TensorFlow 社群回報 CPU 批次矩陣乘法異常，特定 float32 輸入可能產生錯誤結果

TensorFlow GitHub 於 10 月 23 日出現一則數值正確性回報：三維 float32 張量在 CPU 執行 tf.matmul，當批次大小介於 2 至 16、乘積加總維度達 20,000 以上時，可能得到明顯錯誤的輸出，而且沒有例外或警告。回報者在 TensorFlow 2.20.0 與 2.21.0 觀察到問題，環境為 WSL2 下的 Ubuntu、AMD Ryzen 9 7950X，尚不能推廣至其他處理器或作業系統。社群回報

回報以 NumPy float64 結果為參考，比較批次矩陣乘法、逐筆二維乘法及 float64 路徑；後兩者在測試中正常。停用 oneDNN 後，原本異常的組合也恢復接近參考值。同一組輸入重複呼叫仍會出現不同輸出，顯示問題值得進一步檢查，但這些對照尚不足以確認底層根因。測試程式與輸出

這類運算本身符合 API 用法。官方文件說明，tf.matmul 支援二維以上張量，最內側兩維執行矩陣相乘，外側維度代表批次。因此，工程團隊若在相似配置看到異常，應檢查實際運算形狀與執行路徑，並以小型參考計算確認數值，而非只依賴流程是否成功結束。對研究程式而言，錯誤中間值也可能讓後續演算法失效，增加定位困難。矩陣乘法文件

官方過往已說明，oneDNN 最佳化可能因浮點運算順序而帶來些微數值差異，並提供 TF_ENABLE_ONEDNN_OPTS=0 作為停用方式。此次回報的幅度與重複執行差異，則需要獨立驗證。受影響疑慮的團隊可在啟動 TensorFlow 前設定該變數進行對照，再衡量效能代價；截至查核時，議題仍開啟，未見維護者重現結論或連結的修補。下一步應關注其他 CPU 的測試、Nightly 是否受影響，以及最終修復版本。oneDNN 官方說明