cpp-sink

name: cpp-sink description: 负责《Paddle API 对齐 PyTorch 项目》中 Step2：API 代码修改，实施『C++下沉』方案。通过将 Python API 下沉至 C++层，可以减少 Python 装饰器带来的性能开销，提升 API 调度效率。 context: fork disable-model-invocation: false

一、标准工作流程

根据 API 的复杂度，将下沉场景分为三类：

场景一: 仅参数名不一致（最简单）

适用条件（需全部满足）：

• Paddle Python API 与ops.yaml中参数类型或数量一致
• Paddle API 和 PyTorch API 仅参数名称不一致
• Python 端调用_C_ops前无任何前处理逻辑

典型示例： paddle.log2

Step 1：配置 python_api_info.yaml

添加参数别名映射（按 op name 的字典序添加）：

- op : log2
  name : [paddle.log2, paddle.Tensor.log2]
  args_alias :
    use_default_mapping : True  # 启用默认映射：x->input

说明：

• name：指定对应的 Python API 名称（函数 API 和 Tensor 方法）
• use_default_mapping : True：自动配置常用字段映射（x→input, y→other, axis→dim, keepdims→keepdim）
• 不在默认映射范围时，可配置自定义映射：y: [exponent]（Paddle 参数名为 key，PyTorch 参数名为 value）

Step 2：迁移文档到 _paddle_docs.py

使用 add_doc_and_signature 函数迁移文档，关键要点：

1. Alias 说明格式：在 Args 部分为有别名的参数添加 `Alias: ``alias_name```
2. out 参数处理：keyword-only 参数放在 Keyword Args: 部分，位置参数放在 Args: 部分，如下：

# out 为 keyword-only 参数
"""
Args:
    ...
Keyword Args:
    out (Tensor|optional): The output tensor. Default: None.
"""

# out 为位置参数
"""
Args:
    out (Tensor, optional): The output Tensor. Default: None.
"""

示例：

add_doc_and_signature(
    "log2",
    r"""
    Calculates the log to the base 2 of the given input tensor, element-wise.
    ...
    Args:
        x (Tensor): Input tensor. Alias: ``input``.
        ...
    Keyword Args:
        out (Tensor, optional): The output tensor. Default: None.
    Returns:
        ...
""",
    """
def log2(
    x: Tensor,
    name: str | None = None,
    *,
    out: Tensor | None = None,
) -> Tensor
""",
)

注意：

• Tensor 类方法（如 paddle.Tensor.abs）没有文档，无需处理，请勿与普通方法（如 paddle.abs）混淆
• Inplace 方法（如 paddle.abs_等下划线 API），只需要更新 API 签名，不需要修改文档
• 注意文档格式规范，需与 _paddle_docs.py 现有文档格式保持一致

Step 3：替换 Python 实现

找到 API 的 Python 实现位置（如 python/paddle/tensor/math.py，注意不要误检索到稀疏 API 位置）：

1. 在文件上方合适位置导入C++实现
2. 直接删除原有的 Python 函数实现

# 在文件最上方合适位置导入（不要添加注释）
from paddle._C_ops import log2  # noqa: F401

# 以下内容全部删除（不要添加注释）
# def log2(x: Tensor, name: str | None = None) -> Tensor:
#     ...

场景二: 具有前处理逻辑（中等复杂度）

适用条件（全部满足）：

• Paddle Python API 与ops.yaml中参数类型或数量一致
• Paddle API 和 PyTorch API 仅参数名称不一致
• Python 端在调用_C_ops前有其他前处理逻辑

典型示例： paddle.logsumexp

Step 1：配置 python_api_info.yaml

- op : logsumexp
  name : [paddle.logsumexp, paddle.Tensor.logsumexp]
  args_alias:
    use_default_mapping : True  # x->input, axis->dim
  pre_process:
    func : LogsumexpPreProcess(x, axis, reduce_all)  # 前处理函数

关键点：

• name：指定对应的 Python API 名称
• args_alias.use_default_mapping：启用默认参数映射
• pre_process.func：指定前处理函数名称及其参数列表

Step 2：实现前处理函数

将 Python 端在调用_C_ops前的其他前处理逻辑，修改为 C++的实现。在 paddle/fluid/pybind/arg_pre_process.h 声明，在 arg_pre_process.cc 实现。

关键要点：

• 必须同时实现动态图版本（参数类型为 Tensor*）和静态图版本（参数类型为 pir::Value*）
• 函数通过指针修改参数值
• 参考 arg_pre_process.cc 中已有实现，保持风格一致

