Polar 算子用例结果自测报告【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math队名看不见我 | 算子aclnnPolarfp32 input/angle → complex64 out支持 numpy 广播 对齐基准cann/ops-mathmath/complex/op_host/op_api/aclnn_polar.cppl0 拼接版无 TBE 历史实现1. 测试环境项值硬件Atlas A2 训练系列产品ascend910b实测平台Ascend 910B4/ Atlas A3 训练系列产品ascend910_93同源构建软件CANN 8.5Python3 torch_npupybindml_dtypesAscendOpTest算子部署msopgen 工程bash build.sh→*.run --quiet安装至opp/vendors/customize/权威精度工具官方 AscendOpTestHIT1920/AscendOpTest性能口径官方run_test.py --msprof聚合op_summaryTask Duration 每调用设备时2. 精度自测结果官方 AscendOpTest任务权威判据python run_test.py -i op/Polar.json -c tests/aot/polar_cases.json --op-type custom --build实跑#用例input shapeangle shapeout(complex64)考点结果1Test_same_small[2,6,10][2,6,10][2,6,10]同 shape 基础PASS2Test_same_16M[4096,4096][4096,4096][4096,4096]16M 大 shape所有核参与PASS3Test_bcast_lowhigh[4,1,8][4,5,8][4,5,8]广播低维→高维新增功能主战场PASS4Test_bcast_scalar[1][3,4,5][3,4,5]广播标量 inputPASS5Test_bcast_2way[8,1][1,7][8,7]广播双向PASS6Test_highdim_unalign[3,5,17,269][3,5,17,269][3,5,17,269]高维 inner 非 32B 对齐PASS结论官方 AscendOpTest 6/6 全 PASS含 16M[4096,4096]。精度判据依据complex64 在 AscendOpTestaccuracy_config.default_acc无内置默认键——若不显式配置工具会 KeyError。故每个output_desc显式写err_threshold:[0.0001, 0.0001]取值为 fp32 分量默认值[绝对偏差, 错误率]。compare_complex判定为实部、虚部各自纯绝对误差≤ 1e-4注意复数比对无相对误差回退区别于 float 的compare_default且二者皆满足错误元素数 size×1e-4 即判失败。本算子全程 fp32 计算 Cos/Sin/Mulcomplex64 经 ReinterpretCast 视作交织 fp32分量精度等价 fp32无 Cast 中间损失。历史风险已闭环早期 standalone 测试曾在 16M 用例用苛刻数据多周期角度 6.86 rad × 大幅值纯绝对 1e-4观察到边界抖动。经官方 AscendOpTest 用标准单周期角度数据独立复核 16M稳定 PASS确认非 kernel 内存/正确性 bug系 standalone 苛刻数据撞 fp32 Sin/Cos 范围归约精度边界的取数效应。验收以官方工具结论为准。3. 性能自测结果vs l0 参考基线基线 系统libopapi.so中的 l0 参考实现tests/pybind_baseline/强制只解析 libopapi.so零侵入系统 vendor。本算子与基线均按每调用设备时统计场景l0 参考基线本算子Ascend C 融合加速比结论小[2,6,10]14.25 µs12.52 µs1.14×更快 ✓16M[4096,4096]所有核参与核心验收场景1665 µs937.98 µs1.78×达基线 178%远超 ≥95% 门禁✓✓广播[4,1,8]×[4,5,8]15.17 µs14.92 µs1.02×更快 ✓高维非对齐[3,5,17,269]—29.26 µs—精度 PASS基线未单测规模小结论全场景性能优于 l0 参考基线任务核心验收所有核参与场景16M达基线 1.78×远超 ≥95% 要求。性能来源将参考约 6 个串接 l0 设备算子Contiguous/Sin/Cos/Mul×2/Complex融合为单 kernelkernel 启动 6→1 次、GM↔UB 搬运 ≥10→2 次中间结果驻留 UB复数交织用 Gather Init 一次构造的静态偏移表规避 Transpose 16×16 约束 / strided DataCopyPad MTE 灾难广播 offset 全矢量化 unravel无逐元素标量。4. 