后 O(1) max | 差值 | |---|---:|---:|---:| | 单 Optimizer，counter-only | 0.640% | 1.007% | +0.367个百分点 | | 同步双 Optimizer，counter-only | 0.732% | 0.833% | +0.101个百分点 | | 单 Optimizer，真实 inactive dp_step() | 9.238% | 9.291% | +0.053个百分点 | | 同步双 Optimizer，真实 inactive dp_step() | 5.159% | 5.127% | -0.032个百分点 | 结论： - tracker-only 完整训练开销约1%； - 加入真实空闲态 dp_step() 后修改前后差异很小； - 旧实现非等频场景调用更少来自少计，不构成有效性能优势； - Trace 中 Operator、Kernel 或时间窗口变化表示采集范围变化，不直接表示吞吐变化； - 删除 Python 3.8死分支后的最终 SHA 尚未重跑完整性能矩阵。 # 【风险说明】 1. 当前算法不支持从任意 Optimizer 序列恢复真实 training iteration； 2. 完全交替、动态替换和同一 Optimizer 一轮多次 step 是明确边界； 3. 当前状态无锁，不声明支持多线程并发 optimizer.step()； 4. 生产代码不提供 hook 注销/重装生命周期； 5. 外部若自行移除保存的 handle，类字段仍非空，不能自动重新注册； 6. 极短 Optimizer step 会放大 WeakKeyDictionary 的相对开销； 7. PT main 的实现细节不能代替目标兼容线验证。 # 【CheckList】 ## 代码 - [x] 删除 PTA 对 _patch_step_function 的赋值 - [x] 删除 PTA 对 _hook_for_profile 的赋值 - [x] 删除类级 optimizer.__class__.step 包装 - [x] 删除 step_wrapper、step_hooked 和 OPTIMIZER_ID - [x] 使用公共 register_optimizer_step_post_hook() - [x] 使用 WeakKeyDictionary，不强引用 Optimizer - [x] max 聚合热路径为 O(1) - [x] 注册幂等 - [x] disabled 时不注册 hook - [x] 不新增用户环境变量或配置 schema - [x] 不新增独立 tracker 类 - [x] 不新增仅供测试的生产接口 - [x] 删除 Python 3.8 Dynolog 死分支 ## 验证 - [x] 单 Optimizer - [x] 同类和异类同步双 Optimizer - [x] 非等频主辅 Optimizer - [x] 注册前/后创建 Optimizer - [x] 梯度累计和无 grad step - [x] step 异常不推进 - [x] instance/global hook 顺序 - [x] 三个原有启用入口 - [x] PT/PTA 2.13、2.14、2.15真实 NPU active Trace - [x] 交替与替换边界已验证并记录 - [x] O(1) 热路径性能已有配对数据 - [ ] 删除 Python 3.8死分支后的最终源码 lint/UT - [ ] 若合入要求最终 SHA 性能门槛，补跑最终源码配对性能 # 【结论】 本 PR 保留 PTA 非侵入式动态 Profiling 功能，消除 PTA 对 PT 私有 Optimizer 方法和 类级 step() 的 monkey-patch。 修改后只在原有环境变量真正启用动态 Profiling 时注册 PT 公共 global post-hook； 通过已有 _NonIntrusiveProfile 中的最小弱引用状态，以 O(1) per-optimizer max 语义推进 dp_step()。默认训练不增加 callback，同步多 Optimizer和非等频主辅场景 不再依赖最后创建的 Optimizer。 方案不新增用户配置，也不声称解决任意训练循环 iteration 识别。交替、动态替换和同一 Optimizer 多次更新作为明确边界保留。 See merge request: Ascend/pytorch!44890 | 4 天前 | |
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 | |
[master][bugfix]cann and pta header mixing bulid bugfix Co-authored-by: Dring<17737727613@163.com> # message auto-generated for no-merge-commit merge: !44990 merge master into master [master][bugfix]cann and pta header mixing bulid bugfix 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/3991 - [✕ ] 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） 问题现象： PTA 26.1.0 仓库中的 third_party/acl 头文件来自 CANN 9.1.0，而编译环境安装的是 CANN 9.0.0。当同一个编译单元同时包含两套版本的 ACL 头文件时，会出现类似以下错误：aclmdlRITask 未声明、未定义或类型不匹配 aclmdlRITask 是 CANN 9.1.0 头文件所依赖的定义，但 CANN 9.0.0 对应头文件中不存在该定义或定义不兼容。 根因分析： 1 当前头文件查找路径不统一：PTA 源码中大量使用以下写法 #include "third_party/acl/inc/acl/acl_mdl.h" 因为编译命令中包含 PTA 项目根目录，这种写法会直接命中 PTA 26.1.0 仓库内由 CANN 9.1.0 导入的头文件：torch_npu/third_party/acl/inc/acl/acl_mdl.h 但该头文件内部使用的是标准 SDK 相对路径：#include "acl/acl_base.h" 编译器无法相对 acl_mdl.h 所在目录找到 acl/acl_base.h，因此转而按照全部 -I 目录依次搜索。如果 CANN 9.0.0 的 include 路径排在 PTA 内置 ACL 路径前面，就会命中：CANN-9.0.0/include/acl/acl_base.h 同一个翻译单元最终形成： acl_mdl.h -> PTA third_party 中的 CANN 9.1.0 版本 acl_base.h -> 环境 CANN 9.0.0 版本 这是一种“首层头文件由源码路径固定版本、传递头文件由 -I 顺序选择版本”的混合查找模式。 2 问题不局限于 acl_mdl.h 同样风险存在于所有能够继续 include 其他 CANN 头文件的入口，包括： acl/... aml/... profiling/... graph/... ge/... op_proto/... 因此不能只修复出现错误的某一个头文件，也不能只替换 acl_mdl.h。必须统一整个 CANN 头文件族的查找规则。 修改目标： 修改后需要满足 源码不再包含 third_party/acl/inc/... 这种仓库物理路径。 ACL、AML、profiling 等头文件全部通过统一 include root 查找。 一个编译 target 对 CANN 头文件只选择一套版本。 CANN 9.0.0 环境构建时，首层和传递头文件必须全部命中 CANN 9.0.0。 使用 PTA 内置头文件构建时，首层和传递头文件必须全部命中 PTA 内置的同一套版本。 wheel、libtorch_npu、C++ Extension 和 Inductor/AOT 使用同一目录契约 修改方案： 1、代码中使用 PTA 内置 ACL 头文件的地方，删除 third_party/acl/inc/ 物理路径前缀，统一改成从 include root 查找 2、打包或安装时，把 third_party/acl/inc 下需要公开的目录按原相对结构复制到安装产物的公共 include 根目录 # 【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 cann 9.0.0 + pta 26.1.0的vllm-ascend安装验证成功  # 【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!44990 | 10 天前 | |
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 | 26 天前 | |
[fix]: 支持按版本装饰器过滤测试用例 Co-authored-by: thickhair<zp2165064878@163.com> # message auto-generated for no-merge-commit merge: !45273 merge one-track_master into master [fix]: 支持按版本装饰器过滤测试用例 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/4365 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 - 修改 CI 入口脚本，无 --between_version 时过滤掉带版本装饰器的文件，仅保留通用测试用例 - 更新 version_filter 逻辑：版本化任务仅运行匹配版本范围的测试文件，非版本化任务仅运行无装饰器的文件 # 【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” # 【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】  # 【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!45273 | 11 天前 | |
docs: 修复文档 markdownlint 扫描问题 Co-authored-by: Xinrui Chen<chenxinrui11@huawei.com> # message auto-generated for no-merge-commit merge: !45683 merge codex/fix-markdownlint-docs into master docs: 修复文档 markdownlint 扫描问题 Created-by: chenrayray Commit-by: Xinrui Chen 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：#4529 - [ ] 重构优化 - [x] 资料更新 # 【修改方案】 1. 调整文档标题层级及标题前后的空行。 2. 为围栏代码块补充语言标识，并补齐代码块前后的空行。 3. 修复列表间距、标题末尾标点、多余空行及文件末尾换行问题。 4. 本次仅修改 Markdown 排版，不改变文档语义。 # 【资料变更】 涉及资料变更，修改以下文档： - test/README.md - tools/flight_recorder/flight_recorder.md - examples/libtorch_hccl/README_HCCL.md - torch_npu/csrc/libs/README.md - tools/linter/adapters/README.md # 【接口变更】 不涉及。 # 【功能验证】 1. 执行 git diff --check，检查通过。 2. 文档门禁中的 markdownlint、链接有效性、资源存在性及标签闭合检查均已通过。 3. 本次为纯文档格式修复，不涉及 UT 用例变更。 # 【CheckList】 - [x] 代码注释完备，正确记录错误日志（不涉及代码变更） - [x] 代码实现进行了返回值、空指针等校验（不涉及代码变更） - [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!45683 | 3 天前 | |
| 1 年前 | ||
| 1 年前 | ||
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 | |
[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 | |
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 | |
| 2 年前 | ||
Release 2.14.0 Co-authored-by: wuyouqi1<wuyouqi1@h-partners.com> # message auto-generated for no-merge-commit merge: !45390 merge feat/v2.14.0-release into master Release 2.14.0 Created-by: wuyouqi1 Commit-by: wuyouqi1 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/1923 - [ ] 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） 社区演进和版本升级，参考 !40367（Release 2.13.0），进行 2.14 切分支与出包适配，依赖切换至 torch 2.14.0（stable whl/cpu），并预置 2.15 开发线 requirements 轮转。 # 【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" 涉及：SUPPORT.md / SUPPORT.en.md、SECURITYNOTE.md 版本信息随本 PR 同步更新 # 【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 bash ci/build.sh --python=3.10 --torch=2.14.0 版本校验通过；torch 2.14.0+cpu / torchvision 0.29.0+cpu 已在 whl/cpu stable 通道确认可获取。 # 【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!45390 | 3 天前 | |
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 | |
Release 2.14.0 Co-authored-by: wuyouqi1<wuyouqi1@h-partners.com> # message auto-generated for no-merge-commit merge: !45390 merge feat/v2.14.0-release into master Release 2.14.0 Created-by: wuyouqi1 Commit-by: wuyouqi1 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/1923 - [ ] 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） 社区演进和版本升级，参考 !40367（Release 2.13.0），进行 2.14 切分支与出包适配，依赖切换至 torch 2.14.0（stable whl/cpu），并预置 2.15 开发线 requirements 轮转。 # 【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" 涉及：SUPPORT.md / SUPPORT.en.md、SECURITYNOTE.md 版本信息随本 PR 同步更新 # 【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 bash ci/build.sh --python=3.10 --torch=2.14.0 版本校验通过；torch 2.14.0+cpu / torchvision 0.29.0+cpu 已在 whl/cpu stable 通道确认可获取。 # 【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!45390 | 3 天前 | |
| 2 年前 | ||
| 1 年前 | ||
[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 | |
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 | 25 天前 | |
