[技术干货-算子使用] Mindspore 控制流中存在原地更新操作类副作用算子时循环值不更新问题记录
关于mindspore 原地更新类算子的一点思考记录如下:
现象记录：
原始测试代码
错误结果复现：
分析：
如果在场景中加入42行的copy()操作此时cpu的结果就会正确，但是gpu的结果则不受copy做操作的影响
修改后测试结果：
Mindspore 控制流场景中，我们的H是由mnp.one 新建出来的，但是其底层是调用的numpy的封装申请出来的是一个const的数据,这样的数据通过赋值给H，如果H在传递到其他地方，其内部被修改，下次在赋值，这块const的地址不会新创建，那么下次循环H的
值就会不对了。
解决办法：
- 打開42行copy的注釋
- 將k 以及 k_iter的值從tensor改成数值0，这样while控制流会将这些body 展开，相当于 H的值存储了多份也不会有任何更改
- 查看tensorscatterNdUpdate 后端实现，确定其实现是否是直接修改输入并且返回输入的操作
结果发现：其实现是在input的基础上inplace操作然后拷贝到输出地址，这样修改了原先的干净的输入地址，倘若存在内存复用其生命周期还未结束，那么其他地方拿到的值就会被污染，因此修改实现为拷贝输入到输出然后在做inplace 操作，修改后代码，这样不论输入的生命周期是否结束，均不会影响到原来的值
总结：
1.为什么静态图下会出错？
动态图中不会有静态的推断，H的值每次都会新赋值不同地址，因此上次的H的地址内容被修改，不会有影响
- 为什么cpu会出错 gpu 不出错？
因为cpu不存在host和device的概念，在图运行时cpu inplace类算子做相关操作时直接污染了cpu的输入原始地址，但是gpu操作时会先将host侧内容拷贝到device侧操作那么device侧输入原始地址被污染没关系，下次循环子图时会有新的地址过来，无影响。
- 解决办法加copy操作好还是直接修改后端算子好？
3.1. 直接加copy会导致某一后端正确(cpu)但某一后端无影响是冗余操作，不妥且只是规避并没有解决这个问题。
3.2. 直接修改后端算子的话除了能解决当前场景的问题，也能避免内存复用引用计数时因为输入的生命周期过长，而输入的原始地址被污染产生更难定位的问题。
3.3. 同时也能知道mindspore的机制在后端是不支持直接的inplace操作的，一切对输入的inplace操作，都存在一定的隐患，因此编写算子过程中不光cpu 其他gpu ascend，均应该先将输入拷贝到输出，再在输出中做inplace 操作，不管要保证输出地址的合法性也要保证输入地址没有被污染。因此编写原地更新操作类算子应该遵循上述准则才可以。
对应pr 修改：
https://gitee.com/mindspore/mindspore/pulls/27203/files
https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=171550&fromuid=642331
