npu_deformable_conv2d 与 Torch CPU 计算结果有误差

一、问题现象（附报错日志上下文）：

根据 https://gitee.com/ascend/pytorch 中提供的代码分别进行PyTorch NPU 和 CPU 上对同样输入的deformable_conv2d 的计算，得到计算结果有差异。

二、软件版本:
-- CANN 版本 (e.g., CANN 3.0.x，5.x.x):  5.0.2.alpha003
--Tensorflow/Pytorch/MindSpore 版本: 1.5.0
--Python 版本 (e.g., Python 3.7.5): 3.7.9
-- MindStudio版本 (e.g., MindStudio 2.0.0 (beta3)): N/A
--操作系统版本 (e.g., Ubuntu 18.04): Ubuntu 18.04

三、测试步骤：

1. 根据 https://gitee.com/ascend/pytorch/blob/master/README.zh.md 编译并安装
编写Python测试脚本如下：

```python
import torch
import numpy as np

batch_size = 2
input_c = 3
input_h = 5
input_w = 5

kernel_h = 3
kernel_w = 3

output_c = 5
groups = 1
deformable_groups = 1

filter_c = input_c // groups

print("filter_c = ", filter_c)

strides = np.array([1, 1]).astype(np.int)
paddings = np.array([0, 0]).astype(np.int)
dilations = np.array([1, 1]).astype(np.int)

output_h = (input_h + 2 * paddings[0] - (dilations[0] * (kernel_h - 1) + 1)) // strides[0] + 1
output_w = (input_w + 2 * paddings[1] - (dilations[1] * (kernel_w - 1) + 1)) // strides[1] + 1

print("output_h = ", output_h)
print("output_w = ", output_w)

dtype = np.float32

# input - N, C_in, H_in, W_in
input_x = np.arange(batch_size * input_c * input_h * input_w).reshape((batch_size, input_c, input_h, input_w)).astype(dtype)
npu_input_x = torch.from_numpy(input_x).to("npu")

# filter - C_out, C_in // groups, Kh, Kw
input_weight = np.full((output_c, filter_c, kernel_h, kernel_w), 1.0).astype(dtype)
npu_input_weight = torch.from_numpy(input_weight).to("npu")

# offset - N, 2 * Kh * Kw, H_out, W_out
input_offset = np.full((batch_size, 2 * kernel_h * kernel_w, output_h, output_w), 1.0).astype(dtype)
npu_input_offset = torch.from_numpy(input_offset).to("npu")

# mask - N, 1 * Kh * Kw, H_out, W_out
input_mask = np.full((batch_size, 1 * kernel_h * kernel_w, output_h, output_w), 2.0).astype(dtype)
npu_input_mask = torch.from_numpy(input_mask).to("npu")

offset_all = torch.cat([npu_input_offset, npu_input_mask], dim=1)

# forward
npu_output, offset_out = torch.npu_deformable_conv2d(npu_input_x, 
                                                     npu_input_weight, 
                                                     offset_all, 
                                                     None,
                                                     kernel_size=[3, 3], 
                                                     stride = [1, 1, 1, 1], 
                                                     padding = [0, 0, 0, 0])
# npu_output = npu_output.cpu().detach()
# offset_out = offset_out.cpu().detach()

print("offset_all = ", offset_all.cpu().detach())
print("npu_output = ", npu_output.cpu().detach())
print("offset_out = ", offset_out.cpu().detach())
```

获得output结果为：

```
npu_output =  tensor([[[[1998., 2052., 1386.],
          [2268., 2322., 1566.],
          [1602., 1638., 1104.]],

[[1998., 2052., 1386.],
          [2268., 2322., 1566.],
          [1602., 1638., 1104.]],

[[1998., 2052., 1386.],
          [2268., 2322., 1566.],
          [1602., 1638., 1104.]]],

[[[6048., 6104., 4086.],
          [6320., 6372., 4264.],
          [4304., 4336., 2904.]],

[[6048., 6104., 4086.],
          [6320., 6372., 4264.],
          [4304., 4336., 2904.]],

[[6048., 6104., 4086.],
          [6320., 6372., 4264.],
          [4304., 4336., 2904.]]]])
```