test: add NPU tests for torch._higher_order_ops.auto_functionalized Co-authored-by: gcw_fiAo4tDr<iqueenqueen@163.com> # message auto-generated for no-merge-commit merge: !45073 merge test-auto-functionalized-master into master test: add NPU tests for torch._higher_order_ops.auto_functionalized Created-by: gcw_fiAo4tDr Commit-by: gcw_fiAo4tDr Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 关联任务：[#2701 【社区任务】7月社区任务第一期-Ascend for PyTorch API 一致性开发（78）](https://gitcode.com/Ascend/pytorch/issues/2701) - [ ] 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 text torch._higher_order_ops.auto_functionalized(_mutable_op, **kwargs) 用于把带可变参数的自定义算子转换为函数式调用，核心能力如下： 调用签名 torch._higher_order_ops.auto_functionalized(_mutable_op, **kwargs) 参数说明 _mutable_op（torch._ops.OpOverload，必选）：需要进行函数式转换的可变自定义算子重载。该算子的 schema 必须包含至少一个带写别名的可变参数；当前支持的可变参数类型为 Tensor、Tensor? 和 Tensor[]。 **kwargs（Any，必选项由 _mutable_op 的 schema 动态决定）：传给 _mutable_op 的实际参数，键名、类型、默认值以及哪些参数可变均由 _mutable_op 的 schema 定义。例如 schema 为 mutate_and_sum(Tensor(a!) mutable, Tensor increment) -> Tensor 时，应传入 mutable=<Tensor> 和 increment=<Tensor>。 返回值说明 返回扁平 tuple：先放置 _mutable_op 的原始输出，再按 schema 参数顺序追加所有更新后的可变参数克隆。若原算子无返回值，首项为 None；若原算子有多个输出，则多个输出依次位于更新后的可变参数之前。 内部参数说明 源码执行实现中的 _only_clone_these_tensors 是内部派发优化参数，不属于调用者需要提供的 API 参数。 1. 可变参数识别 根据自定义算子的 schema 和 alias information，识别带写别名的 Tensor、Tensor? 和 Tensor[] 参数。 2. 函数式克隆 在执行算子前克隆可变参数，并让算子只修改克隆，保证调用者传入的原始张量不被原地修改。 3. 结果组织 先返回原算子的输出，再按 schema 中可变参数的顺序返回更新后的克隆；无原始输出的算子以 None 作为首个返回值。 4. 设备和存储语义 克隆及算子输出应保持输入所在设备，同时更新后的克隆应与原输入具有独立存储。 5. 错误边界 传入没有可变参数的算子不符合该高阶算子的使用前提，应触发断言异常。 二、测试文件 test_auto_functionalized.py 完整验证该 API 的原因 text 该测试文件从导出路径、核心功能、参数类型、返回协议、设备/存储语义和异常边界六个维度验证 torch._higher_order_ops.auto_functionalized： 1. 导出路径验证 test_reexported_object_is_identical：验证 torch._higher_order_ops.auto_functionalized 与实现模块中的 auto_functionalized 为同一对象，确保任务指定导出路径正确。 2. 单个可变 Tensor 核心功能 test_mutable_tensor_is_cloned_and_returned_on_device：验证原输入不变、克隆被正确更新、算子输出正确、输出和克隆保持 NPU 设备，并通过 data_ptr 验证克隆与原输入存储独立。 3. 可变 Tensor[] 分支 test_mutable_tensor_list_is_cloned_on_device：同时覆盖空列表与非空列表，验证列表元素逐一克隆、逐一更新、保持设备且不污染源列表。 4. 多输出与多可变参数 test_multiple_outputs_precede_mutable_tensors：验证两个算子输出位于两个更新后可变参数之前，并验证每个参数各自执行正确的原地语义。 5. 可变 Tensor? 分支 test_optional_mutable_tensor_supports_none_and_tensor：覆盖 None 与非空张量，验证可选可变参数的两条核心路径。 6. 非法使用边界 test_non_mutating_operator_is_rejected：验证无可变参数算子触发 AssertionError，明确 API 使用边界。 7. 社区覆盖补充 PyTorch 的 test/inductor/test_auto_functionalize.py 主要覆盖内部 functionalization/Inductor 路径并使用 CPU-only 自定义算子；本文件直接调用任务指定导出对象，并补充真实 NPU 的设备保持和克隆存储独立性验证。 综上，该文件覆盖正常场景、空值/空列表边界、多参数多输出、异常路径以及真实 NPU 语义，可完整看护本 API 的关键行为。 三、NPU适配 text 1. 真实 NPU 张量 测试通过 torch.accelerator.current_accelerator() 获取当前加速器类型，并用该设备创建所有参与计算的 Tensor；NPU 环境下 DEVICE_TYPE 为 npu。 2. NPU 算子执行 测试自定义算子注册为 CompositeExplicitAutograd，实现中的 add_、mul_、sum 等张量运算由 torch_npu 注册的 NPU 后端执行，更新结果及算子输出均保留在 npu:0。 3. 设备与存储断言 用例显式断言结果和更新后克隆的 device.type，并使用 data_ptr 验证克隆与 NPU 原输入存储独立，防止只验证数值而遗漏设备语义。 4. 防止 CPU 回退 上板运行器显式导入 torch_npu，要求 torch.npu.is_available() 为 True，并先创建 device='npu' 的冒烟张量、断言其设备为 npu:0，再执行原测试文件；CPU fallback 无法得到所附成功日志。 5. Triton-Ascend 依赖 本用例直接验证 eager 高阶算子和基础 NPU 张量操作，不进入 torch.compile/Inductor/Triton 代码生成路径，因此不需要安装 Triton-Ascend。 # 【资料变更】 > > 不涉及 已检查 [master 分支 docs/zh/api/native_api](https://gitcode.com/Ascend/pytorch/tree/master/docs/zh/api/native_api)。torch._higher_order_ops.auto_functionalized 位于带下划线的 PyTorch 私有接口命名空间，没有对应公开资料条目；按 API 一致性任务书，PyTorch 私有接口无需补资料，因此不提交资料 PR。 # 【接口变更】 > 不涉及 API 已存在，本 PR 只新增 test/test_auto_functionalized.py，不修改接口实现、schema 或对外行为。 # 【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 测试场景：在 Ascend 910B2 上注册包含 Tensor、Tensor[]、Tensor?、多个可变参数和多个返回值的自定义算子，直接调用 torch._higher_order_ops.auto_functionalized，验证正常、边界和异常场景。 测试方法：使用独立虚拟环境，先完成 NPU 可用性及 npu:0 冒烟检查，再执行新增测试文件。上传文件与本地文件 SHA-256 均为 53e99c73593ff5932420270cec9b663d15fdbab32eb4891f7029dec0ad8e7678。 目标分支：master 源分支：gcw_fiAo4tDr/pytorch:test-auto-functionalized-master 已验证提交：61f2b43ebc1af1100d1624c8ff19900be6946f26 验证环境：aarch64、Ascend 910B2（Health OK）、Driver/npu-smi 25.5.2、CANN 9.1.0、Python 3.12.13。master 使用 torch==2.14.0.dev20260719+cpu，并从上述提交源码构建安装 torch_npu==2.14.0+git61f2b43。 执行结果如下： text Virtual environment: /workspace/venvs/master torch: 2.14.0.dev20260719+cpu torch_npu: 2.14.0+git61f2b43 accelerator: npu npu_available: True npu_name: Ascend910B2 smoke_device: npu:0 ...... ---------------------------------------------------------------------- Ran 6 tests in 1.008s 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!45073 | 3 天前 | |
[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 | |
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 | |
| 1 年前 | ||
[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 | |
【API一致性任务】test: add consistency validation cases for torch.BoolStorage / torch_npu.npu.BoolStorage (#2955) Co-authored-by: luoxiaoyan2024<luoxiaoyan202516@gmail.com> # message auto-generated for no-merge-commit merge: !42263 merge devin/api-2955-master into master 【API一致性任务】test: add consistency validation cases for torch.BoolStorage / torch_npu.npu.BoolStorage (#2955) 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/2955 # 【修改方案】 一、API 功能说明 torch.BoolStorage 是 PyTorch 的布尔类型存储类（TypedStorage 子类），核心功能如下： - 承载布尔型张量的底层存储：以 torch.bool 为元素类型，提供按索引读写、填充、转为张量等存储语义。 - 配套 NPU 类型：torch_npu.npu.BoolStorage 是昇腾 NPU 上的布尔存储类，用于 NPU 张量的底层存储；NPU 布尔张量的 .storage() 即返回该类型实例。 - 标准 storage 类：与 torch.IntStorage / torch.FloatStorage 等同族，是 PyTorch 原生 API，非 torch_npu 私有扩展。 二、测试文件 test_bool_storage.py 完整验证该 API 的原因 该用例针对 torch.BoolStorage 与 torch_npu.npu.BoolStorage 两类存储类，从构造、索引、填充、类型/大小、设备一致性四个维度全覆盖验证，具体如下： 1. 对 CPU 类 torch.BoolStorage 的验证（test_cpu_bool_storage_basic / _from_sequence / _empty / _out_of_bounds） - 构造与索引：以 torch.BoolStorage(3) 构造并逐个 setitem/getitem，确认 tolist() 与预期一致、与社区行为一致。 - 元信息：size()==3、element_size()==1（与 torch.BoolStorage().element_size() 上游预期一致）。 - 填充与往返：fill_(False) 后 tolist() 全 False，并经 torch.BoolTensor(s) 往返确认 dtype==torch.bool、值一致。 2. 对 NPU 类 torch_npu.npu.BoolStorage 的验证（test_npu_bool_storage_basic / _from_sequence / _empty / _out_of_bounds / test_npu_tensor_storage_consistency） - 存在性：断言 torch_npu.npu.BoolStorage 在 NPU 上已注册。 - 构造与索引：以 torch_npu.npu.BoolStorage(4) 构造并索引，确认 tolist() / dtype==torch.bool / element_size()==1 / size()==4。 - 填充：fill_(True) 后 tolist() 全 True。 - 设备一致性：构造一个 NPU 布尔张量并断言其 .storage() 是 torch_npu.npu.BoolStorage 实例、dtype==torch.bool、tolist() 与张量一致。 3. 边界与语义 - 本用例不尝试用 NPU storage 构造 CPU 张量（现代 PyTorch 设备语义禁止，属预期），仅对 NPU storage 直接操作或经 NPU 张量 .storage() 取，符合规范。 综上，该文件覆盖了 BoolStorage 存储类在 NPU 上的「正常场景 + 索引边界 + 元信息 + 设备一致性」，是对该存储类在 NPU 上行为的完整且严谨的验证。 三、NPU 适配 torch.BoolStorage 与 torch_npu.npu.BoolStorage 适配昇腾 NPU 时无需修改 API 本身，具体分析： 1. 标准 storage 类，逻辑与硬件解耦 - element_size()、tolist()、fill_()、索引等均为通用存储语义，无论 CPU/GPU/NPU 调用结果一致，无设备特化分支。 2. 配套 NPU 类型已具备 - torch_npu.npu.BoolStorage 已在 torch_npu 中注册，NPU 布尔张量的存储即其实例，无需新增绑定。 3. 本用例仅做一致性看护 - 用例不改写任何全局状态，仅验证存储类行为在 NPU 上与社区一致，可直接复用。 # 【资料变更】 > 不涉及 已检查文档 [https://gitcode.com/Ascend/pytorch/tree/master/docs/zh/native_apis](https://gitcode.com/Ascend/pytorch/tree/v2.7.1/docs/zh/native_apis)，torch.BoolStorage 为标准 storage 类、非私有接口、非缺失 API，依据 API 一致性说明文档 §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 在 Ascend 910B NPU 环境、torch 2.7.1 / 2.11.0 / 2.12.0 / master（nightly）+ 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) python test/test_bool_storage.py -v Ran 9 tests in 1.2s OK # torch 2.12.0 / torch_npu 2.12.0.rc1 (Ascend 910B) python test/test_bool_storage.py -v Ran 9 tests in 1.2s OK 其余 2 个版本（2.11.0 / master）执行结果一致，均输出 Ran 9 tests ... OK。 用例共包含 9 个测试方法：CPU 侧 test_cpu_bool_storage_basic / test_cpu_bool_storage_from_sequence / test_cpu_bool_storage_empty / test_cpu_bool_storage_out_of_bounds；NPU 侧 test_npu_bool_storage_basic / test_npu_bool_storage_from_sequence / test_npu_bool_storage_empty / test_npu_bool_storage_out_of_bounds / test_npu_tensor_storage_consistency。 # 【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!42263 | 24 天前 | |
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 | |
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 | |
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 | |
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 | |
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 | 25 天前 | |
| 2 年前 | ||
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 | 1 个月前 | |
