【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
腾讯云音视频3 小时前
AI in Game,大模型能力与实时音视频技术融合,交出AI应用新答卷
人工智能·实时音视频
路人与大师4 小时前
热门大型语言模型(LLM)应用开发框架
人工智能·语言模型·自然语言处理
梁下轻语的秋缘5 小时前
Python人工智能算法 模拟退火算法求解01背包问题:从理论到实践的完整攻略
人工智能·python·算法·数学建模·模拟退火算法
装不满的克莱因瓶5 小时前
【小白AI教程】大模型知识扫盲通识
人工智能·数学建模·ai·大模型·llm·llama·rag
寒冬腊月里的洋葱5 小时前
基于深度学习双塔模型的食堂菜品推荐系统
人工智能·深度学习
李昊哲小课5 小时前
使用 scikit-learn 库对乌克兰冲突事件数据集进行多维度分类分析
人工智能·python·机器学习·分类·scikit-learn
科技小E6 小时前
AI智能分析网关V4室内消防逃生通道占用检测算法打造住宅/商业/工业园区等场景应用方案
网络·人工智能
Mr数据杨6 小时前
AIGC工具平台-服装模特换装(语义切割全自动)
人工智能
进取星辰6 小时前
1、初识YOLO:目标检测的闪电战
人工智能·yolo·目标检测
※DX3906※7 小时前
小土堆pytorch--损失函数与反向传播
人工智能·pytorch·python