【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
Microsoft Word2 分钟前
零代码落地Rokid AI Glasses应用:个性化推荐旅游智能体搭建指南
人工智能·旅游
2603_9547083110 分钟前
交直流混合微电网架构:拓扑优化与功率交互设计
人工智能·分布式·物联网·架构·系统架构·能源
悬镜安全13 分钟前
“Vibe Coding”时代的安全边界:悬镜问境AIST如何护航Agent开发全流程?
人工智能
147API21 分钟前
多模型 fallback 怎么设计?一个可落地的简化架构
人工智能·架构·大模型api
数字供应链安全产品选型34 分钟前
2026 AI安全趋势展望:AI原生安全将成为企业刚需
大数据·人工智能
ToddyBear35 分钟前
深入Anthropic Claude AI的记忆模块的设计思想和架构
人工智能·架构
数据门徒36 分钟前
神经网络核心概念 全景梳理与关系图谱
人工智能·深度学习·神经网络
程序员爱德华36 分钟前
2026 计算机视觉研究方向
人工智能·计算机视觉
jedi-knight39 分钟前
深入浅入 AI Agent:基于 Python 与 ReAct 模式的自主智能体实现
人工智能·python
阿杰学AI43 分钟前
AI核心知识131—大语言模型之 自主智能体(简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·agent·智能体·自主智能体