【AscendC】tiling方案设计不当引起的一个时隐时现的bug

在设计tiling方案时,通常会考虑到非对齐的场景,对输入数据进行补全操作从而使得非对齐场景也能正确的完成计算。但在某些算子的实现过程中,沿用上述操作却会造成数据的错误计算,且这种错误出现与否取决于随机生成的测试数据质量。本文笔者记录一个典型的错误,并分析产生该错误的原因。

对于exp操作来说,通过将其优化为max + exp(x - max)是一种常用的手段。但对于非对齐场景,上述优化之后的算子可能会出现问题。对于补齐的位置,通常是以补0作为典型的补齐手段,此时如果原数据的最大值为大于等于0的值,那么在计算max的过程不会产生影响,但是在计算x-max之后就会造成补0的位置的值变成了负数,从而经过指数操作之后会产生正值,如果其后有规约求和的操作就会造成求和的数目过大从而造成结果错误。

但是上述过程可能会出现无法检测的情况,也即补齐的数目非常少(例如只有1个位置需要补0),此时可能出现没有影响到最终结果的情况。

因此在tiling设计中尤其要注意非对齐场景,这些补齐的位置是否会对计算产生影响。

相关推荐
猿界零零七9 分钟前
Agent 开发面试题--Day002【Agent和Workflow的有什么区别】
人工智能·大模型
lucas_AI10 分钟前
OpenAI 重写「模型宪法」:五条价值观取代规则清单,第一条给了人类意图
人工智能
品牌常新10 分钟前
室外巡检机器人推荐:园区与厂区怎么选
数据库·人工智能·机器人
爱吃火鸡面呀16 分钟前
OpenCV 颜色识别实战:从 HSV 原理到摄像头实时检测
人工智能·opencv·计算机视觉
揽秀亭长17 分钟前
音频、五线谱、MIDI 如何转成简谱?
人工智能·音视频
大鹏的NLP博客21 分钟前
从格赖斯合作原则看大语言模型与提示词工程
人工智能·自然语言处理·大模型·agent
会议咨询26 分钟前
2027年神经网络、计算机视觉与信息工程国际会议(NCVIE 2027)
人工智能·神经网络·计算机视觉
跨境卫士—小依28 分钟前
TikTokShop旧版物流模板组件停用跨境技术团队如何完成系统迁移
大数据·人工智能·新媒体运营·跨境电商·跨境·营销策略
阿俊-全栈开发32 分钟前
LikeShop 多商户标准版智能商品分类与标签自动打标:大模型+向量检索二开实践
大数据·人工智能·分类·likeshop·likeshop开源商城
AI创界者33 分钟前
【AI生视频本地部署】最新 MiniMax-H3 全模态生成模型本地部署与极致优化:N卡 6G 显存流畅跑、无审查加速完整工作流实战
人工智能·aigc·音视频