【API一致性任务】test: add NPU coverage for torch._utils._get_device_index Co-authored-by: liujiacheng_2026<laneljc@qq.com> # message auto-generated for no-merge-commit merge: !44066 merge test-get-device-index-master into master 【API一致性任务】test: add NPU coverage for torch._utils._get_device_index Created-by: liujiacheng_2026 Commit-by: liujiacheng_2026 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/2926 - [ ] 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 torch._utils._get_device_index(device, optional=False, allow_cpu=False) 是 PyTorch 私有设备解析工具。它接受设备字符串、torch.device、Python 整数或 None：显式设备索引返回对应整数；optional=True 时，None 或无显式索引的设备返回当前设备索引；allow_cpu=True 时 CPU 设备返回 -1。 ## 二、PyTorch 社区用例情况与新增必要性 PyTorch main 在 test/test_extension_utils.py::TestExtensionUtils::test_external_module_register_with_renamed_backend（源码第 66-87 行）和 test/test_rename_privateuse1_to_existing_device.py::TestRenamePrivateuseoneToExistingBackend::test_external_module_register_with_existing_backend（源码第 37-58 行）中直接断言了 _get_device_index 的显式设备索引： python self.assertEqual(torch._utils._get_device_index("foo:1"), 1) self.assertEqual(torch._utils._get_device_index(torch.device("foo:2")), 2) self.assertEqual(torch._utils._get_device_index("maia:1"), 1) self.assertEqual(torch._utils._get_device_index(torch.device("maia:2")), 2) 现有社区用例只验证了显式设备字符串和 torch.device，没有覆盖 Python 整数、None、无显式索引设备、optional 参数、allow_cpu 参数以及非法输入异常路径。上述断言不能完整验证目标 API 的输入类型、默认行为和边界条件，因此本 PR 在 torch-npu test 目录新增独立、可扩展的 NPU 测试文件： text test/test_extension_utils.py::TestExtensionUtilsAPIs::test_get_device_index 新增用例覆盖 NPU 字符串、torch.device、整数、None、无显式索引 NPU device、optional=False/True、CPU 的 allow_cpu=False/True 以及非法输入异常路径。用例不导入 torch_npu，不创建 Tensor，不修改 API 实现。 # 【资料变更】 无资料文件变更。torch._utils._get_device_index 是 PyTorch 私有接口，按照任务规范无需补充资料。 # 【接口变更】 无客户可见接口变更，仅新增直接测试。 # 【功能验证】 验证环境：Ascend910B4。 bash python test/test_extension_utils.py -v text test_get_device_index (__main__.TestExtensionUtilsAPIs.test_get_device_index) ... ok ---------------------------------------------------------------------- Ran 1 test in 0.582s OK 新增用例直接验证 torch._utils._get_device_index 在 NPU 环境下的返回值和异常路径。 # 【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!44066 | 17 天前 | |
[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 | |
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：torch.utils._foreach_utils._device_has_foreach_support is a private, hardware-dependent API. Upstream test cases do not cover some core scenarios, so new test case files need to be added. Co-authored-by: xin0366<919112805@qq.com> # message auto-generated for no-merge-commit merge: !44684 merge test_device_has_foreach_support_master into master test：torch.utils._foreach_utils._device_has_foreach_support is a private, hardware-dependent API. Upstream test cases do not cover some core scenarios, so new test case files need to be added. Created-by: xin0366 Commit-by: xin0366 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <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链接地址：https://gitcode.com/Ascend/pytorch/issues/4054 - [ ] 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） 新增 test/test_foreach_utils.py，为私有 foreach 设备支持判定补充直接测试。 | 测试用例 | 验证场景 | | --- | --- | | test_supported_device_types | 分别传入 CPU、CUDA、XPU 和当前 PrivateUse1 后端的 torch.device，验证支持设备均返回 True。 | | test_current_accelerator_and_device_index | 使用当前 accelerator 的设备类型及索引为 0 的设备，覆盖位置参数和关键字参数调用并验证返回 True。 | | test_unsupported_device_types | 传入 Meta 和 MPS 设备，验证不在 foreach 支持集合中的设备返回 False。 | | test_torchscript_disables_foreach_support | 模拟 TorchScript scripting 状态，验证所有原本支持的设备均返回 False。 | | test_invalid_device_types | 传入 None、字符串、整数和列表，验证缺少 device.type 的非法输入触发 AttributeError。 | | test_invalid_argument_count | 覆盖不传必填参数和传入多余参数的调用，验证触发 TypeError。 | **测试内容：** 测试覆盖全部支持设备类别、代表性非支持设备、当前 NPU accelerator 与设备索引、TorchScript 条件分支、位置与关键字调用方式、非法输入类型以及参数个数边界。该 API 只接收 torch.device，因此测试通过当前 accelerator 获取 NPU 设备类型，不构造与接口无关的张量。 **新增原因及必要性：** PyTorch 社区现有 8 个用例仅通过 FSDP、clip_grad_* 和梯度缩放流程提供间接覆盖，没有直接验证该接口的返回值；PrivateUse1/NPU 路径、完整设备支持集合、TorchScript 禁用逻辑和异常输入仍缺少回归保护。新增测试用例可验证 TorchNPU 环境下接口行为与 PyTorch 实现保持一致。 # 【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” 结论：不涉及。 该 API 属于 PyTorch 私有工具接口，不属于 TorchNPU 对外 API 资料范围；当前资料映射没有独立版本目录，本次资料检查不覆盖该目录，同时适配内容仅新增测试。 # 【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” 结论：不涉及。 适配内容仅新增 test/test_foreach_utils.py，未修改 API 实现、函数声明、设备注册、跨仓依赖或客户可见行为，因此不涉及接口变更。 # 【功能验证】 执行命令： bash python test_foreach_utils.py -v 结果： ``text W0815 13:07:26.568000 360887 <absolute-path>/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_current_accelerator_and_device_index (__main__.TestForeachUtils.test_current_accelerator_and_device_index) ... ok test_invalid_argument_count (__main__.TestForeachUtils.test_invalid_argument_count) ... ok test_invalid_device_types (__main__.TestForeachUtils.test_invalid_device_types) ... ok test_supported_device_types (__main__.TestForeachUtils.test_supported_device_types) ... ok test_torchscript_disables_foreach_support (__main__.TestForeachUtils.test_torchscript_disables_foreach_support) ... ok test_unsupported_device_types (__main__.TestForeachUtils.test_unsupported_device_types) ... ok ---------------------------------------------------------------------- Ran 6 tests in 0.029s 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!44684 | 4 天前 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
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  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  ### _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**:  ## 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**  ## 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 | |
| 2 年前 | ||
test(fx): add graph_module internal API alignment test cases [master] Co-authored-by: zkx_<1193581972@qq.com> # message auto-generated for no-merge-commit merge: !43641 merge test/fx-graph-module-2485-master into master test(fx): add graph_module internal API alignment test cases [master] Created-by: zhangkx888 Commit-by: zkx_ 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/3639** # 【修改方案】 > 为 Issue #3639 新增 torch.fx.graph_module 内部私有 API 的 NPU 一致性验证用例。PyTorch 官方社区无针对这些私有 API 的专门测试用例，因此自写用例提交到 test 目录（场景 1.3）。 一、API功能 1. torch.fx.graph_module._exec_with_source：编译并执行 Python 源码字符串，通过 exec(compile(...)) 与 _EvalCacheLoader 维护源码缓存。 2. torch.fx.graph_module._forward_from_src：从源码中提取 forward 函数，GraphModule.recompile() 依赖此接口动态生成 forward 方法。 3. torch.fx.graph_module._CodeOnlyModule：GraphModule 反序列化的轻量载体，通过 self.__dict__ = body 注入属性。 4. torch.fx.graph_module._copy_attr：反序列化时模块间属性迁移，自动区分 Tensor→register_buffer、Parameter/其他→setattr，支持嵌套路径。 5. torch.fx.graph_module._WrappedCall：__call__ 错误诊断增强包装器，异常时生成含源码行定位的错误信息。 二、测试用例完备性说明 PyTorch 官方社区未对这 5 个 _ 前缀私有 API 提供专门测试用例（在 torch 源码 test/ 目录全文检索各 API 短名称均无命中），社区验证不充分，故新增 test/test_fx_graph_module_npu.py： 1. _exec_with_source：test_exec_with_source_basic（单行赋值）、test_exec_with_source_multiple（多行多变量） 2. _forward_from_src：test_forward_from_src_basic（forward 提取与调用）、test_forward_from_src_with_imports（含 import 与 torch.relu 的头文件） 3. _CodeOnlyModule：test_code_only_module_basic（属性注入）、test_code_only_module_empty（空 body 边界） 4. _copy_attr：test_copy_attr_tensor（buffer 复制）、test_copy_attr_parameter（Parameter setattr 路径）、test_copy_attr_nested（嵌套路径递归创建）、test_copy_attr_npu_tensor（NPU 张量设备保留） 5. _WrappedCall：test_wrapped_call_basic（super().__call__ 透传）、test_wrapped_call_with_cls_call（cls_call 路径） 6. 新增异常/边界用例：_exec_with_source 非法源码与无效命名空间、_forward_from_src 缺失 forward 源码、 _copy_attr 缺失属性与已存在父模块、_WrappedCall 异常诊断路径，验证各 API 的关键失败分支。 6. 新增 co_fields 用例：_exec_with_source_co_fields、_forward_from_src_co_fields，验证传入 co_fields（co_filename/co_firstlineno/co_name）时 generate 代码仍正确执行，且缓存 key 保留预期的 code-object 字段标识。 覆盖正常场景 + 边界场景（空 body/异常入参）+ 设备迁移场景（NPU 张量），共 20个用例。 三、NPU适配 3.1 API适配：无需修改。5 个 API 均为纯 Python 框架层逻辑（exec/compile、字典/字符串操作、traceback 格式化、Module 属性复制），与底层硬件完全解耦，无 CUDA/NPU 特有代码路径，API 层面无需任何修改即可在 NPU 环境正常运行。 3.2 测试用例适配：新增用例在 import 后添加设备获取命令 device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu"，全部张量通过 .to(device_type) 运行在 NPU 上（CPU 环境回落 cpu）。 # 【资料变更】 > 已检查文档，https://gitcode.com/Ascend/pytorch/tree/master/docs/zh/api/native_api 下各版本目录的 API 支持清单。 > 这 5 个 API 均为 torch.fx.graph_module 内部私有函数（_ 前缀），属于 PyTorch 私有接口，按规则私有接口不需要补充资料，docs 无需变更，不需要提交 PR 修改资料。 # 【接口变更】 > 不涉及 # 【功能验证】 > 在 master 对应 torch 版本环境执行新增测试文件，20个用例全部通过。 $ python3 test/test_fx_graph_module_npu.py ............ ---------------------------------------------------------------------- Ran 20 tests in 1.846s 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!43641 | 22 天前 | |
