TENSTORRENT / LAB 08 OF 08
同一矩阵，两层实现：完成可追问的答辩
比较TTNN与自己理解/修改的Metalium路径，不把模型夸成设备经验。
本单元 4 小时。本公司八个单元共 32h，三家公司共额外 96h 核心实践；这笔时间在共同路线之外，未压入厂商入门的44h。
本页是实践讲义。打开、阅读或复制命令不代表完成。新单元的 SDK、simulator 与硬件命令均未在教材建设中执行；自己的结果应按实际后端保存。
先备与马上可用的例子
先完成：tenstorrent-07 →
- 38-b · 元素数相同不等于shape相同：先看输入和实际源码，再开始自己的修改；教学实现与自己的产出分别记录。
- 40-b · 十项分到三个核：先看输入和实际源码，再开始自己的修改；教学实现与自己的产出分别记录。
直接打开机制图，边看边手推
- 41 · 可改条件的机制图 → Tensix 与 tiles：先安排数据，再安排计算；图解不执行厂商 SDK。
- 43 · 逐步状态与文字图解 → Reader、compute、writer：缓冲区里的生产与消费；图解不执行厂商 SDK。
PREDICT FIRST
具体问题与独立预期
输入与约定
复用小矩阵、物理两Ktile、2×3输出tile/4owner测试。
先根据输入写下自己的结果与理由，再展开参考推演；随后运行或检查实现。
对照参考结果与原因
小结果[[4,5],[10,11]]保持；多核全1为64。每项报告独立backend和来源。
最终产出是能逐层解释的数学、布局、协议与运行证据，不是一个没有版本和输入的大吞吐数字。
机制怎样连接起来
用一张对应表连接TTNN张量、Metalium DRAM buffer、CB页、计算累加器和输出tile。高层调用和低层程序可能使用不同内部配置；对比前先确认dtype、输入、padding和输出解释一致。
公开教程是来源，自己的改动是贡献，实机日志是验证，三者单独写。没有设备时仍可提交完整CPU数学/布局/协议实现与API阅读定位；不能把已阅读的DPRINT或profile文档写成实际使用经历。
四小时用于整合和复验已经完成的工作，不从零实现生产级多核GEMM。最后只挑一个窄后续实验，例如减少A tile重复读取，用明确计数或真实trace检验，而不是同时开启大量架构优化。
CHOOSE ONE EXECUTION PATH
按手头环境推进
CPU 路径可以先完成。额外的 SDK 或设备验证要有自己的运行记录；本单元的四小时不同时要求完成四个分支。安装等待超过本页预算时，留下阻塞条件，继续可做的数学、代码与协议工作。
CPU · 现有机器 · 本单元尚未验收
条件：现有 macOS 或 Linux；C++20 编译器或 Python 3 标准库。无需加速卡。
本分支做什么：复验完整CPU数学、布局、CB和分配模型。
保存什么证据：保存自己的源码、输入、实际 stdout/stderr 和退出码；只证明 CPU 逻辑。
教材初始执行状态：not-executed。这不是对你个人学习进度的判断。
SDK · 编译与环境 · 本单元尚未验收
条件：已有匹配发行版的 TT-Metalium/TTNN Linux 开发环境。
本分支做什么：报告读过/编译过的API与版本，保持教学代码来源。
保存什么证据：保存实际工具版本与编译命令；仅编译成功不能记成运行通过。
教材初始执行状态：not-executed。这不是对你个人学习进度的判断。
官方 simulator · 本单元尚未验收
条件：只有明确提供并且版本匹配的官方 simulator 才属于此分支。
本分支做什么：不使用通用CPU模型充当TT simulator证明。
保存什么证据：记录 simulator 名称、版本、输入、日志、退出状态；网页或 CPU 模型不算 simulator。
教材初始执行状态：not-executed。这不是对你个人学习进度的判断。
真实设备 · 本单元尚未验收
条件：用户已有并可使用的兼容设备或实验室环境；本单元不要求购买、租用或提交集群作业。
本分支做什么：仅使用实际TTNN/Metalium日志，未跑profiling不称优化已测。
保存什么证据：真实设备输出、同步点、设备型号和复现日志单独保存；未执行保持未通过。
教材初始执行状态：not-executed。这不是对你个人学习进度的判断。
READ → BUILD → BREAK → EXPLAIN
四小时，留下一个完整产出
可拆成多个时段。每次停下时保存代码、输入、实际结果和下一步，不用重新读整篇。没有通过当前检查时继续修正，不靠翻页推进。
1. 选定可讲版本 · 30 分钟
- 列TTNN起点、CPU模型和Metalium修改的来源与改动。
- 把未执行项移到限制表，不从最终说明中悄悄删去。
这一段的产出：贡献与后端表
2. 建立同一合同 · 40 分钟
- 核对两种实现逻辑shape、物理shape、dtype、padding和容差。
- 选择一个小用例可跨后端比较；不同配置只做独立报告。
这一段的产出：跨层合同