泛化与特性交叉自测pybind 16 case严格复数判据tests/pybind/框架verify_result与官方compare_complex逐行等价实/虚部纯绝对误差 1e-4。基础集case 1–8caseinputangle考点结果1[2,6,10][2,6,10]同 shape 基础PASS2[4,1,8][4,5,8]广播 低→高PASS3[1][3,4,5]广播 标量 inputPASS4[8,1][1,7]广播 双向 →[8,7]PASS5[4096,4096]同大 shape性能PASS6[3,5,17,269]同高维 inner 非 32B 对齐PASS7[1][1]1 元素边界PASS8[64,1024]同大角度Sin/Cos 范围归约压力PASS泛化交叉集case 9–16广播 ×{rank/shape/角度范围/正负 abs/对齐性}case考点结果98D 满秩同形PASS105D 中间轴广播PASS11双向多轴广播PASS12标量 input × 高维 anglePASS13负 abs翻号合法性PASS14大负角度范围归约PASS15非 32B 对齐 inner 广播PASS16大向量 × 标量PASS结论16/16 在严格判据下全 PASS广播与各特性交叉无异常。5. 总体结论验收维度标准自测结果达标精度AscendOpTest 默认阈值不低于参考官方工具 6/6 PASS含 16M✓性能所有核参与场景 ≥ l0 参考 95%16M 达基线 178%全场景更快✓✓功能fp32→complex64 numpy 广播≤8 维16-case 泛化交叉严格判据全 PASS✓接口对齐 aclnn 两段式aclnnPolar/GetWorkspaceSize 直调验证✓精度、性能、功能三项验收门禁均达标性能在核心场景显著超出要求。复现命令见tests/测试步骤指导.md。6. ops-math 仓内集成实测验证2026-05-19Atlas A2 / 910B4本算子按 ops-mathexperimental/math约定集成对标同模型算子arange/erf_invACLNNTYPE aclnn纯 OpDef op_kernelaclnn 接口由 build 从 OpDef autogen。在 NPU 实测步骤命令 / 结果构建bash build.sh --pkg --socascend910b --opspolar --experimental→build_exit0.run生成安装*.run --quiet→SUCCESS装入opp/vendors/customize_math/aclnn 接口autogenaclnn_polar.h已装入 vendorop_api/includelibcust_opapi.so导出T aclnnPolar、T aclnnPolarGetWorkspaceSize官方 AscendOpTest 精度6/6 全 PASSTest_same_small / Test_same_16M / Test_bcast_lowhigh / Test_bcast_scalar / Test_bcast_2way / Test_highdim_unalignresult.csv 各out … ,pass两轮独立复测均 PASSops-math 集成版性能实测官方run_test.py --msprof聚合 op_summary Task Duration 每调用设备时l0 基线 系统libopapi.so的aclnnPolar系统不变量用例ops-math 集成版l0 参考基线结论Test_same_small[2,6,10]11.64 µs14.25 µs更快 1.22× ✓Test_same_16M[4096,4096]所有核参与核心验收931.68 µs1665 µs快 1.79×✓✓Test_bcast_lowhigh[4,1,8]×[4,5,8]14.16 µs15.17 µs更快 ✓Test_bcast_scalar[1]×[3,4,5]15.14 µs——Test_bcast_2way[8,1]×[1,7]双向广播15.84 µs——Test_highdim_unalign[3,5,17,269]26.94 µs——ops-math 集成版各用例耗时与原 msopgen 产物逐项一致均略优small 12.52→11.64、16M 937.98→931.68、bcast_lowhigh 14.92→14.16 µs印证 kernel 计算逻辑逐字一致、约定重构零性能回归。结论ops-math 约定重构op_host 三拆 / TilingData 普通 struct / kernel 入口模板式 / IMPL_OP_* 注册宏经 NPU 实测——构建通过、官方 AscendOpTest 精度 6/6 全 PASS含 16M 与全部广播含双向广播Test_bcast_2way[8,1]×[1,7]、性能全场景优于 l0 基线核心 16M 快 1.79×远超 ≥95%与原 msopgen 产物精度与性能完全一致重构零回归。【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
华为CANN/ops-math Polar算子自测报告
