【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
小马爱打代码1 分钟前
Spring AI 进阶:RAG 技术原理拆解与本地知识库检索落地
人工智能·深度学习·spring
freepopo2 分钟前
天津商业空间设计:本地团队的美学落地方案 [特殊字符]
大数据·人工智能·python
想你依然心痛5 分钟前
AI 视频生成新时代:Wan2.2-T2V-A5B 文本转视频实战
人工智能·音视频·ai视频
咚咚王者7 分钟前
人工智能之核心技术 深度学习 第五章 Transformer模型
人工智能·深度学习·transformer
zuozewei8 分钟前
7D-AI系列:AI大模型应用性能核心指标:TTFT 与 TPOT 详解
人工智能
WZGL123011 分钟前
银发经济新浪潮:适老化设计如何催生“青春化”市场
人工智能
逄逄不是胖胖12 分钟前
《动手学深度学习》-57长短期记忆网络LSTM
人工智能·深度学习·lstm
LASDAaaa123114 分钟前
基于DETR的花卉种类识别与分类系统详解
人工智能·数据挖掘
数琨创享TQMS质量数智化17 分钟前
国有大型交通运输设备制造集团QMS质量管理平台案例
大数据·人工智能·物联网
yhdata18 分钟前
绿色能源新动力:硫酸亚铁助力锂电池产业,年复合增长率攀升至14.8%
大数据·人工智能