Project1 报告模板

复制为 report.md 后填写。保留失败或反常结果；不要把参考解的实验当作自己的实现。

1. 问题、环境与复现方式

• 我想验证的问题 / 可被否证的预测：
• 使用的实现（自己的 / 参考对照）、Git commit 或 CSV 中 source_sha256：
• Python、操作系统、CPU（计时来自此环境）：
• 完整命令、seed、warmups、repeats、原始 CSV 路径：
• 命令的当前目录（课程根目录，能看到course；源码仓库的_courses/deepinfer）：
• 计时区间包括什么、排除什么；当时电源/后台负载情况：
• Roofline 对象（默认虚构加速器 / 真实 GPU）：
• 模型带宽（GB/s）、峰值（TFLOP/s）、dtype、SIMT/Tensor Core、稠密/稀疏：
• 规格来源链接和查询日期（使用虚构参数时注明无需查规格）：

2. 正确性与复用

• 复用的本人 Lab 函数、为本项目做的修改：
• 完整测试命令与结果；浮点比较的容差和理由：
• Q2 长度 5 的每轮结果；一个浮点加法改变顺序的反例：
• Q9 一个矩形例子中的局部 accumulator 在每轮 k0 后是什么：
• 该例每轮实际搬了哪些A/B值、何时写回C；与L4逐块图的对应关系：
• 为什么输入不会被修改、输出行不会共享：

3. 请求量推导

说明 naive 与 tiled 的读/写次数，推导 ceil 的来源，再手算一个尾块案例。区分请求字节、最小存储容量、真实设备流量。

以下仅算模型，不运行 Python 大矩阵；MB = 1e6 bytes。

4. 实验与 Roofline

引用 CSV 的具体行，至少比较 tile=1、存在尾块的 tile 和 tile>n。保留原始 CSV，不只截取最快结果。

先写明每种算法读写几遍、是否缓存/融合及 FLOPs 约定。softmax 单列 exp 次数，说明等价 FLOPs 模型的局限。

• 哪条数据支持最初预测？哪条不支持？
• 请求量减少与 Python 时间的关系是什么？有哪些混杂因素？
• 为什么 Python 时间和虚构加速器下界不能相除得出 GPU 效率？
• 这一模型未包含哪些硬件因素？下一步用什么实验区分解释？

5. Debugging notebook 与 Checkoff

最小失败输入 → 期望值 → 实际值/异常 → 根因 → 修复 → 回归命令。

至少记录一个能区分下列问题的证据：尾块越界、accumulator过早清零、绕过Memory读数据、过多写回。不要只填“测试全通过”；写出哪个中间状态让你确认原因。

逐条回答 README 的 5 个 checkoff 问题，每条至少引用一个自己的例子或实验数据。没有真实 GPU 数据时写清楚还需要测什么。

6. 自评与可选 GPU 结果

按 README 内部 100 分 rubric 自评，逐项指向证据。没有完成的部分留空并写清原因。

若做 GPU 延伸：列设备、dtype、shape、比较 baseline、数值容差、编译/传输/同步/计时边界、warmup/repeats、中位数/p90、误差；最后说明模型与实测差距。未做则填写“未做，不影响核心成绩”。