Polar 算子用例结果自测报告【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math队名看不见我 | 算子aclnnPolarfp32 input/angle → complex64 out支持 numpy 广播 对齐基准cann/ops-mathmath/complex/op_host/op_api/aclnn_polar.cppl0 拼接版无 TBE 历史实现1. 测试环境项值硬件Atlas A2 训练系列产品ascend910b实测平台Ascend 910B4/ Atlas A3 训练系列产品ascend910_93同源构建软件CANN 8.5Python3 torch_npupybindml_dtypesAscendOpTest算子部署msopgen 工程bash build.sh→*.run --quiet安装至opp/vendors/customize/权威精度工具官方 AscendOpTestHIT1920/AscendOpTest性能口径官方run_test.py --msprof聚合op_summaryTask Duration 每调用设备时2. 精度自测结果官方 AscendOpTest任务权威判据python run_test.py -i op/Polar.json -c tests/aot/polar_cases.json --op-type custom --build实跑#用例input shapeangle shapeout(complex64)考点结果1Test_same_small[2,6,10][2,6,10][2,6,10]同 shape 基础PASS2Test_same_16M[4096,4096][4096,4096][4096,4096]16M 大 shape所有核参与PASS3Test_bcast_lowhigh[4,1,8][4,5,8][4,5,8]广播低维→高维新增功能主战场PASS4Test_bcast_scalar[1][3,4,5][3,4,5]广播标量 inputPASS5Test_bcast_2way[8,1][1,7][8,7]广播双向PASS6Test_highdim_unalign[3,5,17,269][3,5,17,269][3,5,17,269]高维 inner 非 32B 对齐PASS结论官方 AscendOpTest 6/6 全 PASS含 16M[4096,4096]。精度判据依据complex64 在 AscendOpTestaccuracy_config.default_acc无内置默认键——若不显式配置工具会 KeyError。故每个output_desc显式写err_threshold:[0.0001, 0.0001]取值为 fp32 分量默认值[绝对偏差, 错误率]。compare_complex判定为实部、虚部各自纯绝对误差≤ 1e-4注意复数比对无相对误差回退区别于 float 的compare_default且二者皆满足错误元素数 size×1e-4 即判失败。本算子全程 fp32 计算 Cos/Sin/Mulcomplex64 经 ReinterpretCast 视作交织 fp32分量精度等价 fp32无 Cast 中间损失。历史风险已闭环早期 standalone 测试曾在 16M 用例用苛刻数据多周期角度 6.86 rad × 大幅值纯绝对 1e-4观察到边界抖动。经官方 AscendOpTest 用标准单周期角度数据独立复核 16M稳定 PASS确认非 kernel 内存/正确性 bug系 standalone 苛刻数据撞 fp32 Sin/Cos 范围归约精度边界的取数效应。验收以官方工具结论为准。3. 性能自测结果vs l0 参考基线基线 系统libopapi.so中的 l0 参考实现tests/pybind_baseline/强制只解析 libopapi.so零侵入系统 vendor。本算子与基线均按每调用设备时统计场景l0 参考基线本算子Ascend C 融合加速比结论小[2,6,10]14.25 µs12.52 µs1.14×更快 ✓16M[4096,4096]所有核参与核心验收场景1665 µs937.98 µs1.78×达基线 178%远超 ≥95% 门禁✓✓广播[4,1,8]×[4,5,8]15.17 µs14.92 µs1.02×更快 ✓高维非对齐[3,5,17,269]—29.26 µs—精度 PASS基线未单测规模小结论全场景性能优于 l0 参考基线任务核心验收所有核参与场景16M达基线 1.78×远超 ≥95% 要求。性能来源将参考约 6 个串接 l0 设备算子Contiguous/Sin/Cos/Mul×2/Complex融合为单 kernelkernel 启动 6→1 次、GM↔UB 搬运 ≥10→2 次中间结果驻留 UB复数交织用 Gather Init 一次构造的静态偏移表规避 Transpose 16×16 约束 / strided DataCopyPad MTE 灾难广播 offset 全矢量化 unravel无逐元素标量。4. 泛化与特性交叉自测pybind 16 case严格复数判据tests/pybind/框架verify_result与官方compare_complex逐行等价实/虚部纯绝对误差 1e-4。