朱新明
算子规范和ProgramTranslator功能优化
新Ir下定义的算子定义由框架自动生成，注册算子时只需要将算子的关键信息(attrs,outputs,kernel,infermeta...)等信息配置在对应的yaml文件中即可。代码生成逻辑主要由paddle/fluid/pir/dialect/operator/ir/CMakeLists.txt完成。通过阅读上述代码了解算子定义自动生成流程。
主要通过学习文档static_graph_execution/20221230_static_graph_execution.md 了解了计算图的组网过程、执行过程、预分析阶段和调度执行阶段所做的主要工作，初步明白了一个算子从python侧到底层的执行过程。
新Ir为了支持旧ir计算图提供了translator，该部分相关代码主要在paddle/fluid/ir_adaptor/translator文件夹下，通过op_compat.yaml文件定义新旧ir下的算子属性映射，该部分定义的信息会被自动解析到op_compat_info.cc中，translator执行新旧ir算子翻译时会参考相关信息。通过阅读代码熟悉了一些特殊算子翻译自定义Transcriber方法。
尝试修复了test_dpsgd_op、test_exponential_op、test_norm_all等算子，相关进度在#issue58266中
(1) expoential op和 randint op测试精度失败问题
解决方法：是使用随机数导致的新旧ir下两次测试不一致。分析op_test.py中_check_ir_output的实现，引入新的flag，执行exponential和randint时打开该flag，执行空的check_method，在cmake中设置flag可以参考pr #55117和#55857
(2) 什么情况下需要将op加入LegacyOpList 解决方法：kernel的注册有两种形式，对应宏，PD_REGISTER_STRUCT_KERNEL和PD_REGISTER_KERNEL。如果是使用PD_REGISTER_STRUCT_KERNEL注册的kernel则需要将opname加入LegacyOpList
(3) 如何确定异常发生的位置？
解决方法: 首先确定是哪个单测错了，然后再确定这个单测在测试什么，这个需要熟悉op_test.py中的_check_ir_output，_check_ir_grad_output测试逻辑以及相关调用。所有日志都打开，确定抛出异常的位置，一般来说报错代码在中断位置附近。
(5) The kernel with key (CPU, Undefined(AnyLayout), int64) of kernel seed is not registered.
解决方法：输出计算图，观察日志，尝试确定原因
(6) 新Ir可变Attribute的处理
解决方法：旧IR下支持可变Attribute的方式有两种。第一种是类似于top_k算子在旧ir下的定义，同时设置Tensor K 和 int k两个参数，但是会出现省略int k或者省略Tensor K的情况，对于省略int k的情况不做特殊处理。对于省略Tensor K的情况，会出现Tensor K未定义的问题，这样可以甄别。第二种是给Attribute添加一个可以为Tensor的属性。
exponential，randint，real_imag, seed_op, sparse_momentum，repeat_interleave
新明同学本周解决了之前遇到的一些复杂问题，进一步熟悉了相关代码，干的不错。注意目前只是为后续迁移80多个算子积累经验，要注重总结。