2. 安装torch CPU版本，并修改以上的python脚本为：

```python
import torch
import torchvision
import numpy as np

batch_size = 2
input_c = 3
input_h = 5
input_w = 5

kernel_h = 3
kernel_w = 3

output_c = 5
groups = 1
deformable_groups = 1

filter_c = input_c // groups

print("filter_c = ", filter_c)

strides = np.array([1, 1]).astype(np.int)
paddings = np.array([0, 0]).astype(np.int)
dilations = np.array([1, 1]).astype(np.int)

output_h = (input_h + 2 * paddings[0] - (dilations[0] * (kernel_h - 1) + 1)) // strides[0] + 1
output_w = (input_w + 2 * paddings[1] - (dilations[1] * (kernel_w - 1) + 1)) // strides[1] + 1

print("output_h = ", output_h)
print("output_w = ", output_w)

dtype = np.float32

# input - N, C_in, H_in, W_in
input_x = np.arange(batch_size * input_c * input_h * input_w).reshape((batch_size, input_c, input_h, input_w)).astype(dtype)
npu_input_x = torch.from_numpy(input_x)

# filter - C_out, C_in // groups, Kh, Kw
input_weight = np.full((output_c, filter_c, kernel_h, kernel_w), 1.0).astype(dtype)
npu_input_weight = torch.from_numpy(input_weight)

# offset - N, 2 * Kh * Kw, H_out, W_out
input_offset = np.full((batch_size, 2 * kernel_h * kernel_w, output_h, output_w), 1.0).astype(dtype)
npu_input_offset = torch.from_numpy(input_offset)

# mask - N, 1 * Kh * Kw, H_out, W_out
input_mask = np.full((batch_size, 1 * kernel_h * kernel_w, output_h, output_w), 2.0).astype(dtype)
npu_input_mask = torch.from_numpy(input_mask)

offset_all = torch.cat([npu_input_offset, npu_input_mask], dim=1)

# forward
output = torchvision.ops.deform_conv2d(input=npu_input_x,
                                       offset=npu_input_offset,
                                       weight=npu_input_weight,
                                       bias=None,
                                       stride=(1, 1),
                                       padding=(0, 0),
                                       dilation=(1, 1),
                                       mask=npu_input_mask)

print("output = ", output)
```

得到的output为

```
output =  tensor([[[[1998., 2052., 1386.],
          [2268., 2322., 1566.],
          [1602., 1638., 1104.]],

[[1998., 2052., 1386.],
          [2268., 2322., 1566.],
          [1602., 1638., 1104.]],

[[1998., 2052., 1386.],
          [2268., 2322., 1566.],
          [1602., 1638., 1104.]]],

[[[6048., 6102., 4086.],
          [6318., 6372., 4266.],
          [4302., 4338., 2904.]],

[[6048., 6102., 4086.],
          [6318., 6372., 4266.],
          [4302., 4338., 2904.]],

[[6048., 6102., 4086.],
          [6318., 6372., 4266.],
          [4302., 4338., 2904.]]]])
```

**注意：** 这里最后一行的中间这个数据，NPU的结果为4336.，Torch CPU的结果为4338。对于其他random输入而言，差异更大。

四、日志信息:
xxxx
请根据自己的运行环境参考以下方式搜集日志信息，如果涉及到算子开发相关的问题，建议也提供UT/ST测试和单算子集成测试相关的日志。

日志提供方式:
将日志打包后作为附件上传。若日志大小超出附件限制，则可上传至外部网盘后提供链接。

获取方法请参考wiki：
https://gitee.com/ascend/modelzoo/wikis/%E5%A6%82%E4%BD%95%E8%8E%B7%E5%8F%96%E6%97%A5%E5%BF%97%E5%92%8C%E8%AE%A1%E7%AE%97%E5%9B%BE?sort_id=4097825

Ascend/modelzoo
暂停

内容风险标识

评论 (4)

Ascend/modelzoo暂停 .gitee-modal { width: 500px !important; }

内容风险标识