【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
kingcjh976 小时前
具身智能数据处理的工程化实践
人工智能·数据挖掘
dadaobusi6 小时前
Sniper
人工智能
AI人工智能集结号6 小时前
AI回答采集:基于PostgreSQL JSONB的原始数据存储与可追溯性方案
数据库·人工智能·postgresql
WeilinerL6 小时前
CodeGraph:让AI理解代码仓库的神器
前端·人工智能
DFT计算杂谈7 小时前
交错磁研究进展材料物性与交叉应用
数据库·人工智能·python·opencv·算法
CCYe、7 小时前
企业 AI 网关采购需求清单:一份集团级 RFP 的能力映射
人工智能
xfan_me7 小时前
汽车维保记录精准版 API 快速接入指南
人工智能·汽车
IvorySQL7 小时前
PG 日报|查询优化器重大修复,支持更多复杂 SQL 优化
数据库·人工智能·postgresql·开源
AI视觉网奇7 小时前
大模型多轮对话技巧
人工智能
qq_454245037 小时前
engine prompt
人工智能·prompt