【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
自不量力的A同学12 小时前
阿里通义实验室开源 Qwen-Image-i2L
人工智能
Nautiluss12 小时前
一起玩XVF3800麦克风阵列(七)
人工智能·单片机·音频·语音识别·智能硬件
郭庆汝13 小时前
json库保存字典数据到本地
人工智能·深度学习·json
IvorySQL13 小时前
PostgreSQL 19:超高速聚合的全新突破
数据库·人工智能·postgresql·开源
lvchaoq13 小时前
解决组件不能远程搜索的问题
前端·bug
LeonIter13 小时前
国家按产业占比分类,我国纳入哪类?
大数据·人工智能
timer_01713 小时前
Mistral AI 发布第二代开源编码模型:Devstral2 和 Devstral Small2
人工智能·开源
霖大侠13 小时前
VISION TRANSFORMER ADAPTER FOR DENSE PREDICTIONS
人工智能·深度学习·transformer
青稞社区.13 小时前
VLA 的强化学习后训练框架π_RL详解
人工智能
CNRio13 小时前
数字经济健康发展的双维路径:技术伦理与产业价值的重构
大数据·人工智能·重构