[PHI] Fix local index in strided elementwise kernel

[SigureMo]

PR Category

Operator Mechanism

PR Types

Bug fixes

Description

修复 stride elementwise CUDA kernel 中线程本地数组索引错误的问题。

在 BinaryElementwiseKernel / UnaryElementwiseKernel 中，线程本地数组 args 的长度为 STRIDE_VEC_SIZE，当前为 1，但原实现使用全局线性下标 idx 写入 args[idx]。当处理非 contiguous 输入的 compare/logical/elementwise stride kernel 时，线程号大于 0 会写越线程本地数组边界，在 CUDA 13.2 / sm_103 环境中可由 label != -100 触发 illegal memory access。

本 PR 将本地输入缓存写入改为 args[0]，并补充 base[:, :63, :] 形成 shape [1, 63, 1]、stride [64, 1, 1] 后执行 != / == 的 CUDA 回归用例。

本地验证：

• prek
• python3 -m py_compile test/legacy_test/test_compare_op_stride.py
• git diff --cached --check
• rg "args\\[idx\\]|result\\[idx\\]" paddle/phi/kernels/stride/elementwise_stride_base.cu.h 无命中
• 未在本机执行 CUDA 回归测试：本地没有 CUDA build/runtime 环境。

是否引起精度变化

否。该修复只更正 stride elementwise kernel 的线程本地数组索引，不改变数学计算逻辑。

^{This PR is authored by @codex (gpt-5.5 xhigh)}

[paddle-bot]

你的PR提交成功，感谢你对开源项目的贡献!
请关注后续CI自动化测试结果，详情请参考Paddle-CI手册。
Your PR has been submitted. Thanks for your contribution!
Please wait for the result of CI firstly. See Paddle CI Manual for details.

[Copilot]

Pull request overview

This PR fixes an out-of-bounds write in the CUDA/HIP strided elementwise kernels by correcting how per-thread local arrays are indexed, and adds a CUDA regression test that reproduces the failure scenario using a non-contiguous strided slice compared with a scalar.

Changes:

• Fix BinaryElementwiseKernel / UnaryElementwiseKernel to write thread-local cached inputs into args[0] (instead of incorrectly using the global linear index idx).
• Add CUDA-only regression tests covering != and == with a non-contiguous tensor slice having stride [64, 1, 1].

Reviewed changes

Copilot reviewed 2 out of 2 changed files in this pull request and generated no comments.

File	Description
test/legacy_test/test_compare_op_stride.py	Adds CUDA regression tests for scalar comparisons on a non-contiguous strided slice.
paddle/phi/kernels/stride/elementwise_stride_base.cu.h	Fixes incorrect indexing into per-thread local args arrays to prevent OOB writes.

---

💡 Add Copilot custom instructions for smarter, more guided reviews. Learn how to get started.

[risemeup1111]

已复查本次改动，未发现需要阻塞合入的问题。修复点与新增 CUDA 回归用例匹配；当前仍有审批类检查未通过，代码相关 CI 请以 GitHub 最新结果为准。

^{Powered by Nyanpasu with gpt-5.5 xhigh, please check the suggestions carefully.}

[ShigureNyako]

本轮先 request changes。核心 CUDA/HIP kernel 修复方向是对的：args 是线程本地、长度为 STRIDE_VEC_SIZE（当前为 1），这里写 args[0] 才能和后续 SameDimsElementwisePrimitiveCaller(..., read_lens=1) / result[0] 对齐，避免用全局 idx 写越界。

阻塞点：新增回归用例当前没有显式放到 CUDA/custom device 上，可能无法覆盖本 PR 实际修改的 stride CUDA/HIP kernel。请先补齐这一点后再合入。

[ShigureNyako]

