Highway项目EMU128测试失败问题分析与解决方案
2025-06-12 02:04:04作者:丁柯新Fawn
问题背景
在构建Google Highway项目时,开发者遇到了EMU128目标测试失败的问题。这些问题主要出现在Windows 11系统上,使用CMake 3.31.0和Visual Studio 2022构建工具链时发生。测试失败表现为多种数学运算结果与预期不符,包括NaN检测、指数函数计算和浮点数转换等。
错误现象分析
测试失败的具体表现包括:
- NaN检测失败:EMU128目标在测试AllNaN时,未能正确识别NaN值,反而返回了最大浮点数值
- 指数函数计算错误:Expm1函数在输入较大负值时返回-INF而非预期的-1.0
- 浮点数转换精度问题:f32x4类型转换时出现精度损失,实际结果与预期存在微小差异
- 乘法累加运算错误:ReorderWidenMulAccumulate测试中结果完全错误
这些错误都集中在EMU128目标上,而SSE2目标的相同测试则全部通过,表明问题特定于软件模拟实现。
根本原因
经过深入分析,这些问题主要由以下因素导致:
- 编译器兼容性问题:Visual C++ 2022对某些数学运算的模拟实现与标准存在差异
- 浮点异常处理:在模拟环境下,某些极端值的处理方式与硬件实现不同
- 精度控制差异:软件模拟的浮点运算精度控制与硬件存在细微差别
解决方案
针对这些问题,项目维护者提供了两种解决方案:
方案一:更新代码库
将项目更新至最新主分支(commit 28c442f或更新),该版本已包含针对EMU128目标的修复:
- 修正了hwy/tests/hwy_gtest.h中的测试断言逻辑
- 优化了数学运算的模拟实现
- 改进了浮点异常处理
方案二:禁用问题目标
对于x86_64平台用户,可以安全地禁用EMU128和SCALAR目标,因为所有x86_64 CPU都保证支持SSE2指令集。通过在CMake配置中添加以下选项实现:
-DCMAKE_CXX_FLAGS="-DHWY_DISABLED_TARGETS=0x6000000000000000"
技术建议
- 测试策略:在持续集成环境中,建议同时运行硬件目标和软件模拟目标测试,但允许模拟目标有更大的误差容限
- 构建配置:对于性能关键应用,建议优先使用硬件加速目标
- 浮点运算:在模拟环境下使用高精度数学函数时,应注意设置合理的误差阈值
结论
Google Highway项目中的EMU128测试失败问题主要源于编译器兼容性和软件模拟实现的差异。通过更新代码库或选择性禁用问题目标,开发者可以顺利构建项目。这一案例也提醒我们,在跨平台开发中,需要特别注意不同编译器和运行环境下的数学运算行为差异。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
859
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
687
1.35 K
Ascend Extension for PyTorch
Python
721
893
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
446
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。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 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。
Python
1 K
620
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
255