【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
夫唯不争,故无尤也5 分钟前
在 PyTorch 里,torch.nn 和 torch.nn.functional 到底什么关系?
人工智能·pytorch·python
CodeCaptain7 分钟前
【无标题】
人工智能·经验分享·ai·ai编程
TYUT_xiaoming7 分钟前
零样本目标检测及分割模型
人工智能·目标检测·计算机视觉
计算机程序设计小李同学7 分钟前
森林防火航空巡护任务管理系统
java·vue.js·人工智能·分类·数据挖掘
AIGC合规助手8 分钟前
最新I江苏算法、大模型备案攻略+补贴政策汇总
大数据·人工智能·安全·语言模型·aigc
心态还需努力呀9 分钟前
从单体到分布式:一套 Pulsar 驱动的 AI Infra 实战框架
人工智能·分布式
wiss6612 分钟前
国产知识文档系统深度测评:功能、优势与选型指南
大数据·人工智能·企业知识管理·文件数据利用·电子文档管理系统
Akamai中国13 分钟前
分布式边缘推理正在改变一切
人工智能·分布式·云计算·云服务
进击切图仔15 分钟前
具身智能相关常用工具代码
人工智能
木卫四科技16 分钟前
【CES 2026 】木卫四科技于CES 2026发布“安心用车助手”,以AI重塑驾乘信心
人工智能·科技·智能体·智能座舱·汽车安心用车助手·智能座舱安全