【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
z2023050815 小时前
RDMA之RDMA 的发展原因和软件架构基础(10)
linux·服务器·网络·人工智能·ai
碳基硅坊15 小时前
知识图谱如何成为临床辅助决策的“超级外挂“
人工智能·知识图谱
3DVisionary15 小时前
混凝土裂纹如何全自动识别?DIC技术在结构裂缝重构的应用
人工智能·学习·dic技术·混凝土裂缝监测·全场应变分析·三维位移测量·实验力学
z小猫不吃鱼15 小时前
09 GPT-2 论文精读:语言模型如何走向 Zero-shot?
人工智能·gpt·语言模型
weixin_4684668515 小时前
迁移学习落地实战:从场景匹配到价值验证
人工智能·深度学习·机器学习·迁移学习·模型训练·小样本
云边云科技_云网融合15 小时前
企业级网络智能运维体系构建:从被动响应到主动预判
大数据·网络·人工智能
z小猫不吃鱼15 小时前
07 GPT-1 论文精读:生成式预训练如何用于 NLP 任务?
人工智能·gpt·自然语言处理
qq_4112624215 小时前
ESP32 做 PS3 手柄接收器,这是最稳的方案。
人工智能
梦想三三15 小时前
【Open CV图像形态学处理技术】边界填充与形态学运算
人工智能·opencv·计算机视觉
星辰AI15 小时前
数据质量检查:保障 AI 训练数据的可靠性
人工智能·ai·语言模型