(base) xnne@xnne-PC:~/code/Paddle-Local$ find . -path ./build -prune -o -name "ops.yaml" -print
./paddle/phi/ops/yaml/ops.yaml
./paddle/cinn/hlir/dialect/operator/ir/ops.yaml

- op: bitwise_left_shift
  args: (Tensor x, Tensor y, bool is_arithmetic = true)
  output: Tensor(out)
  infer_meta:
    func: BitwiseShiftInferMeta
  kernel:
    func: bitwise_left_shift
    backend: x
  inplace: (x -> out)
  traits: paddle::dialect::ForwardOnlyTrait  
  interfaces: paddle::dialect::InferSymbolicShapeInterface

traits: paddle::dialect::ForwardOnlyTrait # ForwardOnlyTrait 是一个特性（trait），表示该操作仅用于前向计算，不支持反向传播（即梯度计算）。应该是自动微分的超参数
interfaces: paddle::dialect::InferSymbolicShapeInterface # InferSymbolicShapeInterface 是一个接口（interface），表示该操作支持符号形状推断。什么是符号形状推断，说人话就是，支持shape里面包含变量，而不是具体的数值。 | 永远可以拿出来鞭策的CNN,CNN的模型，输入输出一般都是固定的，这时候不需要符号形状推断，而对于Seq2Seq,当Seq的长度不一样的时候，shape就会变化，也就是说包含变量，这个时候，就需要符号推断，如果不支持，该计算就会报错。先这样理解。
inplace: (x -> out) # 原地操作返回。 | 可选，不是必要的，不是所有函数都特地定义inplace。
backend: x # 表示 bitwise_left_shift 操作有一个针对 x 后端的计算实现。也许这个 x 是一个专门优化的后端，可以在特定硬件（比如某个加速器）上高效执行位运算。 | 不懂，先放着
backward: bmm_grad # 表示这个 bmm（批矩阵乘法）操作有一个与之相关的反向传播函数 bmm_grad，用来计算梯度。在训练时，框架会使用这个函数来计算与 x 和 y 的梯度。 | 暂时不用，先放着

- op: bmm
  args: (Tensor x, Tensor y)
  output: Tensor
  infer_meta:
    func: BmmInferMeta
  kernel:
    func: bmm
  backward: bmm_grad
  interfaces: paddle::dialect::InferSymbolicShapeInterface

- op: calc_reduced_attn_scores
  args: (Tensor q, Tensor k, Tensor softmax_lse)
  output: Tensor(reduced_scores)
  infer_meta:
    func: CalcReducedAttnScoresInferMeta
    param: [q, k, softmax_lse]
  kernel:
    func: calc_reduced_attn_scores
    data_type: q
  traits: paddle::dialect::ForwardOnlyTrait

# 将输入的int自动转换成Tensor.
- op: auto_tenosor
  args: (int x)
  output: Tensor(out)
  infer_meta:
    func: AutoTensorMeta
  kernel:
    func: auto_tensor
  traits: paddle::dialect::ForwardOnlyTrait