[Operator Mechanism] Replace VCOPY/SCAL with direct copy and ForRange scale in CPU/GPU kernels

[feixi139]

PR Category

Operator Mechanism

PR Types

Bug fixes

Description

本 PR 移除了 phi::funcs::Blas 中的 VCOPY（向量拷贝）和 SCAL（原地标量乘）两个 BLAS API 的定义、声明及全部调用点，替换为更直接、精度更可控的实现方式，同时消除了对 MKLML/HML/cuBLAS/rocBLAS 底层 copy/scal 例程的依赖。

背景

VCOPY/SCAL 在 Blas<DeviceContext> 中只是对底层 BLAS 库（MKLML cblas_?copy/?scal、HML、cuBLAS cublasS/Dcopy/Sscal/Dscal、rocBLAS 对应例程）的简单封装，语义上完全等价于普通的内存拷贝和逐元素乘法。

保留这两个 API 增加了跨多个后端分支（MKLML/HML/plain-OpenBLAS/CUDA/HIP）的维护成本，且部分调用点（如 baddbmm_grad_kernel_impl.h）已经改用 ForRange + Functor 的方式以支持混合精度（MPType）计算，与 VCOPY/SCAL 的实现方式不一致。

改动内容

1. API 删除

删除 Blas<DeviceContext>::VCOPY/SCAL 声明与实现，以及：

• CBlas<T>（CPU，MKLML/HML/plain 三个分支）中对应的底层特化。
• CUBlas<T>（cuBLAS/rocBLAS）中对应的底层特化。

2. 内部依赖修复

Blas<CPUContext>::VADD 内部原先调用 VCOPY 做初始拷贝，改为直接使用 std::memcpy。

3. 调用点替换

• CPU 端 VCOPY → memcpy；GPU 端 VCOPY → memory_utils::Copy（stream-aware）。
• 模板化/GPU 兼容的 SCAL 调用（如 sparse/gpu/addmm_grad_kernel.cu 中 4 处）→ ForRange + 自定义 ScaleFunctor。
• CPU-only 遗留 kernel 中的 SCAL 调用（hsigmoid_loss_grad.h、attention_lstm_kernel.cc）→ 逐元素 for 循环。
• gelu_grad_kernel.cc 中绕过 Blas<Context> 直接调用的 CBlas<T>::SCAL（仅在 PADDLE_WITH_MKLML 分支下生效）→ 逐元素 for 循环，等价改写并合并了原先 +1 与 SCAL(0.5) 两步为单次表达式。
• 其余涉及 VCOPY/SCAL 的文件（elementwise_grad.h、selected_rows_functor.cc、sequence_pooling.cc、fusion_lstm_kernel.cc、fusion_seqconv_eltadd_relu_kernel.cc、sparse_weight_embedding_kernel.cc、lookup_table_kernel.cc）同步完成等价替换。

是否引起精度变化

否

[risemeup1111]

未发现需要阻塞合入的问题。重点检查了 VCOPY/SCAL 删除后的 CPU/GPU 拷贝替换、ForRange scale 路径、addmm/baddbmm 混合精度处理以及剩余符号引用，未发现需要作者修改的行级问题。CI 仍有部分构建/测试在运行，合入前请以最终 CI 结果为准。

^{Powered by Nyanpasu with gpt-5.5 xhigh, please check the suggestions carefully.}

[codecov-commenter]

Codecov Report

❌ Patch coverage is 90.00000% with 2 lines in your changes missing coverage. Please review.
⚠️ Please upload report for BASE (develop@2235ce4). Learn more about missing BASE report.

Files with missing lines	Patch %	Lines
...i/kernels/selected_rows/cpu/lookup_table_kernel.cc	66.66%	2 Missing ⚠️

Additional details and impacted files

@@            Coverage Diff             @@
##             develop   #79468   +/-   ##
==========================================
  Coverage           ?   90.00%           
==========================================
  Files              ?        6           
  Lines              ?       20           
  Branches           ?        0           
==========================================
  Hits               ?       18           
  Misses             ?        2           
  Partials           ?        0           

☔ View full report in Codecov by Harness.
📢 Have feedback on the report? Share it here.

🚀 New features to boost your workflow:

• ❄️ Test Analytics: Detect flaky tests, report on failures, and find test suite problems.

[risemeup1111]

已复查新提交。VADD fallback 现在在 y == z 时跳过自拷贝，别名安全问题已在当前代码中处理；同时检查了 fusion_lstm 的字节数变量调整，未发现新的阻塞问题。CI 仍有任务在运行，合入前请以最终 CI 结果为准。

^{Powered by Nyanpasu with gpt-5.5 xhigh, please check the suggestions carefully.}

[PaddlePaddle-bot]

🤖 Paddle-CI-Agent | pr_review | 2026-07-14 14:34:54

📋 Review 摘要

PR 概述：移除 phi::funcs::Blas 的 VCOPY/SCAL 封装，并用 memcpy、memory_utils::Copy、ForRange 替换 CPU/GPU kernel 调用。
变更范围：paddle/phi/kernels/funcs/blas/、CPU/Fusion/Sparse/SelectedRows kernel、addmm/baddbmm grad。
影响面 Tag：Operator Mechanism Performance Optimization

问题

未发现阻塞性问题。PR 规范问题在下面章节报，不要在这里重复

📝 PR 规范检查

符合规范。

总体评价

本轮按风险优先审查了 BLAS API 删除、GPU/CPU copy/scale 替换、addmm/baddbmm 梯度 ForRange 替换和 PR 描述一致性，未发现需要阻塞合入的问题。建议在 CI 中重点覆盖 CPU/GPU addmm/baddbmm、sparse addmm grad 以及 sequence pooling 等被替换路径。

[paddle-bot]

你的PR提交成功，感谢你对开源项目的贡献!
请关注后续CI自动化测试结果，详情请参考Paddle-CI手册。
Your PR has been submitted. Thanks for your contribution!
Please wait for the result of CI firstly. See Paddle CI Manual for details.