【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
思考着亮几秒前
2.微调读书笔记
人工智能
一切皆是因缘际会2 分钟前
人工智能成为发现新引擎
人工智能
黄权光3 分钟前
AI智能体项目实战记录(03):本地模型调用及 DeepSeek API 调用
人工智能
天远数科4 分钟前
Java数据工程:利用天远人车核验加强版优化智慧高速ETC发行合规体验
java·人工智能
摩羯12305 分钟前
把长期记忆当作可验证数据:知芽 Notebook Skill 与 Agent Memory Repo 的工程拆分
人工智能·aigc
电子元件小说家8 分钟前
AI边缘计算与汽车电子电源设计观察:5x5mm屏蔽功率电感选型与验证建议
人工智能·汽车·边缘计算
狄龙16 分钟前
EGO 式数据工作流:仿真采集 → 公开数据集处理 → 重定向示范(六)
人工智能
colorlog19 分钟前
在 DSH 里接入企业微信:MCP 与 CLI+Skill 两条路怎么选、怎么配
人工智能
狂潮lister25 分钟前
狂潮·元理论 | 五个测试验证:大模型不需要高质量数据,只需要异源结构
人工智能