3. 复验与封装 · 90 分钟
- 从新目录按README复建实际完成的CPU路径，运行形状不符、padding污染、K覆盖、tile编号、CB协议测试。
- 可用设备才重跑对应TTNN/Metalium版本，并保存所有真实输出与工具版本。
- 为源码算摘要，保证日志来自当前版本；不拿旧日志配新源码。
这一段的产出：可复现项目包
4. 五分钟答辩 · 50 分钟
- 按问题→坐标→数据移动→同步→正确性→限制录一段英文回答。
- 临时把Nt从3改为2，指出分配和tile编号需要重算的地方。
- 回答下方追问，明确哪些是实际运行、哪些是推导。
这一段的产出：答辩与变体记录
5. 选择下一项优化 · 30 分钟
- 只选减少一次明确的tile读取或缩小一个buffer需求，先算预期变化。
- 写真实验证所需条件；没有硬件时以逻辑计数作为有限目标。
这一段的产出：下一次窄实验
EXPLICIT ENVIRONMENT / EXPLICIT STATUS
命令与可保存的起点
以下代码按各自环境使用，运行前完成对应步骤并核对版本。编译失败后停止，不运行目录中的旧二进制；每次采集日志使用新的运行目录。设备程序仅运行在你已有且可使用的环境中。
这个单元复用前一单元的项目文件，并按上面的具体任务修改。对应章节例子的源码、编译命令和预期输出在本页先备链接里；不要把例子自己的固定成功判定遗留到已改输入的版本中。
一个必须能解释的错误
错误情境：TTNN与Metalium得到同样四个小值，就宣称性能可直接比较。
为什么会错：两者可能dtype、padding、内部配置和计时范围不同；正确性相同只是比较的前置之一。
怎样修复：先统一输入与输出合同，再记录同机器同范围测量；无法统一就不报加速比。
EVIDENCE BEFORE ADVANCING
验收与面试追问
- 每条claim可对应源码、真实输出或明确的推导。
- 能解释tile坐标、两K贡献、CB发布、owner覆盖。
- README在可用后端能顺序执行，SDK/hardware pending不伪造。
最后留下这几项
输入和预期、自己的源码或明确标为推演的状态表、实际命令/输出/退出码、一个失败与修复、后端与版本、尚未执行的部分。运行已有教学例子与独立完成修改分别记录。
1. 你的低层理解具体到哪一步？
对照中文要点与英文回答
指向自己改的tile编号、输入模式、CB检查或工作分配，再说明哪些未实机验证。
I point to the tile mapping, input patterns, buffer checks and work distribution I implemented, then state what remains unverified on hardware.
2. 为什么shape相同仍可能算错？
对照中文要点与英文回答
布局、stride、tile编号或dtype解释都可能不一致。
Matching shapes do not guarantee matching layouts, strides, tile indices or data types.
3. 下一次优化如何避免盲调？
对照中文要点与英文回答
选一项可计数的数据移动或有trace依据的瓶颈，先给预期变化，再实测。
I choose one measurable change and predict its effect before collecting data.
这些是依照本单元机制设计的追问，不是公司真题。个人验收仍依据实际代码、测试、测量与口述。
资料与版本核验
- Matmul Single Core ↗
Tile indexing; reader/compute/writer; enqueue and verification
核验日期：2026-09-05。latest；记录 build_metal.sh 选项及源码 commit；页面代码片段不能替代完整匹配版本源码。
- Matmul Multi Core ↗
Work distribution; per-core runtime arguments
核验日期：2026-09-05。latest；使用完整源码的单次 tilize/untilize 链路，不拼接重复展示的文档片段。
- ttnn.matmul API ↗
Tiled inputs; dtype; program-dependent memory support
核验日期：2026-09-05。latest；未把文档列出的不同 dtype/config 当成所有设备都支持。
- Device Program Profiler ↗
Device-side instrumentation and timing
核验日期：2026-09-05。latest；设备 profiler 数据与 host Python 时间分开，版本以 source build 为准。
正文、问题和实践设计依据公开资料独立撰写。官方页面的示例输出是资料中的结果，不是本机运行证据。latest 链接可能变化，请在自己的复现说明中保留实际版本。