【问题描述】：PIR不支持.name，所以这个test_name可以跳过PIR的测试

【解决方案】：使用 with paddle.pir utils.OldlrGuard() 包裹问题代码块
【示例PR】： #66110

【问题描述】：在 @test_with_pir_api 装饰器包裹下，executor 执行 base.default_main_program() 出现报错

【解决方案】：原因：IRGuard 没有对 paddle.base.default_main_program 和 paddle.base.default_startup_program 进行替换。解决方法：在构建静态图前，实例化两个 paddle.static.Program() 分别作为 main_program 和 startup_program，并在静态图构图时使用 paddle.static.program_guard 管理上下文即可。
【示例PR】： #58259

【问题描述】：在 @test_with_pir_api 装饰器包裹下，两个不同的网络在同一个 Program 下组网，第一次执行第一个网络，第二次执行第二个网络。执行器在执行第二个网络时出现错误

【解决方案】：将两个网络分别在两个 program 下组网并执行即可
【示例PR】： #58259

【问题描述】：在开启 PIR FLAGS 时，动态图代码中使用了 paddle.framework.random._manual_program_seed(self.seed) 发现原本测试精度不足
【解决方案】：使用 paddle.pir_utils.OldIrGuard 包装 _manual_program_seed 方法手动运行在旧静态图下。
【示例PR】： PaddlePaddle/PaddleTest#2878

【问题描述】：错误中提示 TypeError: The type of '%Input' in operator conv3d should be one of [str, bytes, Variable]. but received : Valu 等关于 append op 时的报错

【解决方案】：需要查找对应的 API 是否适配了 PIR 逻辑，可以添加 in_pir_mode 或者 in_dynamic_or_pir_mode 进行适配。如果当前的 API 本身是不适配 PIR 下的（比如 static.nn 下的），考虑有没有其他的 API 的可以替换（static.nn.fc可以使用 Linear），或者直接废弃。
【示例PR】： #66017

【问题描述】：代码中使用类似 feed={"data": x, "spectral_norm_0.w_0": w0, "spectral_norm_0.w_1": w1}, ，feed 参数 op 时，PIR 下不支持这种写法
【解决方案】：不进行 PIR 适配
【示例PR】： PaddlePaddle/PaddleTest#2885

【问题描述】：使用 paddle.static.gradients 获取反向梯度 op 的时候，不进行处理旧传入 fetch_list 中，导致传入不被允许的 None 值.
【解决方案】：在之前需要判断方向梯度 op 是否为 None。fetch_list 只支持 Value 以及 str
【示例PR】： PaddlePaddle/PaddleTest#2883

【问题描述】：部分单测需要测试训练 program 以及测试 program 是否前向一致。即，使用到了 Program 的 clone(for_test=True) 方法

【解决方案】：该方法是因为在 PIR 下有一套新的 Program 实现，且未实现Clone接口。所以如果该接口用的比较多，可以考虑在PIR下进行实现。暂行的解决办法就是手动 Clone 一遍，但是要注意需要重设种子，以及重设startup program。
【示例PR】：https://github.com/PaddlePaddle/Paddle/pull/66114/files#diff-ba7a9b8d8540a519c64a98e7fa9edbdbcdde8f0c5bb9e026acb74cf4d8019366

【问题描述】：部分单测需要 fetch 网络参数的 grad 。下方是一个例子：

【解决方案】：在PIR下只能 fetch Value，所以这里需要考虑得到参数 grad 对应的Value。一个方法是来自欢哥的 PR 。

paddle.base.backward.append_backward 为program 添加反向部分，并返回参数以及梯度，这时便可以利用该Value Fetch

如果是优化器单测中遇到了该问题，也可以利用优化器的 minimize(loss) 函数的返回值得到，这个可以见PR

【示例PR】： #65473#66114

【问题描述】：AMP使用问题，

【解决方案】：该问题是因为在 PIR 下 AMP 在 _init_amp_var() 时并未创建 self._loss_scaling ，从而 self._loss_scaling = None 。

def _init_amp_var(self):
    if in_pir_mode():
        ...
        return

    self._loss_scaling = paddle.static.create_global_var(
        name=unique_name.generate("loss_scaling"),
        shape=[1],
        value=self._init_loss_scaling,
        dtype='float32',
        persistable=True,
    )

但是简单的将self._loss_scaling 初始化并不能解决问题，可能还会遇到网络输入不符合预期的问题。如下

实际上PIR下的AMP应该统一调用 paddle.amp.decorate 和 paddle.amp.auto_cast 这两个Api。可以参考 https://github.com/PaddlePaddle/Paddle/blob/develop/test/amp/test_pir_amp.py#L67-L105 处进行修改

【示例PR】：

【问题描述】：错误进入老ir静态图分支，算子内部没有pir分支

【解决方案】：增加pir分支

【示例PR】： #66228

如果单测中，遇到Program.create_var,Program.desc,Program.append_op等可以直接加OldGuard
类似下面的报错信息有大概率是可以直接加OldGuard解决问题的，但是有些还是需要具体查看报错栈信息
AttributeError: 'paddle.base.libpaddle.pir.Block' object has no attribute 'create_var
【示例PR】： #66226