[Bug] [Relax][ONNX] OneHot does not convert floating-point depth to int64

Abierto Apto para principiantes
  • ¿Algo no está bien?
#20,895 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

@tandede ya está trabajando en esto.

Desde el 4/11/2026.

  • #20908 de @tandede — abierto

Evaluación

Dificultad
2/5
Tiempo estimado
1-3 horas
Aptitud para principiantes
76/100
Tipo de issue
Error
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
python
Área
machine-learning

Línea de trabajo

Empieza en python/tvm/relax/frontend/onnx/onnx_frontend.py, en el convertidor OneHot enlazado en el issue, y compara cómo maneja la profundidad entera y la de coma flotante. Ejecuta la reproducción proporcionada con una instalación de TVM habilitada para LLVM; se considera terminado cuando ambos tipos de profundidad se convierten y producen la salida esperada.

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

Descripción

needs-triage type: bug
Expected behavior

OneHot-11 permits floating-point depth and requires converting it to int64 before use. Depth 3.0 should behave like int64 3.

Actual behavior

The int64-depth control executes correctly. Changing only depth to float32 fails during conversion:

TypeError: Cannot convert from type `float` to `int`

The converter passes the result of depth.value.numpy().tolist() directly as num_classes. The final Cast keeps the output dtype explicit.

Environment

TVM 0.28.dev0, LLVM 18.1.3, Linux x86_64; Python 3.12.3, NumPy 2.5.4, ONNX 1.22.0, ORT 1.29.0. The installed binary build revision is unknown; current main was inspected statically, not rebuilt.

Steps to reproduce

Run with an LLVM-enabled TVM installation:

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

x = np.array([0, 2], dtype="int64")
expected = np.array([[1, 0, 0], [0, 0, 1]], dtype="float32")
for depth_dtype in ("int64", "float32"):
    model = h.make_model(h.make_graph([
        h.make_node("OneHot", ["x", "depth", "values"], ["raw"]),
        h.make_node("Cast", ["raw"], ["y"], to=T.FLOAT)], "onehot",
        [h.make_tensor_value_info("x", T.INT64, [2])],
        [h.make_tensor_value_info("y", T.FLOAT, [2, 3])],
        [nh.from_array(np.array(3, dtype=depth_dtype), "depth"),
         nh.from_array(np.array([0, 1], dtype="float32"), "values")]),
        opset_imports=[h.make_opsetid("", 11)], 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:
        mod = from_onnx(model, keep_params_in_input=False)
        vm = relax.VirtualMachine(relax.build(mod, target="llvm"), tvm.cpu())
        np.testing.assert_array_equal(vm["main"](tvm.runtime.tensor(x)).numpy(), expected)
        print(depth_dtype, "control passed")
    except Exception as error:
        if depth_dtype == "int64":
            raise
        print(depth_dtype, type(error).__name__, str(error).splitlines()[-1])
Triage
  • needs-triage
Lenguaje dominante
Python
Estrellas
13.9k
Forks
4k
Merge medio
8 h 2 min
PR fusionados (30 d)
180

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.