本目录记录 turbo_physai/operators/ 中基于自定义 kernel 的 Python 兼容接口，用于验证参数整理、输出转换、dtype 分派和自动求导。构建与自定义算子接入说明见 ../developer_guide/custom_operator.md。
以下示例面向已编译 GPU 扩展的 HCU/ROCm 环境；PyTorch ROCm 环境通常仍使用 device="cuda"。兼容接口按算子模块导入：
from turbo_physai.operators import grid_sample
out = grid_sample(input, grid, mode="bilinear", padding_mode="zeros", align_corners=False)
out.sum().backward()兼容层内部最终调用 turbo_physai._C，但会按接口需要完成缓冲区分配、参数转换、输出布局调整或 Autograd 注册。
| 分类 | 兼容接口 | 实现位置 | 额外行为 |
|---|---|---|---|
| 特征融合 | bev_pool | operators/_bev_pool.py |
排序、区间生成、Autograd、输出布局转换 |
| 采样 | deformable_aggregation_function | operators/deformable_aggregation.py |
dtype/连续性整理与 Autograd |
| 采样 | grid_sample | operators/_grid_sample.py |
字符串参数转换与 Autograd |
| 采样 | interpolate | operators/upsample_bilinear_2d.py |
尺寸处理与 Autograd |
| 体素化 | hard_voxelize | operators/voxelization.py |
输出缓冲区分配和有效区间切片 |
| 体素化 | dynamic_voxelize | operators/voxelization.py |
输出坐标分配 |
| 体素化 | dynamic_scatter | operators/voxelization.py |
点到体素归约与 Autograd |
| 稀疏卷积 | get_indice_pairs | operators/sparse_conv.py |
维度广播和输出形状推导 |
| 稀疏卷积 | indice_conv | operators/sparse_conv.py |
dtype 分派、bias 和 Autograd |
| 稀疏卷积 | indice_maxpool | operators/sparse_conv.py |
dtype 分派与 Autograd |
- 调用兼容接口，而不是直接调用
turbo_physai._C。 - 对 Autograd 接口执行
backward()并检查输入梯度。 - 对负责分配输出的 helper 检查返回 shape、dtype 和有效数据范围。
- 能力范围以对应 wrapper 的参数检查和底层 kernel 支持范围为准。