【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
Ai思想家6 小时前
私有化部署的服务器选型与容量规划
人工智能·安全·ai
小码哥哥6 小时前
实战指南:企业网盘与AI知识库的融合架构设计与实现
人工智能
品牌测评6 小时前
AI编码平台的技术演进与行业格局——2026年生态观察
人工智能
爱查宝小二6 小时前
爱查宝 AIGC 检测与降重能力深度评测
人工智能·aigc
白拾6 小时前
【CVPR 2026】POUR:神经坍缩驱动的可证明最优表示级机器遗忘|从隐私合规与表示几何视角
人工智能·机器遗忘·表示学习·医学影像ai·cvpr 2026·pour 论文分享·神经坍缩
重庆传粉科技7 小时前
AI搜索重构互联网价值交换:GEO如何缓解全域流量流失难题
大数据·人工智能
BUG研究员_7 小时前
Runnable与LCEL
开发语言·人工智能·python
老马聊技术7 小时前
Pytorch深度学习环境配置与测试
人工智能·pytorch·python
带娃的IT创业者7 小时前
Open-Agents:当文件类型检测遇上轻量级AI代理范式
人工智能·ai代理·轻量级架构·文件类型检测·open-agents·vercel labs·内容识别