---
title: rotatediou算子输入维度超限导致执行失败问题分析-官方技术文章-昇腾社区
description: 在基于Ascend处理器的深度学习推理场景中，rotated_iou（旋转框交并比）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。随着业务需求的演进，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As
keywords: 算子输入维度,超限导致执行,失败问题分析,官方技术文章,昇腾社区,背景概述,问题现象,原因分析
url: https://www.hiascend.com/developer/techArticles/20260604-11
section: (其他)
---

# rotatediou算子输入维度超限导致执行失败问题分析-官方技术文章-昇腾社区

URL: https://www.hiascend.com/developer/techArticles/20260604-11
描述: 在基于Ascend处理器的深度学习推理场景中，rotated_iou（旋转框交并比）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。随着业务需求的演进，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As
关键词: 算子输入维度,超限导致执行,失败问题分析,官方技术文章,昇腾社区,背景概述,问题现象,原因分析

官方技术文章 [了解详情](https://www.hiascend.com/zh/developer/techArticles)

rotatediou算子输入维度超限导致执行失败问题分析

rotatediou算子输入维度超限导致执行失败问题分析

PyTorch模型推理

发表于: 2026/06/04

11

0

## 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 [了解详情](https://www.hiascend.com/document/detail/zh/canncommercial/83RC1/maintenref/envvar/envref_07_0130.html)

- dump文件解析工具：`msaccucmp`

查看dump数据文件 [了解详情](https://www.hiascend.com/document/detail/zh/canncommercial/83RC1/devaids/ModelAccuracyAnalyzer/atlasaccuracy_16_0055.html)

- rotated_iou

torch_npu.npu_rotated_iou [了解详情](https://www.hiascend.com/document/detail/zh/Pytorch/2600/apiref/torchnpuCustomsapi/docs/zh/custom_APIs/torch_npu/%EF%BC%88beta%EF%BC%89torch_npu-npu_rotated_iou.md)

点赞 0

本页内容

背景概述 [了解详情](https://www.hiascend.com/#id-1)

问题现象 [了解详情](https://www.hiascend.com/#id-2)

原因分析 [了解详情](https://www.hiascend.com/#id-3)

问题根因 [了解详情](https://www.hiascend.com/#id-4)

解决措施 [了解详情](https://www.hiascend.com/#id-5)

建议与总结 [了解详情](https://www.hiascend.com/#id-6)