【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
RskAi2 分钟前
2026年GPT技术深度拆解:国内免费聚合镜像站RskAi实测
人工智能·gpt
码农小白AI13 分钟前
IACheck融合AI审核:花卉种植记录报告如何实现高精度合规审查?
人工智能
arvin_xiaoting13 分钟前
2026年AI爆火新趋势:Agent协作与通信机制深度解析
人工智能·ai·自动化·agent·多智能体·通信机制·协作系统
bryant_meng21 分钟前
【AI】《Explainable Machine Learning》
人工智能·深度学习·机器学习·计算机视觉·可解释性
就叫你天选之人啦21 分钟前
GBDT系列八股(XGBoost、LightGBM)
人工智能·深度学习·学习·机器学习
CoderIsArt21 分钟前
StarCoder-3B微调和RAG的技术原理
人工智能·深度学习·机器学习
hans汉斯22 分钟前
基于区块链和语义增强的科研诚信智能管控平台
人工智能·算法·yolo·数据挖掘·区块链·汉斯出版社
冷小鱼24 分钟前
机器学习极简入门:从外卖预测到AI核心算法
人工智能·算法·机器学习
yinyan131425 分钟前
一起学springAI系列一:使用多种聊天模型
java·人工智能·spring boot·后端·spring·springai
冷小鱼29 分钟前
Word2Vec 揭秘:如何让计算机“理解“词语?
人工智能·自然语言处理·word2vec