[Bug] [Relax][ONNX] Constant INT64 Concat data becomes ShapeExpr and breaks Add

Abierto
  • ¿Algo no está bien?
#20,889 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
1-2 días
Aptitud para principiantes
38/100
Tipo de issue
Error
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
python
Área
compilers

Línea de trabajo

The failure starts in the Relax ONNX frontend entry point from_onnx when a Concat of two constant INT64 tensors feeds an Add node named add_data, which raises "cannot handle ShapeExpr inputs". Run the reproduction script from the issue to confirm that only the all-constant variant fails, then trace where the Concat output is classified as a shape rather than tensor data. Done means both variants import and the Add returns [11, 22], matching the ReferenceEvaluator result.

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

Descripción

needs-triage type: bug
Expected behavior

Concatenating INT64 tensors [1] and [2], then adding [10, 20], should return the INT64 tensor [11, 22], whether the operands are constants or runtime inputs.

Actual behavior

Making both Concat operands constant causes the frontend to treat ordinary tensor data as a shape. Its Add consumer fails:

ValueError: Node add_data cannot handle ShapeExpr inputs.

Keeping one operand as runtime data imports successfully. Both ONNX variants pass full checking and reference evaluation. Unlike the mixed shape/tensor case in #19498, this graph does not construct a shape.

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

for constant_a in [False, True]:
    nodes = [h.make_node("Constant", [], ["b"], value=nh.from_array(np.array([2], dtype="int64")))]
    inputs = [h.make_tensor_value_info("x", T.INT64, [2])]
    feeds = {"x": np.array([10, 20], dtype="int64")}
    if constant_a:
        nodes.append(h.make_node("Constant", [], ["a"], value=nh.from_array(np.array([1], dtype="int64"))))
    else:
        inputs.append(h.make_tensor_value_info("a", T.INT64, [1]))
        feeds["a"] = np.array([1], dtype="int64")
    nodes += [h.make_node("Concat", ["a", "b"], ["c"], axis=0),
              h.make_node("Add", ["c", "x"], ["y"], name="add_data")]
    model = h.make_model(h.make_graph(nodes, "concat", inputs,
        [h.make_tensor_value_info("y", T.INT64, [2])]),
        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, feeds)[0], [11, 22])
    try:
        from_onnx(model, keep_params_in_input=False)
        print("constant_a", constant_a, "imported")
    except Exception as error:
        print("constant_a", constant_a, type(error).__name__, str(error).splitlines()[-1])
Triage
  • needs-triage
Lenguaje dominante
Python
Estrellas
13.9k
Forks
4k
Merge medio
7 h 59 min
PR fusionados (30 d)
159

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.