【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
网络工程小王1 分钟前
【LangGraph的工作流编排能力】学习笔记
java·服务器·数据库·人工智能·langchain
代钦塔拉3 分钟前
Qt 按钮 Lambda 信号槽重复绑定、多次触发 BUG 深度剖析与终极解决方案
c++·qt·bug
j_xxx404_3 分钟前
【Linux进程间通信】硬核剖析:消息队列、信号量、内核IPC资源统一管理与mmap加餐
linux·运维·开发语言·c++·人工智能·ai
深度学习lover5 分钟前
<数据集>yolo 货车识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·货车识别
金玉满堂@bj10 分钟前
大模型(AI应用开发)完整学习路线|零基础可落地版
人工智能·学习
XM_jhxx11 分钟前
AI图纸识别 vs 传统OCR:差距在哪里?
人工智能·ocr
YJlio13 分钟前
2023-09-25:ChatGPT 开始支持“看、听、说”,从纯文本正式迈向多模态交互
人工智能·python·科技·chatgpt·django·交互·pygame
cyyt14 分钟前
深度学习周报(5.4~5.10)
人工智能·深度学习
辉视广播对讲8 小时前
医院IPTV,让医疗服务更有温度
网络·人工智能
xqqxqxxq8 小时前
Java AI智能P图工具技术笔记
java·人工智能·笔记