【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
weixin_446260851 分钟前
ARM++:面向深度伪造检测器的多域智能体协同可迁移对抗攻击框架
arm开发·人工智能
tinygone2 分钟前
在Windows上部署Unlimited-ocr并提供给大模型使用
人工智能·windows·经验分享
阿虎儿2 分钟前
Dify HTTP请求节点超时:Reached maximum retries for URL http://xxx/xxx
人工智能
fpcc3 分钟前
AI和大模型——梯度散度和旋度
人工智能·机器学习
秦先生在广东3 分钟前
jcode:下一代终端编码智能体的技术价值深度解析
人工智能
坚冰老猿8 分钟前
Claude Tag实战:AI 同事嵌入Slack,权限模型怎么设计?
人工智能
nix.gnehc16 分钟前
评测工程化:从手动到持续
人工智能·eval·评测
GISer_Jing18 分钟前
0719一个月总结
人工智能·ai·前端框架
颜淡慕潇18 分钟前
WAIC 2026:当AI学会说谎,合合信息用多模态鉴伪技术为数字世界“打假”
人工智能
kp0000020 分钟前
AI系统输入安全基线
人工智能·安全·网络安全·信息安全·ai安全