【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
天远数科几秒前
零信任架构实战:基于天远全能消金报告构建自动化消费分期网关
运维·人工智能·架构·自动化
科技研学社4 分钟前
绿色合规时代,碳足迹与ESG倒逼服装工厂工序升级
数据库·人工智能
Henry-SAP5 分钟前
SAP MRP失效根源业务角度解析
人工智能·云原生·sap·erp
Alphapeople26 分钟前
VLM实战
人工智能
kaixin_啊啊26 分钟前
【零基础学AI】第 1 章——AI 究竟包含哪些技术?
人工智能·ai
二川bro27 分钟前
Python pytest极简入门,从零学会专业自动化测试
人工智能
YOLO数据集集合1 小时前
螺栓目标检测数据集 | 螺栓检测 工业质检 智能制造 部件识别9149期
人工智能·目标检测·制造
johnsong1 小时前
AI前沿日报 2026-10-03:幽灵协议 — 当AI推荐死去的SaaS,编码Agent控制层崛起
人工智能
鬓戈1 小时前
tmux 跑 omp / pi 等 AI coding agent:无人值守后台执行 + 随时回看操作
人工智能