ascend-ai-coding PyPTO 算子精度问题调试技能
提供两种精度对比方法，用于快速定位 PyPTO 算子中导致精度问题的具体 op。
方法选择
方法对比
| 特性 | 文件保存方法 | 二分对比方法 |
|---|---|---|
| 实现方式 | 使用 pypto.pass_verify_save() 保存到文件，使用 torch.save() 保存 golden |
使用检查点 tensor 作为输入参数，在内存中直接对比 |
| 适用场景 | 初次定位精度问题，需要快速找到问题范围 | 需要对比多个循环迭代数据，减少文件 IO 开销 |
| 循环支持 | 只保存 idx=0 的数据 |
支持保存所有循环迭代数据 |
| 代码修改 | 不需要修改 kernel 函数签名 | 需要修改 kernel 函数签名，添加检查点参数 |
| 数据类型 | 直接保存原始类型，对比时统一转换 | 在内存中直接对比，类型需一致 |
| 使用难度 | 简单，只需添加检查点调用 | 较复杂，需要管理检查点 tensor |
选择指南
优先使用文件保存方法（参考 verify.md）：
- 需要快速找到问题范围
- 只需要对比单次循环的数据，不需要对比多个循环迭代
- 不想修改 kernel 函数签名，保持代码简洁
- 复杂算子，循环较多，二分对比方法难以将数据搬运到循环外
切换到二分对比方法（参考 binary-search.md）：
- 需要对比多个循环迭代的数据（如 idx=0,1,2,...）
- 保存的数据文件过大时，用二分法在内存中直接对比减少文件 IO 开销
快速开始
使用文件保存方法
- 阅读 verify.md 了解详细步骤
- 在 kernel 中添加
pypto.pass_verify_save()调用 - 在 golden 中添加
torch.save()调用 - 运行测试生成数据
- 使用对比工具分析结果
使用二分对比方法
- 阅读 binary-search.md 了解详细步骤
- 修改 kernel 函数签名，添加检查点 tensor 参数
- 修改 golden 函数，返回检查点数据
- 修改测试函数，创建检查点 tensor 并对比
- 运行测试并分析结果
核心原则
数据对齐原则
无论使用哪种方法，都必须确保：
- golden 和 kernel 的计算逻辑、切块方式、数据维度完全一致
- 如果实现不一致，改写 golden 函数使其与 kernel 一致
- 检查点的位置和顺序必须一一对应
检查点命名原则
- 使用有意义的名称，反映计算步骤
- 按计算顺序添加数字前缀（如
1_after_matmul,2_after_softmax） - 确保命名约定一致，便于对比工具自动匹配
参考资料
- PyPTO API:
docs/api/ - pass_verify_save API:
docs/api/others/pypto-pass_verify_save.md