这里没有显式把输入放到 CUDA/custom device 上；paddle.arange 会按当前默认 device 创建 Tensor（通常是 CPU），因此这个回归用例可能只跑到 CPU elementwise 路径，覆盖不到本 PR 修改的 PADDLE_WITH_CUDA/HIP stride kernel。建议像上面的 TestBinaryElementwiseOp_Stride 一样加 device guard，并用 get_device_place()/paddle.to_tensor(..., place=...)（或显式 paddle.set_device(get_device())）确保 label != -100 / label == 1 在目标 GPU/custom place 上执行。

[risemeup1111]

已复查最新 force-push。内核修复本身仍然保持上一轮判断，但新增回归测试在当前版本里可能落到 static 模式，无法稳定覆盖这次修复的 eager/CUDA stride kernel；具体修改建议已放在行级评论中。

^{Powered by Nyanpasu with gpt-5.5 xhigh, please check the suggestions carefully.}

[risemeup1111]

优先级：P1

这个新增用例依赖动态图中的 strided Tensor，但当前没有显式进入 dygraph。 同文件已有 TestBinaryElementwiseOp_Stride.test_dygraph_api_arithmetic 在用例结束时调用 paddle.enable_static()，整文件运行时后续这里的 paddle.arange(...).reshape(...) 可能落在 static 模式，out.numpy() 也就不能稳定作为 eager/CUDA stride kernel 的回归检查执行。请恢复 CUDA-only guard，并在每个用例内显式切到目标 place 的动态图模式后再恢复 static。

Suggested change

	class TestCompareStridedSliceWithScalar(unittest.TestCase):
	def test_not_equal_with_size_one_dim_stride(self):
	base = paddle.arange(64, dtype="int64").reshape([1, 64, 1])
	label = base[:, :63, :]
	self.assertEqual(list(label.shape), [1, 63, 1])
	self.assertEqual(label.strides, [64, 1, 1])
	self.assertFalse(label.is_contiguous())
	out = label != -100
	np.testing.assert_array_equal(
	out.numpy(), np.ones([1, 63, 1], dtype=np.bool_)
	)
	def test_equal_with_size_one_dim_stride(self):
	base = paddle.arange(64, dtype="int64").reshape([1, 64, 1])
	label = base[:, :63, :]
	out = label == 1
	expected = np.arange(63, dtype=np.int64).reshape([1, 63, 1]) == 1
	np.testing.assert_array_equal(out.numpy(), expected)
	@unittest.skipIf(
	not paddle.core.is_compiled_with_cuda(),
	"core is not compiled with CUDA",
	)
	class TestCompareStridedSliceWithScalar(unittest.TestCase):
	def setUp(self):
	self.place = get_device_place()
	def test_not_equal_with_size_one_dim_stride(self):
	paddle.disable_static(self.place)
	try:
	base = paddle.arange(64, dtype="int64").reshape([1, 64, 1])
	label = base[:, :63, :]
	self.assertEqual(list(label.shape), [1, 63, 1])
	self.assertEqual(label.strides, [64, 1, 1])
	self.assertFalse(label.is_contiguous())
	out = label != -100
	np.testing.assert_array_equal(
	out.numpy(), np.ones([1, 63, 1], dtype=np.bool_)
	)
	finally:
	paddle.enable_static()
	def test_equal_with_size_one_dim_stride(self):
	paddle.disable_static(self.place)
	try:
	base = paddle.arange(64, dtype="int64").reshape([1, 64, 1])
	label = base[:, :63, :]
	out = label == 1
	expected = np.arange(63, dtype=np.int64).reshape([1, 63, 1]) == 1
	np.testing.assert_array_equal(out.numpy(), expected)
	finally:
	paddle.enable_static()

[risemeup1111]

优先级：P1

最新提交删除了同文件旧用例里的 paddle.enable_static() / paddle.disable_static() 切换，这部分已经消除了我上一条评论里“后续用例可能落到 static 模式”的证据。但新增回归用例仍然直接用 paddle.arange(...) 创建 base，没有跳过非 CUDA/custom 环境，也没有把输入放到 get_device_place()；当默认 device 是 CPU 时，它仍可能只覆盖 CPU elementwise 路径，不能稳定验证本 PR 修改的 PADDLE_WITH_CUDA/HIP stride kernel。请保留当前 dynamic 处理，同时把这个用例显式绑定到目标 place，例如两个测试都复用下面的 helper：

