[pytorch] Inductor: CycleGAN CPU 벤치마크 expected accuracy 상태 업데이트
PR 링크: pytorch/pytorch#175096 상태: Merged | 변경: +1 / -1
들어가며
PyTorch Inductor의 CI는 각 모델에 대한 expected accuracy 상태를 CSV 파일로 관리합니다. 모델의 실제 동작이 변경되면 이 CSV도 업데이트해야 CI가 정상적으로 통과합니다. 이 PR은 pytorch_CycleGAN_and_pix2pix 모델이 CPU Inductor 추론에서 더 이상 정상 실행되지 않는 상태를 반영한 단일 줄 수정입니다.
핵심 코드 분석
Before (cpu_inductor_torchbench_inference.csv):
pytorch_CycleGAN_and_pix2pix,pass,0
After:
pytorch_CycleGAN_and_pix2pix,eager_fail_to_run,0
pass에서 eager_fail_to_run으로 변경되었습니다. eager_fail_to_run은 해당 모델이 eager mode에서도 실행에 실패하는 상태를 의미하며, Inductor 자체의 문제가 아님을 나타냅니다.
왜 이게 좋은가
CI에서 expected accuracy 파일이 실제 상태와 불일치하면, 관련 없는 PR에서도 CI가 실패합니다. 이런 "broken window" 상태가 방치되면 개발자들이 CI 실패를 무시하는 습관이 생기고, 실제 회귀를 놓칠 위험이 커집니다. 1줄의 수정이지만 CI 신뢰도를 유지하는 데 필수적인 변경입니다.
정리
cpu_inductor_torchbench_inference.csv에서 CycleGAN 모델 상태를eager_fail_to_run으로 업데이트- 모델 자체의 실행 실패를 CI에 정확히 반영하여 false failure 방지
참고 자료
⚠️ 알림: 이 분석은 AI가 실제 코드 diff를 기반으로 작성했습니다.
관련 포스트
- [pytorch] CI: Inductor 테스트에 IoU 기반 accuracy 체크를 추가하여 segmentation 모델 안정화
- [pytorch] CI: Inductor 벤치마크 CI 작업을 CUDA 12.8에서 13.0으로 통합 전환
- [pytorch] Benchmark: Inductor 벤치마크에서 CycleGAN 모델 제거
- [pytorch] Benchmark: Inductor 벤치마크에서 modded_nanogpt 모델 Skip 처리
- [pytorch] Inductor: bf16/fp16에서 addmm unfuse를 방지하여 정밀도 손실 해결
PR Analysis 의 다른글
- 이전글 [pydantic-ai] 클라이언트 연결 해제 시 StopAsyncIteration 방지를 위한 aclosing 적용
- 현재글 : [pytorch] Inductor: CycleGAN CPU 벤치마크 expected accuracy 상태 업데이트
- 다음글 [pytorch] CI: TIMM pretrained 모델 캐싱 기능 Revert
댓글