S2P3_test_design.md 模板

【免费下载链接】cannbot-skillsCANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块。项目地址: https://gitcode.com/cann/cannbot-skills

用途

源码分析完成后，根据此模板生成 S2P3_test_design.md。 输入来源：参数推导结果（S2P2_param_def.json）+ 常见网络 shape（low_configs）+ 用户确认结果。

必填章节

# {OpName} 白盒测试设计 ## 1. 输入概览 | 输入类别 | 是否提供 | 说明 | |----------|----------|------| | torch 接口 | 是/否 | | | tiling 代码 | 是/否（框架代理） | | | kernel 代码 | 是/否 | | | 资料描述 | 是/否 | | ## 2. 事实摘要 | 项目 | 结论 | 来源类别 | 类型 | |------|------|----------|------| ## 3. 代码路径全景 从 tiling 入口到 kernel 叶子节点的完整分支树（主 Agent 根据 S2P1_path_list.json 的 paths 数组和 source_constraints 重建）： ---``` {op_name} ({平台}路径) ├── 条件 ... │ └── [路径名] ... │ ├── 子条件 ... → 函数/指令 │ └── 子条件 ... → 函数/指令 └── 条件 ... └── ... ---``` 共 {N} 条路径（N 必须等于 S2P1_path_list.json paths 数组长度），分为 {M} 个 group（M 必须等于 S2P2_param_def.json groups 数组长度）。 **约束**： - 每条路径必须单独列出，禁止折叠（如"内部复用各 tiling mode"的概述写法不允许） - 路径 ID 必须与 S2P1_path_list.json 中的 id 一一对应 - 路径总数 N = S2P1_path_list.json paths 数组长度（不含 disputed） - group 总数 M = S2P2_param_def.json groups 数组长度 ## 4. 关键派生变量 | 变量 | 公式 | 依赖项 | 是否参与分支 | 来源 | |------|------|--------|--------------|------| ## 5. 测试关注点（groups） 每个 group 自包含：路由条件 + 约束 + 维度表 + 预估组合数。 **约束**： - group 列表必须与 S2P2_param_def.json groups 数组完全一致（数量、id、顺序） - 每个 group 中的维度值必须与 S2P2_param_def.json 中对应 group 的 per_dtype 取值列表及 group 级维度字段一致，标量属性默认值必须与 S2P1_operator_model.json 的 attributes 默认值一致 - 禁止在 S2P3_test_design.md 中引入 S2P2_param_def.json 中不存在的维度值 - 每个 group 的 constraints 描述必须与 S2P2_param_def.json 中对应 group 的 constraints 语义一致 ### 5.N {group_id} **路由条件**：{什么条件进入此路径} **约束**：{此路径下的参数限制} | 维度 | 值或边界 | 轴角色 | 来源 | |------|---------|--------|------| | {dim_name} | {values or thresholds} | {core_split / ub_tile / instruction_align / attr} | {source:line} | **预估组合数**：估算 ~{N} （重复 5.1, 5.2, ... 每个 group） ## 6. 执行模式分析 ### 轴映射 | 执行层级 | 映射轴 | 控制变量 | 来源 | |---------|--------|---------|------| | 分核 | {axis_name} | {CeilDiv(dim, coreNum)} | {source} | | UB 切分 | {axis_name} | {UbFactor 公式} | {source} | | 指令对齐 | {axis_name} | {BLOCK_ELEM / VL 常量} | {source} | ### 三层覆盖策略 | 层级 | 模式 | 触发条件 | 对应维度取值 | |------|------|---------|-------------| | 分核 | 未开满核 | dim < coreNum | {dim}=1 | | 分核 | 开满核无尾核（单倍） | dim == coreNum | {dim}={coreNum} | | 分核 | 开满核无尾核（多倍） | dim == k*coreNum | {dim}=2*coreNum, 4*coreNum | | 分核 | 开满核有尾核 | dim % coreNum != 0 | {dim}={coreNum+1} | | UB | 单 pass | 数据量 <= UbFactor | {dim} 取小值 | | UB | 多 pass + 尾块 | 数据量 > UbFactor 且不整除 | {dim} 取大值 | | 指令 | 对齐 | dim % vectorWidth == 0 | {dim}={aligned_value} | | 指令 | 非对齐 | dim % vectorWidth != 0 | {dim}={k*v-1 展开值} | ## 7. 未确认项 以下内容无法从当前输入中确认，**需要用户决定**： | # | 问题 | 原因 | 建议处理 | |---|------|------|---------| | 1 | {问题} | {为什么不确定} | 忽略 / 需要补充信息 / 需要额外测试 | Step 2 完成后，将此表展示给用户，等用户逐条确认或补充后再继续。 ## 8. 设计估算 | 项目 | 值 | 说明 | |------|----|------| ## 9. 验证结论 （Step 3 完成后由 verifier 填写）

通用维度指引

data_range

每个 group 应包含data_range维度（除非算子有特殊限制），控制输入 tensor 的数据值域：

"data_range": ["normal", "zero", "extreme", "negative", "tiny_pos", "all_ones", "near_zero", "with_inf", "with_nan"]

不需要全部包含——根据算子语义选择有意义的。量化算子至少需要 normal/zero/extreme/negative。

定义域约束：当S2P1_operator_model.json中某输入的value_domain非 null 时，Step 5c 的expand_high()会自动过滤不兼容的 data_range 标签，make_data("normal")会约束生成范围。设计阶段无需手动裁剪 data_range 列表，但需在 S2P3_test_design.md 中标注哪些输入有 value_domain 约束。

ndim

如果算子支持多种 rank（如 ndim 2~8），加为维度：

"ndim": [2, 3, 4]

pytest 代码根据 ndim 构造不同 rank 的 tensor（如 ndim=2 →[batch, D]，ndim=4 →[B, N, S, D]）。如果算子固定 ndim（如必须 4D），不加此维度。

【免费下载链接】cannbot-skillsCANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块。项目地址: https://gitcode.com/cann/cannbot-skills