Verify Accuracy (Primus-Turbo)

Name: Verify Accuracy (Primus-Turbo)
Author: amd-agi

Vérification de la correction numérique pour les opérateurs Primus-Turbo.

déclencheurs:verify accuracyvalidate numerical correctnesscheck operator accuracycompare against pytorch referencetest fp8 accuracy

Verify Accuracy

Ce skill fournit un cadre rigoureux pour prouver qu'un opérateur Primus-Turbo est numériquement correct en le comparant à une référence PyTorch de plus haute précision pour les passages avant (forward) et arrière (backward).

Méthodologie centrale

Comparaison de référence : Utilise des calculs mathématiques de vérité terrain en float32 (FP32) pour valider les sorties de précision inférieure.
Gating spécifique à la précision :
- FP32/FP16/BF16 : Utilise des tolérances allclose (ex: $1\text{e-}4$ pour FP32).
- FP8/FP4 : Utilise des seuils de SNR (Signal-to-Noise Ratio) (ex: $\ge 25\text{dB}$ pour FP8 E4M3) car la tolérance élément par élément est souvent insignifiante après quantification.
Prise en compte de l'encodage : Prend en compte les encodages dépendants de l'architecture tels que FNUZ (gfx942) et OCP (gfx950).

Flux de validation

Implémentation de référence : Établir une référence PyTorch native dans tests/pytorch/ref/.
Paramétrisation : Tester sur diverses formes, types de données (dtypes), mises en page et backends.
Déterminisme : Vérifier la reproductibilité bit à bit si nécessaire.
Mise à l'échelle : Passer de tests ciblés à des suites GPU complètes via pytest -n 8.

Étiquettes

#amd-gpu #numerical-verification #pytorch #low-precision #testing

Pas encore audité

Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.

Informations

Dépôt: amd-agi

Compétences similaires

Starlark Dev

Create, debug, and test Kurtosis Starlark packages — write package structure, run dry-runs, and inspect plan execution for reliable orchestration.

Run Execute

Orchestrates execution of work items across modes (autopilot, confirm, validate) with scripted init/complete tooling, plan/test/report artifacts and strict gati

Alpha Forge Pre-Ship Quality Gates

Pre-merge quality gates for PRs that validate RNG determinism, forked URLs, runtime parameter ranges, and manifest synchronization to reduce review cycles.

OpenTestAI

Automated, high-confidence AI testing: bug detection, persona feedback, and prioritized test-case generation using many specialized tester profiles.

Blender Build-Go (bgo)

Automate build → remove → install → enable → launch cycle for Blender extensions or add-ons to speed up iteration and CI workflows.

Overnight — Autonomous Long-Running Coding

Orchestrates long-running coding goals: decomposes objectives into atomic tasks, dispatches isolated worktree workers, verifies acceptance criteria, and merges

EventKit Integration (iOS/macOS)

Expert EventKit patterns for iOS/macOS: permissions, bidirectional sync, zero-width identity signatures, batch operations, and zombie-task handling.

Evolve — Goal-Driven Improvement Loop

Autonomous improvement loop that selects high-value work, runs a full research-plan-implement (/rpi) cycle, validates changes, and repeats to compound repo impr

Retour aux compétences