基础集case 1–8caseinputangle考点结果1[2,6,10][2,6,10]同 shape 基础PASS2[4,1,8][4,5,8]广播 低→高PASS3[1][3,4,5]广播 标量 inputPASS4[8,1][1,7]广播 双向 →[8,7]PASS5[4096,4096]同大 shape性能PASS6[3,5,17,269]同高维 inner 非 32B 对齐PASS7[1][1]1 元素边界PASS8[64,1024]同大角度Sin/Cos 范围归约压力PASS泛化交叉集case 9–16广播 ×{rank/shape/角度范围/正负 abs/对齐性}case考点结果98D 满秩同形PASS105D 中间轴广播PASS11双向多轴广播PASS12标量 input × 高维 anglePASS13负 abs翻号合法性PASS14大负角度范围归约PASS15非 32B 对齐 inner 广播PASS16大向量 × 标量PASS结论16/16 在严格判据下全 PASS广播与各特性交叉无异常。5. 总体结论验收维度标准自测结果达标精度AscendOpTest 默认阈值不低于参考官方工具 6/6 PASS含 16M✓性能所有核参与场景 ≥ l0 参考 95%16M 达基线 178%全场景更快✓✓功能fp32→complex64 numpy 广播≤8 维16-case 泛化交叉严格判据全 PASS✓接口对齐 aclnn 两段式aclnnPolar/GetWorkspaceSize 直调验证✓精度、性能、功能三项验收门禁均达标性能在核心场景显著超出要求。复现命令见tests/测试步骤指导.md。6. ops-math 仓内集成实测验证2026-05-19Atlas A2 / 910B4本算子按 ops-mathexperimental/math约定集成对标同模型算子arange/erf_invACLNNTYPE aclnn纯 OpDef op_kernelaclnn 接口由 build 从 OpDef autogen。在 NPU 实测步骤命令 / 结果构建bash build.sh --pkg --socascend910b --opspolar --experimental→build_exit0.run生成安装*.run --quiet→SUCCESS装入opp/vendors/customize_math/aclnn 接口autogenaclnn_polar.h已装入 vendorop_api/includelibcust_opapi.so导出T aclnnPolar、T aclnnPolarGetWorkspaceSize官方 AscendOpTest 精度6/6 全 PASSTest_same_small / Test_same_16M / Test_bcast_lowhigh / Test_bcast_scalar / Test_bcast_2way / Test_highdim_unalignresult.csv 各out … ,pass两轮独立复测均 PASSops-math 集成版性能实测官方run_test.py --msprof聚合 op_summary Task Duration 每调用设备时l0 基线 系统libopapi.so的aclnnPolar系统不变量用例ops-math 集成版l0 参考基线结论Test_same_small[2,6,10]11.64 µs14.25 µs更快 1.22× ✓Test_same_16M[4096,4096]所有核参与核心验收931.68 µs1665 µs快 1.79×✓✓Test_bcast_lowhigh[4,1,8]×[4,5,8]14.16 µs15.17 µs更快 ✓Test_bcast_scalar[1]×[3,4,5]15.14 µs——Test_bcast_2way[8,1]×[1,7]双向广播15.84 µs——Test_highdim_unalign[3,5,17,269]26.94 µs——ops-math 集成版各用例耗时与原 msopgen 产物逐项一致均略优small 12.52→11.64、16M 937.98→931.68、bcast_lowhigh 14.92→14.16 µs印证 kernel 计算逻辑逐字一致、约定重构零性能回归。结论ops-math 约定重构op_host 三拆 / TilingData 普通 struct / kernel 入口模板式 / IMPL_OP_* 注册宏经 NPU 实测——构建通过、官方 AscendOpTest 精度 6/6 全 PASS含 16M 与全部广播含双向广播Test_bcast_2way[8,1]×[1,7]、性能全场景优于 l0 基线核心 16M 快 1.79×远超 ≥95%与原 msopgen 产物精度与性能完全一致重构零回归。【免费下载链接】ops-math本项目是CANN提供的数学类基础计算算子库实现网络在NPU上加速计算。项目地址: https://gitcode.com/cann/ops-math创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
