【Hackathon 5th No.28】为 Paddle 新增 slice_scatter API v2

rfcs/APIs/20231206_api_design_for_slice_scatter.md

@@ -3,11 +3,14 @@
 | API名称                                                      | paddle.slice_scatter                  |
 | ------------------------------------------------------------ | ----------------------------------------- |
 | 提交作者<input type="checkbox" class="rowselector hidden">   | megemini (柳顺)                                    |
-| 提交时间<input type="checkbox" class="rowselector hidden">   | 2023-12-13                                |
-| 版本号                                                       | V1.0                                      |
+| 提交时间<input type="checkbox" class="rowselector hidden">   | 2023-12-22                                |
+| 版本号                                                       | V2.0                                      |
 | 依赖飞桨版本<input type="checkbox" class="rowselector hidden"> | develop                                   |
 | 文件名                                                       | 20231213_api_design_for_slice_scatter.md<br> |
 
+**修订记录**
+
+v2.0 修改函数签名，支持 `list of int` 的参数
 
 
 # 一、概述
@@ -266,17 +269,17 @@ paddle 目前的 `set_value` 算子已经支持 `axes`, `starts`, `ends`, `steps
 
 添加 Python API:
 ```python
-paddle.slice_scatter(x, value, axis=0, start=None, stop=None, step=1, name=None)
+paddle.slice_scatter(x, value, axes, starts, ends, strides, name=None)
 ```
 
 参数表：
 
-- x: (Tensor) 输入的 tensor。数据类型支持 `float32`、`float64`。
-- value: (Tensor) 用于填充的 tensor。数据类型与input一致，形状与`x[*x.shape[:axis], start:end:step, *x.shape[axis+1:]]`取出的slice一致。
-- axis: (int) y的数据将被填充至x的axis维度。
-- start: (Optional[int]) 待插入slice位置的起始index。
-- stop: (Optional[int]) 待插入slice位置的结束index。
-- step: (int) 待插入slice的步长。
+- x: (Tensor) 输入的 tensor。
+- value: (Tensor) 用于填充的 tensor。数据类型与input一致。
+- axes: (list|tuple) y的数据将被填充至x的axis维度。
+- starts: (list|tuple) 待插入slice位置的起始index。
+- ends: (list|tuple) 待插入slice位置的结束index。
+- strides: (list|tuple) 待插入slice的步长。
 - name: (Optional[str]) op 名称
 
 ## 底层OP设计
@@ -288,53 +291,16 @@ paddle.slice_scatter(x, value, axis=0, start=None, stop=None, step=1, name=None)
 此次使用 `set_value` 算子实现接口：
 
 ``` python
-def slice_scatter(x, value, axis=0, start=None, stop=None, step=1, name=None):
-
-    if x.ndim != value.ndim:
-        raise ValueError(
-            f"The input x and value should have save dimension, but got input of {x.ndim} and value of {value.ndim}."
-        )
-
-    x_shape = x.shape
-    value_shape = value.shape
-
-    index = list(range(start or 0, stop or x_shape[axis], step))
-    exp_shape = [*x_shape[:axis], len(index), *x_shape[axis+1:]]
-    if exp_shape != value_shape:
-        raise ValueError(
-            "The value.shape should be same of [*x_shape[:axis], len(index), *x_shape[axis+1:]],"
-            f"but got value.shape of {value.shape} and slice shape {exp_shape}."
-        )
-
-    starts = [start]
-    ends = [stop]
-    steps = [step]
-    axes = [axis]
-    none_axes = []
-    decrease_axes = []
-    inputs = {'Input': x}
-    attrs = {
-        'axes': axes,
-        'starts': starts,
-        'ends': ends,
-        'steps': steps,
-        'decrease_axes': decrease_axes,
-        'none_axes': none_axes,
-    }
-
-    dtype = x.dtype
-    attrs['dtype'] = dtype
-
-    value = value.astype(dtype)
-    inputs["ValueTensor"] = value
+def slice_scatter(x, value, axes, starts, ends, strides, name=None):
+    ... check params
 
     if in_dynamic_or_pir_mode():
         return _C_ops.set_value_with_tensor(
             x,
             value,
             starts,
             ends,
-            steps,
+            strides,
             axes,
             decrease_axes,
             none_axes,
@@ -354,22 +320,14 @@ def slice_scatter(x, value, axis=0, start=None, stop=None, step=1, name=None):
         return output
 ```
 
-有几点说明：
-
-- x 与 src 需要有相同的 ndim
-- values_shape 需要与 slice 的 exp_shape 一致
-- 参数 axis/start/stop/step 不支持 list。因为，多个 axis 的话可能导致 slice 的 shape 错误。
-  比如，x 为 [8, 8], src 为 [8, 2]，则 axis 只能为 1。
-
-
 # 六、测试和验收的考量
 
 - 覆盖动态图和静态图的测试场景
 - 覆盖 CPU、GPU 两种测试场景
-- 支持各种Tensor精度，FP32、FP64（带验证）
-- 需要检查前向和反向计算的精度正确性
-- 处理0维输入数据
-- 处理可选参数不存在或不一致的情况
+- 支持各种Tensor精度，FP32、FP64 等（待验证）
+- 需要检查计算正确性
+- 需要检查多维的情况
+- 需要检查 broadcast 情况
 
 # 七、可行性分析和排期规划