test(fx): add Interpreter internal API test cases for NPU [master] Co-authored-by: zkx_<1193581972@qq.com> # message auto-generated for no-merge-commit merge: !43912 merge test-fx-interpreter-master into master test(fx): add Interpreter internal API test cases for NPU [master] Created-by: zhangkx888 Commit-by: zkx_ 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/3763** > **请勿携带内部流程信息（需求链接、问题单、内部issue等）** - [ ] 问题单 # 【修改方案】 > 新增 torch.fx.Interpreter 内部方法（boxed_run/fetch_attr/map_nodes_to_values/fetch_args_kwargs_from_env）的 NPU 一致性验证自写用例。 一、API功能 1. torch.fx.Interpreter.boxed_run：以 "boxed" 调用约定执行模块，接收参数列表（会被清空），与 run() 等价但参数传递方式不同。 2. torch.fx.Interpreter.fetch_attr：按属性路径从模块中获取属性（Parameter/子模块等）。 3. torch.fx.Interpreter.map_nodes_to_values：将 Node 参数映射为具体值（张量等）。 4. torch.fx.Interpreter.fetch_args_kwargs_from_env：从执行环境（env）中取出节点的位置参数和关键字参数。 二、测试用例完备性说明 PyTorch 官方社区未对这 4 个内部方法提供专门直接测试用例（仅在 test_interpreter 族中通过 run() 间接调用）， 社区对内部方法的直接验证不充分，故新增 test/test_fx_interpreter_npu.py 直接验证： 1. boxed_run：test_boxed_run_basic（执行结果正确）、test_boxed_run_clears_args（参数列表被清空） 2. fetch_attr：test_fetch_attr_parameter（获取 Parameter）、test_fetch_attr_submodule（获取子模块） 3. map_nodes_to_values：test_map_nodes_to_values_args（位置参数映射）、test_map_nodes_to_values_kwargs（关键字参数映射） 4. fetch_args_kwargs_from_env：test_fetch_args_kwargs_from_env（位置参数）、test_fetch_args_kwargs_from_env_non_empty_kwargs（非空关键字参数，验证 kwargs 正确映射） 覆盖正常场景 + 参数清空边界场景，共 8 个用例。Interpreter 主体及其余方法（run/run_node/placeholder/get_attr/call_function/call_method/call_module/output） 已由官方 test_fx.py.patch 完整覆盖，本文件仅补充官方缺失的直接用例。 三、NPU适配 3.1 API适配：无需修改。4 个方法均为纯框架层图解释逻辑，与底层硬件解耦。 3.2 测试用例适配：新增用例在 import 后添加设备获取命令 device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu"， 全部张量通过 .to(device_type) 运行在 NPU 上（CPU 环境回落 cpu）。 # 【资料变更】 > 不涉及 已检查文档，https://gitcode.com/Ascend/pytorch/tree/master/docs/zh/api/native_api 下各版本目录 torch-fx.md 中， torch.fx.Interpreter 及其方法已列出（boxed_run 条目已通过 PR #43908 补充），不需要本 PR 修改资料。 # 【接口变更】 > 不涉及 # 【功能验证】 > 在 master 对应 torch 版本环境执行新增测试文件，8 个用例全部通过。 $ python3 test/test_fx_interpreter_npu.py ....... ---------------------------------------------------------------------- Ran 8 tests in 2.112s OK > 验证日志说明：本机 NPU 环境实测 8 tests 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!43912 | 22 天前 | |
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 | |
| 2 年前 | ||
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：  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 | |
| 2 年前 | ||
[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 | |
[master] test: add test cases for torch.is_conj Co-authored-by: huowentan<3294682143@qq.com> # message auto-generated for no-merge-commit merge: !42893 merge api-is-conj-master into master [master] test: add test cases for torch.is_conj Created-by: 2501_93637465 Commit-by: huowentan Merged-by: ascend-robot Description: # 【合入来源】 任务来源：https://gitcode.com/Ascend/pytorch/issues/3263 关联 Issue：https://gitcode.com/Ascend/pytorch/issues/3263 Fixes #3263 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 API： torch.is_conj 目标分支：master # 【修改方案】 经检索，PyTorch 社区现有用例缺少对 torch.is_conj 的独立、充分验证， 因此新增测试文件： test/test_is_conj.py 测试覆盖： - 普通 Tensor 的 conjugate bit 状态； - 复数 Tensor 执行 conj() 后的状态； - conj_physical() 物理共轭行为； - 连续执行两次 conj()； - complex64、complex128、float32、float64 和 int32； - 一维、二维、三维、标量和空 Tensor； - 连续与非连续 Tensor； - view、slice 和 transpose 后 conjugate bit 的保持情况； - torch.is_conj(t) 与 t.is_conj() 的结果一致性。 测试通过 torch.accelerator.current_accelerator() 获取当前加速设备， 并将测试 Tensor 迁移到对应设备，覆盖昇腾 NPU 场景。测试不直接导入 torch_npu。 # 【资料变更】 已检查以下原生 API 支持资料： - PyTorch 2.7.1 - PyTorch 2.9.0 - PyTorch 2.10.0 - PyTorch 2.11.0 - PyTorch 2.12.0 上述资料均已包含 torch.is_conj，因此无需新增资料 PR。 # 【接口变更】 不涉及接口定义或算子实现变更，仅新增 NPU API 一致性测试。 # 【功能验证】 | 测试项 | 结果 | | --- | --- | | test/test_is_conj.py | PASS | | 19 个测试用例 | PASS | | NPU Tensor 功能验证 | PASS | | torch.is_conj(t) 与 t.is_conj() 一致性 | PASS | | python -m py_compile | PASS | | git diff --check | PASS | | PR CI 流水线 | PASS | 测试结果： text ---------------------------------------------------------------------- Ran 19 tests OK # 【CheckList】 - [x] 使用完整 API 名称 - [x] 新增文件包含 Huawei copyright - [x] 新增文件包含模块 docstring - [x] Tensor 测试运行在 NPU - [x] 使用 TestCase、run_tests 和 self.assert* - [x] 不包含 print、try-except 或 import torch_npu - [x] 当前分支仅包含一个提交 - [x] CLA 和 CI 检查通过 See merge request: Ascend/pytorch!42893 | 19 天前 | |
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):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 | |
| 2 年前 | ||
[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 | |
| 2 年前 | ||
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 | 28 天前 | |
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(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(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 | |
| 1 年前 | ||
【API一致性任务】test: add NPU coverage for torch.utils.model_zoo.load_url Co-authored-by: liujiacheng_2026<laneljc@qq.com> # message auto-generated for no-merge-commit merge: !44752 merge test-model-zoo-load-url-master into master 【API一致性任务】test: add NPU coverage for torch.utils.model_zoo.load_url Created-by: liujiacheng_2026 Commit-by: liujiacheng_2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 https://gitcode.com/Ascend/pytorch-ecosystem/issues/93 - [ ] 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 torch.utils.model_zoo.load_url(url, model_dir=None, map_location=None, progress=True, check_hash=False, file_name=None, weights_only=False) 是 torch.hub.load_state_dict_from_url 的兼容别名，用于下载或复用缓存中的 checkpoint，并通过 torch.load 返回反序列化对象。参数控制缓存目录、设备映射、进度显示、SHA256 校验、缓存文件名和安全权重加载。 ## 二、PyTorch 社区用例情况与新增必要性 PyTorch main 在 test/test_hub.py::TestHub::test_load_state_dict_from_url（源码第 142-159 行）中验证了默认下载、file_name 和 weights_only=True。现有社区用例没有直接调用 torch.utils.model_zoo.load_url，也没有覆盖 model_dir、map_location、progress、check_hash 以及缓存命中路径，不能验证 checkpoint 映射到 NPU 的关键契约。因此本 PR新增 test/test_model_zoo.py::TestModelZooAPIs，以 3 个用例覆盖缓存、下载、所有可选参数和 NPU 设备映射。缓存命中用例使用 CPU checkpoint 验证 map_location 将其映射到 NPU。下载调用使用本地 mock，不访问外网；测试不修改 API 实现。 # 【资料变更】 无资料文件变更。docs/zh/api/native_api/pytorch_2-13-0/torch-utils-model_zoo.md 已收录 torch.utils.model_zoo.load_url 的支持状态。 # 【接口变更】 无客户可见接口变更，仅新增直接测试。 # 【功能验证】 验证环境：Ascend 910B4。 bash python test/test_model_zoo.py -v text test_load_url_cached_checkpoint (__main__.TestModelZooAPIs.test_load_url_cached_checkpoint) ... ok test_load_url_check_hash (__main__.TestModelZooAPIs.test_load_url_check_hash) ... ok test_load_url_download_defaults (__main__.TestModelZooAPIs.test_load_url_download_defaults) ... ok ---------------------------------------------------------------------- Ran 3 tests in 1.538s 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!44752 | 11 天前 | |
| 2 年前 | ||
[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 | |
| 2 年前 | ||
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 | |
| 1 年前 | ||
[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 | |
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 | |
| 2 年前 | ||
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。  # 【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 | 24 天前 | |
[master][bugfix]cann and pta header mixing bulid bugfix Co-authored-by: Dring<17737727613@163.com> # message auto-generated for no-merge-commit merge: !44990 merge master into master [master][bugfix]cann and pta header mixing bulid bugfix 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/3991 - [✕ ] 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） 问题现象： PTA 26.1.0 仓库中的 third_party/acl 头文件来自 CANN 9.1.0，而编译环境安装的是 CANN 9.0.0。当同一个编译单元同时包含两套版本的 ACL 头文件时，会出现类似以下错误：aclmdlRITask 未声明、未定义或类型不匹配 aclmdlRITask 是 CANN 9.1.0 头文件所依赖的定义，但 CANN 9.0.0 对应头文件中不存在该定义或定义不兼容。 根因分析： 1 当前头文件查找路径不统一：PTA 源码中大量使用以下写法 #include "third_party/acl/inc/acl/acl_mdl.h" 因为编译命令中包含 PTA 项目根目录，这种写法会直接命中 PTA 26.1.0 仓库内由 CANN 9.1.0 导入的头文件：torch_npu/third_party/acl/inc/acl/acl_mdl.h 但该头文件内部使用的是标准 SDK 相对路径：#include "acl/acl_base.h" 编译器无法相对 acl_mdl.h 所在目录找到 acl/acl_base.h，因此转而按照全部 -I 目录依次搜索。如果 CANN 9.0.0 的 include 路径排在 PTA 内置 ACL 路径前面，就会命中：CANN-9.0.0/include/acl/acl_base.h 同一个翻译单元最终形成： acl_mdl.h -> PTA third_party 中的 CANN 9.1.0 版本 acl_base.h -> 环境 CANN 9.0.0 版本 这是一种“首层头文件由源码路径固定版本、传递头文件由 -I 顺序选择版本”的混合查找模式。 2 问题不局限于 acl_mdl.h 同样风险存在于所有能够继续 include 其他 CANN 头文件的入口，包括： acl/... aml/... profiling/... graph/... ge/... op_proto/... 因此不能只修复出现错误的某一个头文件，也不能只替换 acl_mdl.h。必须统一整个 CANN 头文件族的查找规则。 修改目标： 修改后需要满足 源码不再包含 third_party/acl/inc/... 这种仓库物理路径。 ACL、AML、profiling 等头文件全部通过统一 include root 查找。 一个编译 target 对 CANN 头文件只选择一套版本。 CANN 9.0.0 环境构建时，首层和传递头文件必须全部命中 CANN 9.0.0。 使用 PTA 内置头文件构建时，首层和传递头文件必须全部命中 PTA 内置的同一套版本。 wheel、libtorch_npu、C++ Extension 和 Inductor/AOT 使用同一目录契约 修改方案： 1、代码中使用 PTA 内置 ACL 头文件的地方，删除 third_party/acl/inc/ 物理路径前缀，统一改成从 include root 查找 2、打包或安装时，把 third_party/acl/inc 下需要公开的目录按原相对结构复制到安装产物的公共 include 根目录 # 【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 cann 9.0.0 + pta 26.1.0的vllm-ascend安装验证成功  # 【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!44990 | 10 天前 | |