声明示例：

void LogsumexpPreProcess(Tensor *x, std::vector<int> *axis, bool *reduce_all);      // 动态图
void LogsumexpPreProcess(pir::Value *x, std::vector<int> *axis, bool *reduce_all);  // 静态图

Step 3：迁移文档到 _paddle_docs.py

参考场景一的 Step 2 执行相同操作。

Step 4：替换 Python 实现

参考场景一的 Step 3 执行相同操作。

场景三: 复杂参数映射（最复杂）

适用条件（全部满足）：

• Paddle Python API 与ops.yaml中参数类型或数量不一致
• 需要复杂的自定义参数解析逻辑，来匹配 Paddle Python API 与ops.yaml的参数差异

典型示例： paddle.argmax/paddle.argmin

Step 1：配置 python_api_info.yaml

- op : argmax
  name : [paddle.argmax, paddle.Tensor.argmax]
  args_mapper :
    func : ArgMaxMinMapper  # 自定义参数映射函数

关键点：

• name：指定对应的 Python API 名称
• args_mapper.func：指定自定义 Mapper 函数名称
• 当使用args_mapper时，不会生成默认参数解析代码
• Mapper 需要手动解析所有参数，包括参数别名支持

Step 2：实现自定义 Mapper

将 Python API 与ops.yaml中参数类型或数量不一致的差异，通过 C++自定义 Mapper 来进行匹配与转换。在 paddle/fluid/pybind/args_mapper.h 声明，在 args_mapper.cc 实现。

关键要点：

• 必须同时实现动态图版本和静态图版本
• 使用 args_mapper 时不会生成默认参数解析代码，需手动解析所有参数
• 参考 args_mapper.cc 中已有实现，保持风格一致

核心工具函数：

静态图特殊处理： 使用 pir::Value 代替 Tensor，常量需通过 paddle::dialect::full 转换为 Value 类型。

声明示例：

void ArgMaxMinMapper(PyObject* args, PyObject* kwargs,
                     Tensor* x, Scalar* axis, bool* keepdims, bool* flatten, DataType* dtype);  // 动态图
void ArgMaxMinMapper(PyObject* args, PyObject* kwargs,
                     pir::Value* x, pir::Value* axis, ...);  // 静态图

Step 3: 迁移文档到 _paddle_docs.py

除了完成场景一的文档迁移操作之外，场景三文档迁移还需要额外注意：

如果使用了自定义 Mapper，则 API 有可能支持了签名重载，需要分别描述两种签名，如下：

注：只需在文档正文中阐述两种签名（Paddle 在前，Pytorch 在后），文档其他位置如 Args/Returns 仍以 Paddle 风格签名为准

"""
This API has two signatures:

1. ``paddle.sum(x, axis=None, dtype=None, keepdim=False, name=None, *, out=None)`` (Paddle-style)
2. ``paddle.sum(input, dim=None, keepdim=False, dtype=None, *, out=None)`` (PyTorch-style)

Args:
    ...

Returns:
    ...
"""

Step 4：替换 Python 实现

参考场景一的 Step 3 执行相同操作。

二、注意事项

1. 严格按标准工作流程执行，杜绝自行臆断和跳过步骤
2. 若 Python API 参数顺序与_C_ops API 不同，属于特殊情况，Cpp 下沉方案无法实现，需要使用 Python 装饰器方案
3. 代码中不允许提交中文，代码注释采用英文
4. 若 API 需支持out参数，必须修改add_doc_and_signature中的字符串，增加 out 参数
5. 不要修改generated_tensor_methods_patch.py，该文件是自动生成的，修改没有意义，如无法对齐可考虑放弃 C++下沉方案而不是改动该文件
6. 示例代码若涉及多种数据类型，可能触发类型检查误报，添加注释忽略：

  .. code-block:: pycon
      >>> # type: ignore
      >>> import paddle
      >>> x = paddle.to_tensor([1.0, 2.0])

三、常见问题处理

Q1：静态图报错"must be Value, but got Variable"

错误现象：

TypeError: (InvalidType) all(): argument (position 1) must be Value, but got Variable

解决方法：

1. 删除过时的测试文件：

   rm -rf test/deprecated/test_xxx.py
   

2. 删除CMakeLists.txt中涉及的单测配置
3. 检查并更新所有引用这些测试的代码

Q2：参数解析报错"got an unexpected keyword argument"

错误现象：

TypeError: argmax() got an unexpected keyword argument 'invalid_param'

解决方法：

1. 检查参数名称拼写
2. 确认是否支持该参数