PyPTO 逐元素向下取整运算 pypto.Tensor.floor 使用指南与实现解析

PyPTO 逐元素向下取整运算 pypto.Tensor.floor 使用指南与实现解析【免费下载链接】pyptoPyPTO发音: pai p-t-oParallel Tensor/Tile Operation编程范式。项目地址: https://gitcode.com/cann/pyptopypto.Tensor.floor是 CANN PyPTO 框架中针对 Tensor 的逐元素向下取整floor运算接口对输入 Tensor 的每个元素执行向负无穷方向舍入浮点元素向下取整整数元素原样返回。本文基于官方 API 文档并结合仓库源码完整介绍该接口的函数原型、参数与约束、调用示例以及从 Python 前端到解释器后端的实现链路与测试验证帮助开发者在 PyPTO 向量编程中正确使用取整类运算。功能概述floor是典型的逐元素element-wise一元向量运算遍历输入 Tensor 的每一个元素计算其向下取整值并写入输出 Tensor 的对应位置。对浮点型数值如1.2、9.8执行向下舍入处理结果沿数轴负方向取最近的整数对整数型数值直接返回其本身不做任何处理。其数学语义为out[i] ⌊input[i]⌋。它与同类取整运算的差异如下运算语义示例输入 -1.2 / 1.8floor向负无穷方向取整-2.0 / 1.0ceil向正无穷方向取整-1.0 / 2.0trunc向零方向截断-1.0 / 1.0round四舍五入-1.0 / 2.0在仓库的 Tensor 类中floor、ceil、trunc三个成员方法集中定义于 python/pypto/tensor.py语义相互对照便于开发者按需选用。产品支持情况该接口在以下硬件平台上均受支持依据 API 文档中的产品支持声明Ascend 950PR / Ascend 950DT支持Atlas A3 训练系列产品 / Atlas A3 推理系列产品支持Atlas A2 训练系列产品 / Atlas A2 推理系列产品支持函数原型floor同时提供 Tensor 成员方法与顶层函数两种调用形式二者等价# Tensor 成员方法形式 floor(self) - Tensor # 顶层函数形式 floor(input: Tensor) - Tensor顶层函数定义位于 python/pypto/op/math.py被op_wrapper装饰并最终调用底层实现pypto_impl.Floor(input)成员方法则是在 python/pypto/tensor.py 中通过return pypto.floor(self)直接转调顶层函数。两种写法使用哪个均可例如x.floor()与pypto.floor(x)完全等价。参数说明参数名输入/输出说明input输入源操作数。支持的类型为 Tensor。Tensor 支持的数据类型为DT_FP32、DT_FP16、DT_BF16、DT_INT32、DT_INT16。不支持空 TensorShape 仅支持 14 维Shape Size 不大于 2147483647即INT32_MAX。返回值说明返回 Tensor 类型。其 Shape、数据类型与输入 Tensor 一致每个元素为输入 Tensor 对应元素的向下取整值。约束说明Tensor 类型输入不支持TileOpFormat.TILEOP_NZ格式即输入需以ND按维连续等非 NZ 格式布局。仓库测试用例中所有 floor 用例均明确标注format: ND见 floor_test_case.py与这一约束一致。输入不支持空 Tensor且 Shape 维数需控制在 14 维以内总元素数不超过INT32_MAX。调用示例设置 TileShape调用该 operation 接口前应通过set_vec_tile_shapes设置向量计算的 TileShape其维度应与输出一致。例如输入 shape 为[m, n]、输出为[m, n]则 TileShape 设置为[m1, n1]其中m1、n1分别用于切分m、n轴pypto.set_vec_tile_shapes(4, 16)从源码看set_vec_tile_shapes 会把各维 TileShape 写入 scopepypto_impl.SetScope({vec_tile_shapes: concrete_shapes})并支持传入SymbolicScalar动态取值为向量计算指定逐维切分粒度。实际开发中TileShape 各维应能整除或按切片方式覆盖对应的数据维度以充分发挥向量单元的分块计算能力。接口调用示例x pypto.tensor([5], pypto.DT_FP32) y pypto.floor(x)结果示例如下输入数据x: [1.2, 4.3, 9.8, 16.5, 25.4] 输出数据y: [1.0, 4.0, 9.0, 16.0, 25.0]完整内核编写示例结合pypto.frontend.jit、pypto.loop、pypto.view与pypto.assemble可将 floor 组织为完整的向量内核。