fix:修复is_available开销过大 Co-authored-by: Jessedhd<denghaodong3@huawei.com> # message auto-generated for no-merge-commit merge: !45540 merge master into master fix:修复is_available开销过大 Created-by: Jessedhd Commit-by: Jessedhd Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <font color="red">**关联issue: https://gitcode.com/Ascend/pytorch/issues/4452**</font>\ - [x] 需求 - [ ] 问题单 - [ ] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 > 原 is_available() 默认调用 device_count()，在 NPU 未初始化时会重复执行 HAL 探测，导致频繁调用开销较大。优化后默认调用带缓存的 _npu_getDeviceCount()，并新增与 CUDA 侧PYTORCH_NVML_BASED_CUDA_CHECK 对齐的 PYTORCH_HAL_BASED_NPU_CHECK 环境变量，用于保留原 HAL 检查路径。 # 【资料变更】 > 不涉及 # 【接口变更】 > 不涉及 # 【功能验证】 > 测试结果 >UT测试： > > > 性能测试： >  > > 性能测试结果 >  # 【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!45540 | 3 天前 | |
[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】  # 【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 | |
[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 | |
[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】  # 【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]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 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
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 | 25 天前 | |
[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：  # 【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: add torch.QInt32Storage.dtype validation cases Co-authored-by: gcw_rZ2ZS0CZ<tang040510@gmail.com> # message auto-generated for no-merge-commit merge: !44070 merge test-qint32-storage-dtype-master into master test: add torch.QInt32Storage.dtype validation cases Created-by: gcw_rZ2ZS0CZ Commit-by: gcw_rZ2ZS0CZ 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/3529 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 torch.QInt32Storage.dtype PyTorch 官方社区在 test/test_torch.py::TestTorch::test_storage_error（master 第 7814 行起，v2.7.1 第 7767 行起）中对 legacy storage 类有遍历式错误路径测试，将 torch.QInt32Storage 列入 quantized_storages 列表。但该测试遍历 torch._storage_classes 全局注册表，在 NPU 环境下会混入 torch.cuda.* 与 torch_npu.npu.* 等设备相关 storage 类，无法针对 QInt32Storage 做聚焦验证；且 test_torch.py 为大型社区文件，不宜叠加改动。因此新增独立测试文件 test/test_qint32_storage_dtype.py。 该 API 为设备无关的纯 Python legacy Storage 类（torch.storage._LegacyStorage 子类，对应 torch.qint32 量化 dtype）的 dtype 属性，不涉及 NPU 适配，不需要代码修改。 新增 test/test_qint32_storage_dtype.py，验证 torch.QInt32Storage.dtype 的类属性与实例属性（空 / size / 序列构造）。 # 【资料变更】 不涉及资料修改。torch.QInt32Storage 为 legacy typed storage 类，PyTorch 官方已在 dtype 属性上调用 _warn_typed_storage_removal 标记弃用，native_api 文档无需补充；非计算类 API 与数据类型无关。 # 【接口变更】 不涉及 # 【功能介绍】 torch.QInt32Storage.dtype 返回 torch.QInt32Storage 对应的量化 dtype（torch.qint32）。QInt32Storage 是 torch.storage._LegacyStorage 的量化子类，dtype 同时为类属性与实例属性，为设备无关的纯 Python 元数据。 # 【功能验证】 test_qint32_storage_dtype.py (torch.QInt32Storage.dtype) - test_class_dtype — 类属性 dtype 为 torch.qint32 - test_instance_dtype — 空 / size(4) / 序列([0,1,2]) 三种构造的实例 dtype 均为 torch.qint32，且与类属性一致 运行命令： python -m pytest /workspace/user_data/pytorch-master/test/test_qint32_storage_dtype.py -v 运行结果： ========================= test session starts ========================= platform linux -- Python 3.12.13, pytest-8.3.2, pluggy-1.6.0 -- /workspace/envs/torch-npu-test/bin/python cachedir: .pytest_cache rootdir: /workspace/user_data/pytorch-master configfile: pyproject.toml plugins: xdist-3.6.1 collected 2 items ../workspace/user_data/pytorch-master/test/test_qint32_storage_dtype.py::TestQInt32StorageDtype::test_class_dtype PASSED [ 50%] ../workspace/user_data/pytorch-master/test/test_qint32_storage_dtype.py::TestQInt32StorageDtype::test_instance_dtype PASSED [100%] ========================== warnings summary =========================== test/test_qint32_storage_dtype.py::TestQInt32StorageDtype::test_class_dtype /workspace/user_data/pytorch-master/test/test_qint32_storage_dtype.py:30: UserWarning: TypedStorage is deprecated. It will be removed in the future and UntypedStorage will be the only storage class. This should only matter to you if you are using storages directly. To access UntypedStorage directly, use tensor.untyped_storage() instead of tensor.storage() self.assertIs(torch.QInt32Storage.dtype, torch.qint32) -- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html ==================== 2 passed, 1 warning in 4.30s ===================== # 【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!44070 | 23 天前 | |
test: add test cases for torch.QUInt8Storage on NPU Co-authored-by: Atomgitcodee<986200182@qq.com> # message auto-generated for no-merge-commit merge: !43728 merge add-quint8storage-test-master into master test: add test cases for torch.QUInt8Storage on NPU Created-by: m0_50316716 Commit-by: Atomgitcodee Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 关联issue：https://gitcode.com/Ascend/pytorch/issues/3537 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 torch.QUInt8Storage 是 PyTorch 的遗留量化 Storage 类（存储 quint8 数据）， 属于 _LegacyStorage 子类，由 PyTorch 原生提供。 PyTorch 官方社区在 test/test_torch.py 的 test_storage_error 中遍历全局注册表 torch._storage_classes 进行 storage 错误路径测试。该注册表在 NPU 环境下混入 torch.cuda.* 与 torch_npu.npu.* 等设备相关 storage 类，无法直接用于 QUInt8Storage 的针对性验证；且 test_torch.py 为大型社区文件，不宜在其上叠加改动。因此新增独立 测试文件 test/test_quantized_storage.py。 QUInt8Storage 为 Storage 类，构造、dtype、element_size 等均为 CPU 侧设备无关行为， 不涉及 NPU 适配，无需代码修改。新增测试覆盖： - 空构造与 dtype、element_size - 非空容量构造（size=0/1/16，等价类+边界值） - 数据序列构造及内容校验（tolist） - wrap_storage 合法构造（可选参数传入与不传入对照） - 构造错误参数（device/dtype/非法关键字/多余位置参数/非法类型） - wrap_storage 错误路径 # 【资料变更】 涉及。上游 PyTorch 在 test/test_torch.py 的 test_storage_error 中有相关测试，但作为 Storage 类通用测试的一部分，未针对 QUInt8Storage 编写独立测试。测试文件位于 test/test_quantized_storage.py。 文档方面，修正了 docs/zh/api/native_api/pytorch_2-7-1、pytorch_2-11-0、pytorch_2-12-0、pytorch_2-13-0 目录下 torch-Storage.md 中 torch.QUInt8Storage 的支持状态（否→是）。 # 【接口变更】 不涉及 # 【功能验证】 社区用例位置（原 torch 文件 test/test_torch.py 的 test_storage_error）： - v2.7.1：L7766~L7865 - v2.11.0：L7561~L7660 - v2.12.0：L7635~L7734 - master：L7813~L7912 v2.7.1 既有 test_upstream/test/test_torch.py.patch 未包含 test_storage_error 段落 （该段的 NPU 适配未沉淀在 patch 中），本次不改动既有 patch。 测试命令： master:python -m pytest test/test_quantized_storage.py -v ========================== test session starts =========================== platform linux -- Python 3.12.13, pytest-8.3.2, pluggy-1.6.0 -- /workspace/envs/torch-npu-test/bin/python cachedir: .pytest_cache rootdir: /workspace/user_data/pytorch-master configfile: pyproject.toml plugins: xdist-3.6.1 collected 6 items ../workspace/user_data/pytorch-master/test/test_quantized_storage.py::TestQUInt8Storage::test_construct_empty PASSED [ 16%] ../workspace/user_data/pytorch-master/test/test_quantized_storage.py::TestQUInt8Storage::test_construct_with_data PASSED [ 33%] ../workspace/user_data/pytorch-master/test/test_quantized_storage.py::TestQUInt8Storage::test_construct_with_size PASSED [ 50%] ../workspace/user_data/pytorch-master/test/test_quantized_storage.py::TestQUInt8Storage::test_construct_with_wrap_storage PASSED [ 66%] ../workspace/user_data/pytorch-master/test/test_quantized_storage.py::TestQUInt8Storage::test_constructor_errors PASSED [ 83%] ../workspace/user_data/pytorch-master/test/test_quantized_storage.py::TestQUInt8Storage::test_wrap_storage_errors PASSED [100%] ============================ warnings summary ============================ test/test_quantized_storage.py::TestQUInt8Storage::test_construct_empty /workspace/user_data/pytorch-master/test/test_quantized_storage.py:31: UserWarning: TypedStorage is deprecated. It will be removed in the future and UntypedStorage will be the only storage class. This should only matter to you if you are using storages directly. To access UntypedStorage directly, use tensor.untyped_storage() instead of tensor.storage() storage = torch.QUInt8Storage() -- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html ====================== 6 passed, 1 warning in 5.73s ====================== # 【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!43728 | 17 天前 | |
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 .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 | |
