[PHI] Fix paddle.linalg.det for big tensor

[cangtianhuang]

PR Category

Operator Mechanism

PR Types

Bug fixes

Description

修复 paddle.linalg.det 反向报错问题：

在输入有奇异矩阵时发生：

问题定位：

paddle.linalg.det 的梯度计算采用以下公式：

$$ \frac{\partial \text{det}(A)}{\partial A} = \text{adj}(A)^\text{T} = \text{det}(A) \cdot A^{-\text{T}} $$

直接通过矩阵逆运算实现，但奇异矩阵不可逆（ $\text{det}(A)=0$， $A^{-\text{T}}$ 不存在）导致计算失败。理论上，奇异矩阵的梯度应采用伴随矩阵 $\text{adj}(A)$ 直接计算。

此外，FoundZeroFunctor 直接进行零值判定，未考虑浮点数计算的误差，导致大量奇异矩阵被误判断为非奇异矩阵。

解决方案：

1. 将零值判断改为使用 epsilon 阈值，if 避免写入竞争：

*res_ = (x_[idx] == static_cast<T>(0));

if (abs(x_[idx]) < FoundZeroEpsilon<RealType>::value()) { *res_ = true; }

2. 将所有 phi::Multiply 运算提升为 MPType，并通过分块 {} 减少内存占用

后续修复：

本修复仅解决反向报错问题。如果输入均为非奇异矩阵，测试全部通过：

• [PHI] Fix paddle.linalg.det input from random to non-singular PFCCLab/PaddleAPITest#357

如果需要完美计算奇异矩阵，算法需进行非常大调整，该工作将在 paddle.linalg.lu 支持复数功能后进行：

• [PHI] Support complex for paddle.linalg.lu #73885

[paddle-bot]

你的PR提交成功，感谢你对开源项目的贡献!
请关注后续CI自动化测试结果，详情请参考Paddle-CI手册。
Your PR has been submitted. Thanks for your contribution!
Please wait for the result of CI firstly. See Paddle CI Manual for details.

[wanghuancoder]

LGTM 这个改动有点儿大，在PR描述里介绍清楚吧。然后让书豪帮忙看看。我看不懂。