仓库系统测试 test_floor.py 给出了标准写法pypto.frontend.jit(debug_options{runtime_debug_mode: 0, compile_debug_mode: 0}) def floor_2d_1input_kernel(input0: pypto.Tensor(), output: pypto.Tensor(), config: FloorConfig): pypto.set_vec_tile_shapes(*config.tile_shape) for index_0 in pypto.loop(config.loop_ranges[0]): for index_1 in pypto.loop(config.loop_ranges[1]): offsets [index_0 * config.execution_view_shape[0], index_1 * config.execution_view_shape[1]] input0_offset [0 if config.input_shapes[0][axis] 1 else offsets[axis] for axis in range(2)] input0_view pypto.view(input0, config.input_view_shapes[0], input0_offset) result pypto.floor(input0_view) output_offset [ 0 if config.output_offset_map[axis] 0 else offsets[config.output_offset_map[axis]] for axis in range(len(config.execution_view_shape)) ] pypto.assemble(result, output_offset, output)该模式体现了 PyPTO 向量编程的典型四步设置 TileShape → 双层循环遍历分块 → 用view取输入子块 → 对子块执行floor并用assemble写回输出。底层实现链路从源码结构可以梳理出floor的完整调用链帮助理解其执行机制Python 前端pypto.floor(input)op/math.py经由op_wrapper包装后调用pypto_impl.Floor(input)类型桩声明于 pypto_impl/init.pyiIR 生成pypto_impl.Floor由 C 绑定层将调用转换为算子 IR 节点对应OP_FLOOR指令解释器执行IR 送入向量解释器后由 calc_vector.cpp 中的ExecuteOpFloor处理该函数断言输入输出各为 1 个CTX_OUTPUT_COUNT_MISMATCH/CTX_INPUT_COUNT_MISMATCH校验并通过REGISTER_CALC_OP(OP_FLOOR, Opcode::OP_FLOOR, ExecuteOpFloor)完成指令注册数值计算ExecuteOpFloor内部调用 calc.h 中的calc::Floor(out, self)最终交由CalcOps对每个元素执行向下取整计算。可见 floor 属于解释器内置的标准一元运算与Ceil、Trunc、Rsqrt等共享同一套CalcOps计算设施见 calc.h。测试验证仓库为 floor 提供了完整的系统测试覆盖测试入口python/tests/st/operation/vector/test_floor.py内核以(2, 1)2 维、1 输入为键注册每个用例将输入拷贝到 NPU 设备执行内核并以torch.floor在 CPU 侧计算期望结果最后通过assert_outputs比对 NPU 输出与 PyTorch 期望值完成数值一致性校验用例数据python/tests/st/operation/vector/vector_testcase/floor_test_case.py目前包含两个用例分别覆盖fp16与fp32两种数据类型输入 shape 均为(16, 32)、format 为ND、数据取值范围[0, 1)TileShape 与 view_shape 均取(16, 32)即单块处理整张输入测试标记测试通过pytest.mark.parametrize逐用例驱动并开启pass_options{enable_slice: True}以启用切片相关 pass 优化见 test_floor.py。使用建议与注意事项数据类型选择DT_FP32、DT_FP16、DT_BF16、DT_INT32、DT_INT16均可作为输入整数类型输入 floor 后值不变若确定输入恒为整数可直接跳过取整运算以减少一次向量计算。负数的 floor 语义floor 是向负无穷取整负浮点数如-1.2结果为-2.0与截断trunc不同。若业务需要向零取整应改用trunc。布局约束输入不支持TILEOP_NZ格式编写内核或构造输入时请保持ND布局。Shape 限制空 Tensor 不可用Shape 限制在 14 维且元素总数不超过INT32_MAX。TileShape 设置在jit内核中调用 floor 前必须先通过pypto.set_vec_tile_shapes设置 TileShape且其维度要与输入/输出维度一致否则切分配置可能无法正确生效。【免费下载链接】pyptoPyPTO发音: pai p-t-oParallel Tensor/Tile Operation编程范式。项目地址: https://gitcode.com/cann/pypto创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考