[master][bugfix]cann and pta header mixing bulid bugfix Co-authored-by: Dring<17737727613@163.com> # message auto-generated for no-merge-commit merge: !44990 merge master into master [master][bugfix]cann and pta header mixing bulid bugfix 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/3991 - [✕ ] 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） 问题现象： PTA 26.1.0 仓库中的 third_party/acl 头文件来自 CANN 9.1.0，而编译环境安装的是 CANN 9.0.0。当同一个编译单元同时包含两套版本的 ACL 头文件时，会出现类似以下错误：aclmdlRITask 未声明、未定义或类型不匹配 aclmdlRITask 是 CANN 9.1.0 头文件所依赖的定义，但 CANN 9.0.0 对应头文件中不存在该定义或定义不兼容。 根因分析： 1 当前头文件查找路径不统一：PTA 源码中大量使用以下写法 #include "third_party/acl/inc/acl/acl_mdl.h" 因为编译命令中包含 PTA 项目根目录，这种写法会直接命中 PTA 26.1.0 仓库内由 CANN 9.1.0 导入的头文件：torch_npu/third_party/acl/inc/acl/acl_mdl.h 但该头文件内部使用的是标准 SDK 相对路径：#include "acl/acl_base.h" 编译器无法相对 acl_mdl.h 所在目录找到 acl/acl_base.h，因此转而按照全部 -I 目录依次搜索。如果 CANN 9.0.0 的 include 路径排在 PTA 内置 ACL 路径前面，就会命中：CANN-9.0.0/include/acl/acl_base.h 同一个翻译单元最终形成： acl_mdl.h -> PTA third_party 中的 CANN 9.1.0 版本 acl_base.h -> 环境 CANN 9.0.0 版本 这是一种“首层头文件由源码路径固定版本、传递头文件由 -I 顺序选择版本”的混合查找模式。 2 问题不局限于 acl_mdl.h 同样风险存在于所有能够继续 include 其他 CANN 头文件的入口，包括： acl/... aml/... profiling/... graph/... ge/... op_proto/... 因此不能只修复出现错误的某一个头文件，也不能只替换 acl_mdl.h。必须统一整个 CANN 头文件族的查找规则。 修改目标： 修改后需要满足 源码不再包含 third_party/acl/inc/... 这种仓库物理路径。 ACL、AML、profiling 等头文件全部通过统一 include root 查找。 一个编译 target 对 CANN 头文件只选择一套版本。 CANN 9.0.0 环境构建时，首层和传递头文件必须全部命中 CANN 9.0.0。 使用 PTA 内置头文件构建时，首层和传递头文件必须全部命中 PTA 内置的同一套版本。 wheel、libtorch_npu、C++ Extension 和 Inductor/AOT 使用同一目录契约 修改方案： 1、代码中使用 PTA 内置 ACL 头文件的地方，删除 third_party/acl/inc/ 物理路径前缀，统一改成从 include root 查找 2、打包或安装时，把 third_party/acl/inc 下需要公开的目录按原相对结构复制到安装产物的公共 include 根目录 # 【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 cann 9.0.0 + pta 26.1.0的vllm-ascend安装验证成功  # 【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!44990 | 10 天前 | |
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 | |
[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 | |
| 2 年前 | ||
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 | |
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: add torch.UntypedStorage.copy_ validation cases Co-authored-by: SS_RR<1445229659@qq.com> # message auto-generated for no-merge-commit merge: !44466 merge test-untyped-storage-copy-validation-cases-master into master test: add torch.UntypedStorage.copy_ validation cases Created-by: yuhuan2580 Commit-by: SS_RR 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/3732 - [ ] 需求 - [ ] 问题单 - [x] issue/工单 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 torch.UntypedStorage.copy_ PyTorch 官方社区未针对 torch.UntypedStorage.copy_ 编写直接独立测试：全量检索 test 目录仅 test_subclass.py 中有一处异常路径调用（断言在无效 python storage 上调用 copy_ 抛 RuntimeError），正常路径仅被 tensor.copy_ 间接覆盖，因此自行编写用例并提交到 test 目录。 该 API 为 torch._C.StorageBase 的 C++ 绑定方法，设备感知但属框架层实现；torch_npu 序列化路径（torch_npu/utils/storage.py）已实际调用 UntypedStorage.copy_，NPU 上可直接运行，无需代码修改。 新增 test/test_storage_copy_.py，验证 copy_ 在同设备（CPU/NPU）、跨设备（CPU→NPU、NPU→CPU）、non_blocking、空 storage、size 不匹配报错及 TypedStorage 转发路径下的行为。 # 【资料变更】 不涉及文档修改。docs 各版本（pytorch_2-7-1 / 2-11-0 / 2-12-0 / 2-13-0）的 torch-Storage.md 均已收录 torch.UntypedStorage.copy_（原生文档链接在第 1408 行），支持状态为 Atlas A2/A3 ✔、Ascend 950DT ✘，表述正确，无需修改。本次提交仅补充测试用例，不涉及资料变更。 # 【接口变更】 不涉及 # 【功能介绍】 torch.UntypedStorage.copy_ 将 source storage 的数据复制到当前 storage，支持 non_blocking 参数，复制完成后返回 self。作为 torch._C.StorageBase 的底层存储复制方法，用于 storage 级数据搬运，tensor.copy_ 内部亦复用该路径。 # 【功能验证】 test_storage_copy_.py (torch.UntypedStorage.copy_) - test_copy_same_device_cpu — CPU 同设备复制，返回值与内容校验 - test_copy_same_device_npu — NPU 同设备复制，device 与内容校验 - test_copy_cpu_to_npu — CPU→NPU 跨设备复制 - test_copy_npu_to_cpu — NPU→CPU 跨设备复制 - test_copy_non_blocking — non_blocking=True 非阻塞路径 - test_copy_empty — 空 storage 复制 - test_copy_size_mismatch — size 不匹配抛 RuntimeError - test_copy_typed_storage_forwarding — TypedStorage.copy_ 转发到 UntypedStorage.copy_ 运行命令（master）： python -m pytest /workspace/user_data/pytorch-master/test/test_storage_copy_.py -x -q 运行结果： `` 472a66bedabe# python -m pytest /workspace/user_data/pytorch-master/test/test_storage_copy_.py -x -q ........ [100%] ================================================ warnings summary ================================================= ../usr/local/python3.11.15/lib/python3.11/site-packages/torch/jit/_script.py:362: 14 warnings /usr/local/python3.11.15/lib/python3.11/site-packages/torch/jit/_script.py:362: DeprecationWarning: torch.jit.script_method is deprecated. Please switch to torch.compile or torch.export. warnings.warn( test/test_storage_copy_.py::TestUntypedStorageCopy::test_copy_typed_storage_forwarding /workspace/user_data/pytorch-master/test/test_storage_copy_.py:85: UserWarning: TypedStorage is deprecated. It will be removed in the future and UntypedStorage will be the only storage class. This should only matter to you if you are using storages directly. To access UntypedStorage directly, use tensor.untyped_storage() instead of tensor.storage() src = torch.TypedStorage([1, 2, 3], dtype=torch.float32) -- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html 8 passed, 15 warnings in 8.36s `` # 【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!44466 | 6 天前 | |
feat: support dynamic task queue enable mode switching Co-authored-by: nomiz<1606135114@qq.com> # message auto-generated for no-merge-commit merge: !45296 merge task_queue_master into master feat: support dynamic task queue enable mode switching Created-by: nomiz Commit-by: nomiz Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> https://gitcode.com/Ascend/pytorch/issues/3678 # 【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） Python侧灵活控制taskqueue设置的能力，具体为： (1) 新增Python接口用户设置和获取taskqueue状态值（一个原子变量，默认-1），设置时需要清queue； (2) 在get_task_enable的公共接口中，先读取该全局变量的值，如果为非-1，则以该值的结果为准，不再从环境变量读取； (3) 环境变量的读取仍然是一次性的返回常量，保证默认状态下的性能 python # 设置模式 torch.npu.set_task_queue_enable(0) # 关闭 task queue torch.npu.set_task_queue_enable(1) # Level 1 优化 (默认) torch.npu.set_task_queue_enable(2) # Level 2 优化 (纯推理) # 查询当前模式 mode = torch.npu.get_task_queue_enable() # 返回 0/1/2 # 【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” 是，新增接口set_task_queue_enable和get_task_queue_enable # 【功能验证】 > 说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤\ > 新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图 ut测试验证结果  RL模型修改前后性能验证无劣化  # 【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!45296 | 12 天前 | |
| 2 年前 | ||
[test][master] add NPU validation cases for torch.Tensor.map_ and torch.Tensor.module_load (issues #2720 #2722) Co-authored-by: lele130<20230105101@stu.lzjtu.edu.cn> # message auto-generated for no-merge-commit merge: !41655 merge test-map-module-load-master into master [test][master] add NPU validation cases for torch.Tensor.map_ and torch.Tensor.module_load (issues #2720 #2722) Created-by: lele130 Commit-by: lele130 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 关联 issue： - [#2720](https://gitcode.com/Ascend/pytorch/issues/2720) — torch.Tensor.map_（API 一致性验证） - [#2722](https://gitcode.com/Ascend/pytorch/issues/2722) — torch.Tensor.module_load（API 一致性验证） # 【修改方案】 本 PR 为 torch.Tensor.map_ 和 torch.Tensor.module_load 两个 API 在 NPU 场景下补充一致性验证用例。PyTorch 社区缺少针对这两个 API 的直接、集中测试，按规范 1.3（自写用例）新增测试文件到 test/ 目录。 修改文件： - test/test_tensor_map_.py（新增）：覆盖 torch.Tensor.map_（3 个用例） - test/test_tensor_module_load.py（新增）：覆盖 torch.Tensor.module_load（5 个用例） 合计 8 个用例。不涉及 torch_npu 任何 C++/Python 代码改动。 # 【API 功能介绍】 ## 1. torch.Tensor.map_(tensor, callable) → Tensor 对 self 和给定 tensor 的每个元素应用 callable，结果存回 self tensor。两个 tensor 必须可广播。 - **callable 签名**：def callable(a, b) -> number - **实现位置**：torch/_tensor.py，底层调用 at::map kernel - **NPU 支持情况**：NPU 上不可用（TypeError: map_ is only implemented on CPU tensors），社区 CUDA 同样不支持 - **测试覆盖**：CPU 正常路径（2 用例）+ NPU 异常断言（1 用例） ## 2. torch.Tensor.module_load(other, assign=False) → Tensor 定义如何将 other 转换后加载到 self 中，用于 load_state_dict() 的 swap_tensors 路径。当 get_swap_module_params_on_conversion() 为 True 时使用。 - **实现**：self.copy_(other).detach()（assign=False）或 other.detach()（assign=True） - **实现位置**：torch/_tensor.py - **NPU 支持情况**：非计算类 API，基于 copy_ 和 detach 实现，NPU 上直接可用，与数据类型无关 - **测试覆盖**：NPU tensor 上 5 个用例（返回值、dtype 保持、assign=True、destination 更新、detach 语义） # 【上游社区用例情况】 ## torch.Tensor.map_ PyTorch 社区 test/test_torch.py::test_broadcast 包含 "map"，但显式跳过 CUDA 设备。NPU 行为与 CUDA 一致。 ## torch.Tensor.module_load 社区无直接测试用例，仅通过 load_state_dict 间接覆盖。 # 【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（Ascend910B2） - 安装版本：torch 2.12.0 + torch_npu 2.12.0 - 测试分支：master # 【测试日志】 text $ python -u test/test_tensor_map_.py -v test_map_applies_callable ... ok test_map_raises_on_npu_tensor ... ok test_map_uses_destination_values ... ok ---------------------------------------------------------------------- Ran 3 tests in 0.800s OK $ python -u test/test_tensor_module_load.py -v test_module_load_assign_true ... ok test_module_load_keeps_dest_dtype ... ok test_module_load_returns_detached_tensor ... ok test_module_load_returns_source_values ... ok test_module_load_updates_destination ... ok ---------------------------------------------------------------------- Ran 5 tests in 0.772s OK # 【资料补齐检查结论】 - torch.Tensor.map_：docs/zh/native_apis 中已有该 API 记录。map_ 在 NPU 上不可用，社区 CUDA 同样不支持，无需补充资料。 - torch.Tensor.module_load：docs/zh/native_apis 中已有该 API 记录。非计算类 API，与数据类型无关，无需补充资料。 Fixes #2720, Fixes #2722 See merge request: Ascend/pytorch!41655 | 20 天前 | |
