CANN/cannbot-skills：网络用例映射

Step 5b：映射网络用例 → S5_mapped_cases_network.json

【免费下载链接】cannbot-skillsCANNBot 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。项目地址: https://gitcode.com/cann/cannbot-skills

前置条件：Step 5a 完成（S5_case_mapper.py + S5_mapped_cases_path.json 已写入）

映射规则：5b 读S5_mapping_spec.md（算子侧规格）+S2P1_low_configs.json（网络侧结构），自行生成映射规则并写回S5_mapping_spec.md§网络用例映射。

输入文件清单见 00-execution-order.md。

1. 目标

将S2P1_low_configs.json映射为与S2P2_cases.json格式一致的S2P2_network_cases.json，然后调用S5_case_mapper.main()复用 5a 全部管道，附加元数据后输出S5_mapped_cases_network.json。

读S5_mapping_spec.md§输入 tensor 的（DYNAMIC）标注识别 DYNAMIC 输入。读S2P1_low_configs.json前 3 条确认字段结构，生成映射规则并写回S5_mapping_spec.md§网络用例映射。

2. 数据流

S5_mapping_spec.md（算子侧：§dtype ~ §验证规则） + S2P1_low_configs.json（网络侧：config 字段结构） │ 5b 分析两侧，生成映射规则 │ 写回 S5_mapping_spec.md §网络用例映射（可审查） ▼ S2P2_network_cases.json（可审查） │ S5_case_mapper.main(network_cases_file, network_out_file, id_prefix="network") ▼ ── 内部经 load_mapped_configs → map_case → validate_config ── S5_mapped_cases_network.json │ 每条附加 _source / _reason 元数据

3. 映射推导

3.0 生成映射规则

读S5_mapping_spec.md（§dtype ~ §验证规则，算子侧）+S2P1_low_configs.json前 3 条（网络侧），分析两侧字段对应关系，生成映射规则并写回S5_mapping_spec.md§网络用例映射。规则包括：

• 每个 config 字段对应的算子参数名及映射方式（直接 / 乘积 / 透传）
• DYNAMIC 输入的 tensor_count 来源（config 提供 / 固定值）
• 缺失参数的默认值

后续 §3.1-3.6 的模式用于将生成的规则翻译为代码。

3.1 直接映射

config 中某字段直接对应算子参数。对应：case["{算子参数名}"] = cfg["{字段路径}"]。

3.2 乘积映射

多个 config 字段的乘积对应一个算子参数。对应：case["{算子参数名}"] = cfg["{字段1}"] * cfg["{字段2}"]。

3.3 dtype 映射

读 S5_mapping_spec.md §dtype 获取 dtype 控制参数名和合法值，对照 config 的 dtypes 字段确定映射。值直接透传。

3.4 attr 补全

对照 S5_mapping_spec.md §shape 构造参数 + §属性，对 low_config 中缺失的算子参数取 default 值，不随机采样。

3.5 tensor_count 映射（DYNAMIC 专用）

读 S5_mapping_spec.md §输入 tensor 中标注（DYNAMIC）的输入，对照 config 字段确定 tensor_count 来源：

• config 提供：config 中有对应字段（如shapes.tensor_count）→case["{name}_count"] = cfg["{字段路径}"]
• 固定值：config 中无对应字段 →case["{name}_count"] = {N}（N 在 [min, min(max, 50)] 范围内选取）

3.6 _group

所有网络用例的_group固定为"network"。

4. 代码模板

def map_network_to_path_cases(configs_file): """ 将 S2P1_low_configs.json 转换为 S2P2_network_cases.json 子 agent 从 §3.0 生成的映射规则翻译生成 """ with open(configs_file) as f: configs = json.load(f) cases = [] for config in configs: cfg = config case = {} # ============================================================ # 以下内容由子 agent 翻译生成 # ============================================================ # 直接映射 case["{算子参数名}"] = cfg["{语义名}"] # 乘积映射 case["{算子参数名}"] = cfg["{语义名1}"] * cfg["{语义名2}"] # dtype 映射 case["{算子dtype_param}"] = cfg["{语义名}"] # attr 补全（不采样，取 default） case.setdefault("{算子参数名}", {default}) # tensor_count 映射（DYNAMIC 专用） case["{name}_count"] = cfg["{语义名}"] # 或固定值 # _group 固定 case["_group"] = "network" # ============================================================ cases.append(case) return cases

5. 生成 S2P2_network_cases.json + 调 main

import json, os from S5_case_mapper import main out_dir = os.path.dirname(os.path.abspath(__file__)) low_configs_file = os.path.join(out_dir, "S2P1_low_configs.json") network_cases_file = os.path.join(out_dir, "S2P2_network_cases.json") network_out_file = os.path.join(out_dir, "S5_mapped_cases_network.json") # 1. 语义→算子参数，写 S2P2_network_cases.json（可审查） cases = map_network_to_path_cases(low_configs_file) with open(network_cases_file, "w") as f: json.dump(cases, f, indent=2) print(f"Written {len(cases)} cases to S2P2_network_cases.json") # → 人工审查: 字段名、_group、乘积值、attr 默认值 # 2. 复用 5a 管道 main(network_cases_file, network_out_file, id_prefix="network") # 3. 附加元数据 low_configs = json.load(open(low_configs_file)) with open(network_out_file) as f: mapped = json.load(f) for i, mc in enumerate(mapped["cases"]): mc["_source"] = low_configs[i].get("source") mc["_reason"] = low_configs[i].get("reason") with open(network_out_file, "w") as f: json.dump(mapped, f, indent=2) print(f"Written S5_mapped_cases_network.json")

6. 输出

• S2P2_network_cases.json— 中间产物，与S2P2_cases.json格式一致，所有字段为算子参数名，_group: "network"
• S5_mapped_cases_network.json— 最终输出，与S5_mapped_cases_path.json格式一致，每条额外包含_source/_reason

验证说明：main()内部已对每条 network case 执行 L1 校验（validate_config）。L2-L4 验证（S5_verify_mapper.py）仅在 5a 对 path cases 执行——其目的是验证 mapper 函数本身的正确性，5a 通过后即可认为map_case/validate_config逻辑可靠，network cases 复用同一函数无需重复验证。

【免费下载链接】cannbot-skillsCANNBot 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。项目地址: https://gitcode.com/cann/cannbot-skills