@unittest.skipIf(
    not (paddle.core.is_compiled_with_cuda() or is_custom_device()),
    "core is not compiled with CUDA",
)
class TestCompareStridedSliceWithScalar(unittest.TestCase):
    def setUp(self):
        self.place = get_device_place()

    def _make_label(self):
        base = paddle.to_tensor(
            np.arange(64, dtype=np.int64).reshape([1, 64, 1]),
            place=self.place,
        )
        return base[:, :63, :]

[risemeup1111]

已复查最新提交。static/dygraph 模式风险已通过移除同文件旧用例里的显式模式切换得到处理；但新增回归测试仍未显式运行在 CUDA/custom place 上，无法稳定覆盖本 PR 修改的 stride CUDA/HIP kernel。具体建议已更新在原行级线程中。

^{Powered by Nyanpasu with gpt-5.5 xhigh, please check the suggestions carefully.}

[risemeup1111]

已复查最新提交。之前指出的回归测试 device 覆盖问题已通过 get_device_place() 和 paddle.to_tensor(..., place=self.place) 处理；本轮未发现需要阻塞合入的新问题。CI 仍有任务进行中，请以 GitHub 最新结果为准。

^{Powered by Nyanpasu with gpt-5.5 xhigh, please check the suggestions carefully.}

[ShigureNyako]

LGTMeow

已复查最新提交 db107cf2e0a72c3e120f526d9c258bff4a97d62a，我这边可以 approve。

本轮新增的 _make_label() 已通过 paddle.to_tensor(..., place=self.place) 将输入显式放到 get_device_place()，在 CUDA/custom CI 环境下会覆盖目标 stride CUDA/HIP kernel；同时移除了旧用例里的 static/dygraph 显式切换，避免后续回归用例落到 static/PIR 模式。核心 kernel 中线程本地 args[0] 的修复仍然正确。

当前 Check approval 属于 paddle/phi 变更的审批 gate；其余 CI 以最新 head 结果为准。

[ShigureNyako]

本轮需要重新 request changes。

最新 head db107cf2e0a72c3e120f526d9c258bff4a97d62a 的 CUDA/custom place 绑定方向是对的，但新增用例仍没有像同文件原有 stride 用例一样加 CUDA/custom guard。当前 Linux-XPU / Test 已在 test_compare_op_stride 上失败：test_not_equal_with_size_one_dim_stride 里 label.strides 实际为 [63, 1, 1]，断言期望 [64, 1, 1]。这说明该回归用例会在非目标环境中运行，且没有稳定覆盖本 PR 修改的 CUDA/HIP stride kernel。

请按现有线程建议，为 TestCompareStridedSliceWithScalar 加上与上方用例一致的 guard，例如 not (paddle.core.is_compiled_with_cuda() or is_custom_device()) 时 skip。当前 Check approval 仍是 RD approval gate，单独等待即可。

[ShigureNyako]

LGTMeow 🎬+🐾
LGTMeow

已确认最新提交在新增回归类上补上了与同文件原有 stride 用例一致的 CUDA/custom guard，并继续通过 paddle.to_tensor(..., place=self.place) 显式绑定目标 place。之前 Linux-XPU / Test 暴露的非目标环境运行问题已修复；当前剩余的 Check approval 属于 RD approval gate。

[risemeup1111]

已复查最新提交。新增回归用例现在与同文件现有 stride 用例一致，在非 CUDA/custom 环境会跳过，并且在目标环境中通过 paddle.to_tensor(..., place=self.place) 绑定到 get_device_place()；此前的测试覆盖问题已解决。本轮未发现需要阻塞合入的新问题，CI 仍请以 GitHub 最新结果为准。

^{Powered by Nyanpasu with gpt-5.5 xhigh, please check the suggestions carefully.}