03 Feb 2023 : 最近一週，重新梳理了dnn上rrconv的codegen程式碼，dnn上rrconv fprop全部test跑通。dnn rrconv dgrad不能透過，部分case計算錯誤。rrconv cutlass dgrad全部透過。
2.2號來了，先檢查dgrad的codegen部分程式碼，然後檢查convolution_operation.h中的程式碼。最後檢查dnn的exec邏輯和cutlass中是否一致
2.3: dnn的exec裡面為啥diff,filter,grad的指標值都一樣？是不是在dnn/src/cuda/cutlass/convolution_operation.h:798才初始化的這些指標？看起來在convolution_operation.h中initialize和run都已經是進入到cutlass kernel，如果昨天檢查錯誤不在此，那麼錯誤就在這之前了。檢查引數和指標吧
看起來這個exec中的op->run是直接到了convolution_operation.h中的run
我認為，可以進一步確認cutlass rrconv是否真的正確，因為cutlass上的gt是一個naive，與dnn上的naive實現不同，需要確保其正確性。其次，rrconv cutlass的testcase是否還需要再進一步的豐富？我最後一次測試使用的bias=z=0，matA/matB = gaussian，rin=rout=uniformrng。
【rrconv dgrad錯誤的解決順序】
rrconv cutlass naive正確
rrconv cutlass kernel各種testcase全部正確
rrconv dnn naive 正確
rrconv dnn kernel正確
15 Mar 2023 看下這個GEMM_TN/GEMM_NT具體什麼影響？在DefaultMmaCore@432，這個src雖然是T，但仍然是K維度連續（advancerank=1)，這程式碼沒問題？測一下