错误信息
当发生TIK编译错误时，在界面上显示错误信息、发生错误时算子的代码行、算子源代码的上下文和算子调用堆栈，下面是部分英文错误信息，中文含义， 处理方式：
错误信息 |
中文含义 |
处理方式 |
|---|---|---|
Compile Error: The parameter type may be wrong, please check the api document |
编译错误：参数类型不正确，请查阅api文档。 |
TIK API 参数类型不正确，请仔细核对TIK API 文档参数说明章节及注意事项 |
Compile Error: Scalar operation may be wrong |
编译错误：标量操作错误。 |
标量操作不支持对应的操作数的类型，例如标量加操作不支持float类型。 |
Compile Error: The compile command may be wrong |
编译错误：编译命令错误。 |
编译命令有误，可能是编译器版本不对，可能是编译参数不支持，请核对编译器版本是否准确。 |
Compile Error: Instruction selection may be wrong |
编译错误：内部指令映射错误。 |
内部指令映射错误，可能是编译器版本不对，请核对编译器版本是否准确 |
Compile Error: Unknown errors |
编译错误：未知错误。 |
未知类型错误，可能是编译器版本不对，请核对编译器版本是否准确。 |
Error: Check failed: !invalid_vars.count(op): j is used out of scope |
编译错误：变量超出了其定义的作用域。 |
根据对应的报错语句查看哪个变量超出了其定义的作用域。 报错信息中，"j"为定义的变量名称。如果算子实现中没有定义名称为"j"的变量，则"j"可能是某个for_range()语句的索引变量。详细分析可参考示例说明2。 |
注意事项
- 编译命令错误和部分未知错误不支持打印错误代码行及上下文，其余部分编译错误支持定位到具体代码行，
- 需要在调用BuildCCE时，配置tbe_debug_level=2。
tik_instance.BuildCCE(..., config = {"tbe_debug_level": 2})
示例说明1
错误信息："Scalar operation may be wrong"
示例中报错信息如下图所示：
通过第一行的报错信息，在上述表格中找到错误原因，然后根据tik算子文件中错误行的上下文上的错误代码行，可以判断出是16行标量b的赋值语句出现问题，经过查看Scalar的注意事项，并结合代码可以定位出，在设置标量值时，值是一个表达式，不支持scalar变量加float类型的数据。
示例说明2
错误信息：：" xxx is used out of scope"
- 样例1
示例代码如下所示：
from tbe import tik tik_instance = tik.Tik() b = tik_instance.Scalar(dtype="int32", init_value=2, name="b") dup_value = tik_instance.Scalar(dtype="int32", init_value=3, name="dup_value") a_ub = tik_instance.Tensor(shape=(192,), name="a_ub", scope=tik.scope_ubuf, dtype="int32") with tik_instance.for_range(0, 2) as index: dup_value.set_as(b * dup_value) tik_instance.vec_dup(64, a_ub[index*64:], dup_value, 1, 8) tik_instance.vec_dup(64, a_ub[index*64:], dup_value, 1, 8) # index超作用域 tik_instance.BuildCCE("test_for_range", inputs=[], outputs=[])编译时，报错信息如下图所示：
- 样例2
示例代码如下所示：
from tbe import tik tik_instance = tik.Tik() b = tik_instance.Scalar(dtype="int32", init_value=2, name="b") dup_value = tik_instance.Scalar(dtype="int32", init_value=3, name="dup_value") a_ub = tik_instance.Tensor(shape=(192,), name="a_ub", scope=tik.scope_ubuf, dtype="int32") with tik_instance.for_range(0, 2) as index: dup_value.set_as(b * dup_value) tik_instance.vec_dup(64, a_ub[index*64:], dup_value, 1, 8) with tik_instance.for_range(0, 2) as index: dup_value.set_as(b * dup_value) tik_instance.vec_dup(64, a_ub[index*64:], dup_value, 1, 8) tik_instance.vec_dup(64, a_ub[index*64:], dup_value, 1, 8) # index超作用域 tik_instance.BuildCCE("test_for_range", inputs=[], outputs=[])编译时，报错信息如下图所示：
- 样例3
from tbe import tik tik_instance = tik.Tik() b = tik_instance.Scalar(dtype="int32", init_value=2, name="b") dup_value = tik_instance.Scalar(dtype="int32", init_value=3, name="dup_value") a_ub = tik_instance.Tensor(shape=(192,), name="a_ub", scope=tik.scope_ubuf, dtype="int32") with tik_instance.for_range(0, 2, name="index1") as index: # 指定index的变量名 dup_value.set_as(b * dup_value) tik_instance.vec_dup(64, a_ub[index*64:], dup_value, 1, 8) with tik_instance.for_range(0, 2, name="index2") as index: # 指定index的变量名 dup_value.set_as(b * dup_value) tik_instance.vec_dup(64, a_ub[index*64:], dup_value, 1, 8) tik_instance.vec_dup(64, a_ub[index*64:], dup_value, 1, 8) # index超作用域 tik_instance.BuildCCE("test_for_range", inputs=[], outputs=[])编译时，报错信息如下图所示：
注意：
•样例1与•样例2的报错原因都是索引变量index超出了其定义的作用域，且索引变量都是for_range语句中定义的，但两个样例的报错中，变量名称不同。在for_range()语句中，如果没有指定索引index的name，则会自动命名为“i”，“j”,“k”，......
•样例3与•样例2的实现代码的区别为：样例3对for_range()语句的index变量进行了命名，其他完全一致。由•样例3的报错信息可以看出，对for_range()语句的index变量命名之后，可以快速确认是哪个变量超出了作用域。