背景概述

在基于Ascend 处理器的推理场景中，rotated_iou算子广泛应用于目标检测任务中，尤其在处理倾斜目标时具有重要价值。随着输入数据规模逐渐增大，部分场景下query_boxes张量的尾轴维度（K值）可能超过算子设计时的限制。本文针对在使用Ascend Extension for PyTorch框架调用torch_npu.npu_rotated_iou算子时，因输入维度超限引发的执行异常问题，进行根因分析与解决方案总结，为开发者提供技术指导。

问题现象

在模型推理过程中，调用torch_npu.npu_rotated_iou算子时，稳定复现如下错误：

• 错误码：EZ9999，errcode: (0, 0x200000000000000, 0)
• NPU上报错误：0X80CB8002 AIV外部输入错误

该问题在多台不同设备上均可稳定复现，排除了硬件异常的可能性。相关错误截图如下：

原因分析

1.问题复现性验证通过配置环境变量 NPU_COLLECT_PATH，捕获L1级别异常dump文件，并使用 msaccucmp 工具进行解析。分析结果显示，该问题在不同设备上均能复现，确认非硬件或环境差异导致。

2.算子输入维度分析经算子研发团队分析，问题根源在于输入张量 query_boxes 的尾轴维度（K值）过大。当前 rotated_iou 算子在实现上对尾轴维度存在硬性限制，不支持K值超过1600的输入场景。当输入维度超出该范围时，算子内部逻辑无法正常处理，导致执行失败。

问题根因

torch_npu.npu_rotated_iou 算子在设计时对 query_boxes 的尾轴维度（K）进行了上限约束，当前版本不支持K > 1600的输入张量。当输入维度超出该限制时，算子无法完成计算，触发底层异常并上报 EZ9999 及 AIV外部输入错误。

解决措施

针对输入维度超限问题，推荐采用分块处理策略，即对 query_boxes 张量进行切分，分多次调用 rotated_iou 算子。

建议与总结

1. 提前校验输入维度在调用 torch_npu.npu_rotated_iou 前，建议对 query_boxes 的尾轴维度进行检查，若K > 1600，应主动采用分块处理策略。
2. 参考官方文档说明Ascend Extension for PyTorch 7.2.0 版本的API文档中已明确说明该算子的输入限制（beta版本）：（beta）torch_npu.npu_rotated_iou - Ascend Extension for PyTorch 7.1.0 - 昇腾社区
3. 开发建议对于大规模目标检测任务，建议在模型设计阶段即考虑算子输入维度的合理性。若需处理超大数量的候选框，可结合分块计算、降采样或后处理策略优化性能与兼容性。

参考文档

• 环境变量配置：NPU_COLLECT_PATH 用于捕获异常dump文件

NPU_COLLECT_PATH

• dump文件解析工具：msaccucmp

查看dump数据文件

• rotated_iou

torch_npu.npu_rotated_iou