[Bug] [Relax][ONNX] Resize drops axes-scoped sizes before constructing resize2d

Abierto
  • ¿Algo no está bien?
#20,887 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
3/5
Tiempo estimado
Medio día
Aptitud para principiantes
65/100
Tipo de issue
Error
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
python
Área
compilers

Línea de trabajo

Start from the Resize converter in the Relax ONNX frontend, where sizes[2:] is sliced without applying the axes mapping. Run the provided repro.py to confirm the ValueError for axes=[2, 3] while full-rank sizes still import. Done when the axes-scoped case yields a 2-dim size and the output matches the full-rank result [1, 1, 4, 4].

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

needs-triage type: bug
Expected behavior

For Resize-18, axes=[2, 3], sizes=[4, 4] on a [1, 1, 2, 2] tensor should produce the same [1, 1, 4, 4] result as full-rank sizes=[1, 1, 4, 4].

Actual behavior

Full-rank sizes import successfully. Axes-scoped sizes pass ONNX full checking and the ONNX reference evaluation, but fail during Relax import:

ValueError: Resize2D expects the given output image size to be a 2-dim shape, while the given one has ndim 0

The converter slices sizes[2:] without expanding the axes mapping. This uses the default stretch policy; the aspect-ratio change in #20846 does not cover it.

Environment

TVM 0.28.dev0 (local build; build commit unavailable), Python 3.12.3, Linux x86_64; ONNX 1.22.0, NumPy 2.5.4.

Steps to reproduce

Run with python repro.py:

import numpy as np
import onnx
from onnx import TensorProto as T, helper as h, numpy_helper as nh
from onnx.reference import ReferenceEvaluator
from tvm.relax.frontend.onnx import from_onnx

x = np.arange(4, dtype="float32").reshape(1, 1, 2, 2)
expected = x.repeat(2, axis=2).repeat(2, axis=3)
for axes, sizes in [(None, [1, 1, 4, 4]), ([2, 3], [4, 4])]:
    attrs = {} if axes is None else {"axes": axes}
    node = h.make_node("Resize", ["x", "", "", "sizes"], ["y"],
                       mode="nearest", coordinate_transformation_mode="asymmetric",
                       nearest_mode="floor", **attrs)
    model = h.make_model(h.make_graph([node], "resize",
        [h.make_tensor_value_info("x", T.FLOAT, [1, 1, 2, 2])],
        [h.make_tensor_value_info("y", T.FLOAT, [1, 1, 4, 4])],
        [nh.from_array(np.array(sizes, dtype="int64"), "sizes")]),
        opset_imports=[h.make_opsetid("", 18)], ir_version=10)
    onnx.checker.check_model(model, full_check=True)
    np.testing.assert_array_equal(ReferenceEvaluator(model).run(None, {"x": x})[0], expected)
    try:
        from_onnx(model, keep_params_in_input=False)
        print("axes", axes, "imported")
    except Exception as error:
        print("axes", axes, type(error).__name__, str(error).splitlines()[-1])
Triage
  • needs-triage
Lenguaje dominante
Python
Estrellas
13.9k
Forks
4k
Merge medio
8 h 5 min
PR fusionados (30 d)
170

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de apache/tvm

Todos los issues de apache/tvm

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.