[test][master] add NPU validation cases for torch.Tensor.map_ and torch.Tensor.module_load (issues #2720 #2722) Co-authored-by: lele130<20230105101@stu.lzjtu.edu.cn> # message auto-generated for no-merge-commit merge: !41655 merge test-map-module-load-master into master [test][master] add NPU validation cases for torch.Tensor.map_ and torch.Tensor.module_load (issues #2720 #2722) Created-by: lele130 Commit-by: lele130 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 关联 issue： - [#2720](https://gitcode.com/Ascend/pytorch/issues/2720) — torch.Tensor.map_（API 一致性验证） - [#2722](https://gitcode.com/Ascend/pytorch/issues/2722) — torch.Tensor.module_load（API 一致性验证） # 【修改方案】 本 PR 为 torch.Tensor.map_ 和 torch.Tensor.module_load 两个 API 在 NPU 场景下补充一致性验证用例。PyTorch 社区缺少针对这两个 API 的直接、集中测试，按规范 1.3（自写用例）新增测试文件到 test/ 目录。 修改文件： - test/test_tensor_map_.py（新增）：覆盖 torch.Tensor.map_（3 个用例） - test/test_tensor_module_load.py（新增）：覆盖 torch.Tensor.module_load（5 个用例） 合计 8 个用例。不涉及 torch_npu 任何 C++/Python 代码改动。 # 【API 功能介绍】 ## 1. torch.Tensor.map_(tensor, callable) → Tensor 对 self 和给定 tensor 的每个元素应用 callable，结果存回 self tensor。两个 tensor 必须可广播。 - **callable 签名**：def callable(a, b) -> number - **实现位置**：torch/_tensor.py，底层调用 at::map kernel - **NPU 支持情况**：NPU 上不可用（TypeError: map_ is only implemented on CPU tensors），社区 CUDA 同样不支持 - **测试覆盖**：CPU 正常路径（2 用例）+ NPU 异常断言（1 用例） ## 2. torch.Tensor.module_load(other, assign=False) → Tensor 定义如何将 other 转换后加载到 self 中，用于 load_state_dict() 的 swap_tensors 路径。当 get_swap_module_params_on_conversion() 为 True 时使用。 - **实现**：self.copy_(other).detach()（assign=False）或 other.detach()（assign=True） - **实现位置**：torch/_tensor.py - **NPU 支持情况**：非计算类 API，基于 copy_ 和 detach 实现，NPU 上直接可用，与数据类型无关 - **测试覆盖**：NPU tensor 上 5 个用例（返回值、dtype 保持、assign=True、destination 更新、detach 语义） # 【上游社区用例情况】 ## torch.Tensor.map_ PyTorch 社区 test/test_torch.py::test_broadcast 包含 "map"，但显式跳过 CUDA 设备。NPU 行为与 CUDA 一致。 ## torch.Tensor.module_load 社区无直接测试用例，仅通过 load_state_dict 间接覆盖。 # 【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（Ascend910B2） - 安装版本：torch 2.12.0 + torch_npu 2.12.0 - 测试分支：master # 【测试日志】 text $ python -u test/test_tensor_map_.py -v test_map_applies_callable ... ok test_map_raises_on_npu_tensor ... ok test_map_uses_destination_values ... ok ---------------------------------------------------------------------- Ran 3 tests in 0.800s OK $ python -u test/test_tensor_module_load.py -v test_module_load_assign_true ... ok test_module_load_keeps_dest_dtype ... ok test_module_load_returns_detached_tensor ... ok test_module_load_returns_source_values ... ok test_module_load_updates_destination ... ok ---------------------------------------------------------------------- Ran 5 tests in 0.772s OK # 【资料补齐检查结论】 - torch.Tensor.map_：docs/zh/native_apis 中已有该 API 记录。map_ 在 NPU 上不可用，社区 CUDA 同样不支持，无需补充资料。 - torch.Tensor.module_load：docs/zh/native_apis 中已有该 API 记录。非计算类 API，与数据类型无关，无需补充资料。 Fixes #2720, Fixes #2722 See merge request: Ascend/pytorch!41655 | 20 天前 | |
【API一致性任务】test: add NPU coverage for torch.Tensor.unsqueeze_ Co-authored-by: liujiacheng_2026<laneljc@qq.com> # message auto-generated for no-merge-commit merge: !45126 merge task04-unsqueeze-master into master 【API一致性任务】test: add NPU coverage for torch.Tensor.unsqueeze_ Created-by: liujiacheng_2026 Commit-by: liujiacheng_2026 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 https://gitcode.com/Ascend/pytorch-ecosystem/issues/209 - [ ] 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 torch.Tensor.unsqueeze_(dim) 在原 Tensor 上创建增加一个维度的 view，返回同一个 Tensor 对象并保留底层存储和 autograd 关系。dim 支持正、负维度索引；超出 [-input.dim() - 1, input.dim()] 时抛出 IndexError。 ## 二、PyTorch 社区用例情况与新增必要性 PyTorch main 在 test/test_view_ops.py::TestViewOps::test_unsqueeze_inplace_view（源码第 751-758 行）中验证了 dim=1 的 inplace view 别名关系，并在 test/test_view_ops.py::TestViewOps::test_unsqueeze（源码第 1525-1536 行）中验证了 dim=2 的形状结果；test/test_autograd.py 第 10233 行还将 unsqueeze_ 纳入 inplace view 操作检查。 现有社区用例未完整覆盖负维度、标量边界、非连续 view 的存储别名、inplace autograd 梯度及非法维度异常路径。因此本 PR 新增： text test/test_tensor_unsqueeze_api.py::TestTensorUnsqueezeAPIs 用例全部在当前加速器设备上创建 Tensor，覆盖正负维度、标量 dim=0/-1、非连续 view 的修改传播、需要梯度的非叶子 Tensor，以及 dim=-4/3 的异常路径。不修改 API 实现。 # 【资料变更】 无资料文件变更。Tensor.unsqueeze_ 已存在于 PyTorch 2.7、2.11、2.12、2.13 原生文档及 Ascend 原生 API 支持表中。 # 【接口变更】 无客户可见接口变更，仅新增直接测试。 # 【功能验证】 NPU 验证命令及输出： text /workspace/torch-npu-envs/bin/torch-npu-python 2.12.0 /workspace/ascend-pytorch/master/test/test_tensor_unsqueeze_api.py -v test_unsqueeze_autograd ... ok test_unsqueeze_dimensions ... ok test_unsqueeze_invalid_dimensions ... ok test_unsqueeze_view_alias ... ok ---------------------------------------------------------------------- Ran 4 tests in 1.517s OK 运行过程中出现一个非致命的 CANN/NPU 内存对齐警告，测试结果仍为 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持续集成流水线（CI）执行通过，代码检查无异常 See merge request: Ascend/pytorch!45126 | 11 天前 | |
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】  # 【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 | |
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][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][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: 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 | |
perf: defer dynamo and inductor imports on master Co-authored-by: stevenaw0<huangguijun@huawei.com> # message auto-generated for no-merge-commit merge: !44294 merge master_import_sync into master perf: defer dynamo and inductor imports on master Created-by: stevenaw0 Commit-by: stevenaw0 Merged-by: ascend-robot Description: ## 同步 v2.9.0_import 的 import 优化到 master ### 核心改动 将 NPU 的 Dynamo/Inductor 初始化从 import torch_npu 时立即执行改为**懒加载**： - import torch_npu 时不导入 torch._dynamo、torch._inductor、torch_npu._inductor - 仅在用户实际调用 torch.compile() 或触发 graph capture 时才初始化 Dynamo 集成 - 通过 setuptools entry points 和 meta_path finder 实现按需触发 - 支持并发首次调用、fork 后恢复、失败重试 ### 适配说明（master PyTorch 2.13+） - 保留 master 的 stream/event variable patches - 保留 make_config_entry 兼容封装（MIN_SUPPORTED >= 2.10） - 保留 master 的 _patch_flex_attention_device 和 _dump_snapshot - 合并懒加载基础设施与 master 的 new_init(name=None) 签名 ### 详见 master_syn.md 中的逐文件分类和冲突解决记录 See merge request: Ascend/pytorch!44294 | 24 天前 | |
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
| 2 年前 | ||
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：The test case coverage for the torch.UntypedStorage.to API is incomplete; additional test cases need to be added. Co-authored-by: Wo150<550680743@qq.com> # message auto-generated for no-merge-commit merge: !44651 merge UntypedStorage_to_master into master test：The test case coverage for the torch.UntypedStorage.to API is incomplete; additional test cases need to be added. Created-by: Wo150 Commit-by: Wo150 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <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链接地址：https://gitcode.com/Ascend/pytorch/issues/4041 - [ ] 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） 新增测试文件 test/test_untyped_storage_to.py，补充以下测试用例： | 测试用例 | 验证场景 | | --- | --- | | test_to_npu_device_types | 使用设备类型字符串和 torch.device 等目标设备表示方式，将存储转移到当前 NPU，验证返回类型、目标设备和存储内容。 | | test_to_npu_non_blocking_options | 从固定内存存储分别执行阻塞与非阻塞 NPU 转移，并在同步后验证两种结果的设备类型和内容一致性。 | | test_to_cpu_non_blocking_options | 将 NPU 存储转移到 CPU，覆盖 non_blocking 为 None、False 和 True 的情况，验证目标设备、非固定内存状态及内容。 | | test_to_same_npu_returns_self | 将存储转移到其当前 NPU 设备，验证返回对象与原存储为同一对象，且内容和设备保持不变。 | | test_to_empty_storage | 对空的无类型存储执行 NPU 与 CPU 间转移，验证结果字节数为零且目标设备正确。 | | test_to_another_npu | 在至少两个加速器可用时执行跨 NPU 设备复制，验证目标设备和存储内容；设备不足时跳过。 | | test_to_invalid_arguments | 覆盖空设备、列表设备、无效设备字符串以及错误 non_blocking 类型，验证抛出 TypeError 或 RuntimeError。 | **测试内容：** 测试在 NPU、CPU、固定内存和多设备场景下调用 torch.UntypedStorage.to，覆盖设备参数表示、阻塞与非阻塞复制、同设备快速路径、空存储、跨设备复制和非法参数，并通过对象身份、返回类型、目标设备、固定内存状态、字节内容和异常类型进行断言。辅助方法通过在存储上构造 uint8 张量统一校验原始字节内容。 **新增原因及必要性：** PyTorch 社区现有相关用例主要覆盖通用设备转换及部分固定内存路径，未直接覆盖上述 NPU 专项行为。新增测试用于确认存储在 NPU 与 CPU 之间、同一 NPU 以及不同 NPU 之间转换时的内容和对象语义，并保护非阻塞复制、空存储及参数校验行为免受后续实现回归影响。 # 【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” 结论：涉及。 torch.UntypedStorage.to API 在master分支下的docs / zh / api / native_api目录下的各版本都未记载该API的资料，需要补充文档信息。 资料补齐PR：https://gitcode.com/Ascend/pytorch/pull/44657 # 【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” 结论：不涉及。 本次提交仅新增 test/test_untyped_storage_to.py 测试文件，未修改 API 实现、声明、注册或跨仓依赖，也未改变客户可见的参数、返回值、设备转换语义和运行行为，因此不涉及接口变更。 # 【功能验证】 执行命令： bash python test_untyped_storage_to.py -v 结果： ``text W0815 07:59:05.841000 360255 opt/conda/envs/master/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_to_another_npu (__main__.TestUntypedStorageTo.test_to_another_npu) ... [W815 07:59:06.992339453 NPUCachingAllocator.cpp:201] Warning: The current CANN and Soc versions require processing for 32 padding size, with memory allocation. (function operator()) ok test_to_cpu_non_blocking_options (__main__.TestUntypedStorageTo.test_to_cpu_non_blocking_options) ... ok test_to_empty_storage (__main__.TestUntypedStorageTo.test_to_empty_storage) ... ok test_to_invalid_arguments (__main__.TestUntypedStorageTo.test_to_invalid_arguments) ... ok test_to_npu_device_types (__main__.TestUntypedStorageTo.test_to_npu_device_types) ... ok test_to_npu_non_blocking_options (__main__.TestUntypedStorageTo.test_to_npu_non_blocking_options) ... ok test_to_same_npu_returns_self (__main__.TestUntypedStorageTo.test_to_same_npu_returns_self) ... ok ---------------------------------------------------------------------- Ran 7 tests in 1.721s 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!44651 | 4 天前 | |
test：The test case coverage for the torch.UntypedStorage.tolist API is incomplete; additional test cases need to be added. Co-authored-by: Wo150<550680743@qq.com> # message auto-generated for no-merge-commit merge: !44646 merge UntypedStorage_tolist_master into master test：The test case coverage for the torch.UntypedStorage.tolist API is incomplete; additional test cases need to be added. Created-by: Wo150 Commit-by: Wo150 Merged-by: ascend-robot Description: <!-- PR描述模板更新日期：20260203 --> # 【合入来源】 > <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链接地址：https://gitcode.com/Ascend/pytorch/issues/4040 - [ ] 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） 新增测试文件 test/test_untyped_storage_tolist.py，补充以下测试用例： | 测试用例 | 验证场景 | | --- | --- | | test_tolist_empty_storage | 在目标设备上构造空的 uint8 张量并取得无类型存储，验证 tolist() 返回空列表。 | | test_tolist_byte_boundaries | 使用 0、1、127、128、254、255 等典型字节边界值，验证无类型存储转换后的列表内容与输入一致。 | | test_tolist_all_byte_values | 构造覆盖完整字节取值范围的输入，验证 tolist() 能完整、按序返回存储字节。 | | test_tolist_storage_slice | 对无类型存储进行切片，验证切片结果仍为 torch.UntypedStorage，且 tolist() 返回对应区间内容。 | | test_tolist_invalid_arguments | 向无参数方法传入非法关键字参数，验证抛出 TypeError。 | **测试内容：** 测试围绕空存储、典型字节边界、完整字节取值、存储切片和非法参数五类场景，在目标设备上调用 torch.UntypedStorage.tolist，并通过列表相等、对象类型和异常断言验证返回内容、顺序、切片行为及参数约束。 **新增原因及必要性：** PyTorch 社区现有相关用例主要覆盖字节转换和字节序交换路径，未直接覆盖上述 NPU 专项场景。新增测试用于确认该公开存储接口在 NPU 上的基本功能、边界数据、视图切片和错误处理行为，降低后续底层存储实现变化造成行为回归的风险。 # 【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” 结论：不涉及。 该版本未配置独立版本资料目录，不在本次独立版本资料检查范围内；本次提交仅新增 NPU 测试文件，未包含资料变更。 # 【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” 结论：不涉及。 本次提交仅新增 test/test_untyped_storage_tolist.py 测试文件，未修改 API 实现、声明、注册或跨仓依赖，也未改变客户可见的参数、返回值和运行行为，因此不涉及接口变更。 # 【功能验证】 执行命令： bash python test_untyped_storage_tolist.py -v 结果： ``text W0815 03:26:37.202000 359457 <absolute-path>/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_tolist_all_byte_values (__main__.TestUntypedStorageToList.test_tolist_all_byte_values) ... [W815 03:26:38.340855850 NPUCachingAllocator.cpp:201] Warning: The current CANN and Soc versions require processing for 32 padding size, with memory allocation. (function operator()) ok test_tolist_byte_boundaries (__main__.TestUntypedStorageToList.test_tolist_byte_boundaries) ... ok test_tolist_empty_storage (__main__.TestUntypedStorageToList.test_tolist_empty_storage) ... ok test_tolist_invalid_arguments (__main__.TestUntypedStorageToList.test_tolist_invalid_arguments) ... ok test_tolist_storage_slice (__main__.TestUntypedStorageToList.test_tolist_storage_slice) ... ok ---------------------------------------------------------------------- Ran 5 tests in 1.139s 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!44646 | 11 天前 | |
[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: add NPU coverage for torch._utils._get_available_device_type Co-authored-by: liujiacheng_2026<laneljc@qq.com> # message auto-generated for no-merge-commit merge: !42006 merge test-get-available-device-type-master into master test: add NPU coverage for torch._utils._get_available_device_type Created-by: liujiacheng_2026 Commit-by: liujiacheng_2026 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/2924 - [ ] 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 torch._utils._get_available_device_type 查询当前 PyTorch 环境可用的加速设备类型；Torch-NPU 环境预期返回 "npu"。 ## 二、PyTorch 社区用例情况与新增必要性 已在 PyTorch 官方社区和 Torch-NPU 原有测试中检索 torch._utils._get_available_device_type，没有发现针对该 API 返回值的直接断言。该 API 是私有工具函数，不涉及 Tensor 或算子计算。 因此本 PR 在 torch-npu test 目录新增独立、可扩展的测试文件： text test/test_utils_api.py::TestTorchUtilsAPIs::test_get_available_device_type 用例只直接断言 torch._utils._get_available_device_type() 返回 "npu"，不增加冗余环境探测、Tensor 创建或异常包装。 ## 三、NPU 适配 ### 3.1 API 适配 Torch-NPU 已将 PrivateUse1 后端注册为 npu，API 实际返回 "npu"，无需修改 torch_npu/ 源码。 ### 3.2 测试用例适配 该 API 是非计算类工具函数，不涉及 Tensor，因此新增测试不需要创建 NPU Tensor；测试通过返回值直接验证 NPU 后端注册结果。 # 【资料变更】 无资料文件变更。该 API 是 PyTorch 私有接口，按照任务规范无需补充资料。 # 【接口变更】 无客户可见接口变更，仅新增直接测试。 # 【功能验证】 验证环境：master、Ascend910B4。 bash python test/test_utils_api.py -v text test_get_available_device_type (__main__.TestTorchUtilsAPIs.test_get_available_device_type) ... ok ---------------------------------------------------------------------- Ran 1 test in 0.026s OK 返回值为 "npu"，表明测试实际加载了 NPU PrivateUse1 后端；没有跳过新增测试。 # 【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!42006 | 24 天前 | |
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): 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 | |
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。   --- # 【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 | |
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 | |
| 2 年前 | ||
feat: support overflow switch on non-saturation mode via FORCE_OVERFLOW_CHECK Co-authored-by: wuyouqi1<wuyouqi1@h-partners.com> # message auto-generated for no-merge-commit merge: !45378 merge feat/force-overflow-check-master into master feat: support overflow switch on non-saturation mode via FORCE_OVERFLOW_CHECK Created-by: wuyouqi1 Commit-by: wuyouqi1 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】 > 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. AclInterface.cpp: AclrtCreateStreamWithConfig 内联 FORCE_OVERFLOW_CHECK 判断（env=1 且 CANN>=9.1.0 时非饱和 INF_NAN 模式也开启 aclrtSetStreamOverflowSwitch 溢出检测开关，版本不满足时 LOGW 一次并回退原逻辑），为 Inf/NaN 问题提供不影响执行时序的异步定位能力。 2. torch_npu/npu/utils.py: 新增 is_force_overflow_check() 查询接口（仅 npu.utils 命名空间）；get_npu_overflow_flag / npu_check_overflow / clear_npu_overflow_flag 三个接口在 force 开启时改走溢出状态标志检测路径。 3. test: test_check_over_flow.py 扩展寄存器级、utils 层及子进程负向环境变量用例；torch_npu_schema.json 登记新 API。 # 【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 环境：Ascend910B2 + CANN 9.2.0（非饱和 INF_NAN 模式）。 1. 手工能力验证：FORCE_OVERFLOW_CHECK=1 下 fp16 溢出（65504+65504）经溢出状态标志检出（get_npu_overflow_flag=True）；npu_check_overflow 检出后自动清除标志（残留=False）；正常运算不误报（False）。 2. UT：test/npu/test_check_over_flow.py 6 用例全绿（含 force 生效检出、默认行为回归、版本不匹配告警、非法取值容错）。 3. 性能对比：mm(4096x4096) fp16 开关开启 0.463ms/iter vs 关闭 0.455ms/iter，开销约 +1.8%。 4. 该改动已先合入 v2.7.1 分支（MR !44962，合入 commit b7bb55832），本 MR 为向其他分支的同步。 # 【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!45378 | 9 天前 | |
| 2 年前 | ||
| 2 年前 | ||
[fix]: 支持按版本装饰器过滤测试用例 Co-authored-by: thickhair<zp2165064878@163.com> # message auto-generated for no-merge-commit merge: !45273 merge one-track_master into master [fix]: 支持按版本装饰器过滤测试用例 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/4365 - [ ] 重构优化 - [ ] 资料更新 # 【修改方案】 - 修改 CI 入口脚本，无 --between_version 时过滤掉带版本装饰器的文件，仅保留通用测试用例 - 更新 version_filter 逻辑：版本化任务仅运行匹配版本范围的测试文件，非版本化任务仅运行无装饰器的文件 # 【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” # 【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】  # 【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!45273 | 11 天前 |
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 iteration".
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。