Discrepancy in actual and expected output for subgraph test : batchNormalization options.axis=0 + gelu
まだ誰も着手していません。
評価
- 難易度
- 4/5
- 見積もり時間
- 3〜5日
- 初心者へのやさしさ
- 15/100
- issue の種類
- バグ
- 明瞭さ
- 説明が足りない
- 活発さ
- 活発
- 技術スタック
- tensorflow
調査の方向性
Start from the subgraph conformance test that chains batchNormalization with options.axis=0 into gelu, using the inputs and expected values in the issue. Reproduce the ULP mismatch at index 4 on the CPU backend, then compare against the other backends the reporter tried. The thread asks the working group whether the tolerance or the expected values should change, so there is no code change to make until that decision is recorded. Done means a documented decision on the tolerance, plus either an updated threshold or a fix.
索引モデルが issue の本文から書いたものです。
説明
Issue
I was running this conformance test for NVIDIA's TensorRT-RTX EP with ORT backend and encountered a failure.
Input:
bnInput shape [3,1,2] float32 = [-1, 0, 1, 2, 3, 4]
bnMean shape [3] float32 = [0, 3, 6]
bnVariance shape [3] float32 = [1.0, 1.5, 2.0]
Graph:
batchNormalization(input=bnInput, mean=bnMean, variance=bnVariance, {axis: 0}) -> bnOutput
gelu(bnOutput) -> output
Expected output: shape [3,1,2] float32
[-0.15865567326545715, 0, -0.08366739749908447,
-0.16910307109355927, -0.03595117852091789, -0.1112278625369072]
Error happens at index 4
actual -0.035951320081949234 should be close enough to expected -0.03595117852091789 by ULP distance: expected <= 24 but got 38
Observations
I tested this with other execution providers in ORT and other backends and encountered similar or same error.
| Backend | Actual | ULP Difference |
|---|---|---|
| ORT CPU EP | −0.035951320081949234 | 38 |
| TFLite | −0.035951387137174606 | 56 |
| LiteRT (GPU) | −0.035951387137174606 | 56 |
Question for the Working Group
- What is the expected behavior for this test ?
- Should the discrepancy between the actual and expected outputs be investigated, or is the current error tolerance too strict and in need of adjustment?
- 主要言語
- Bikeshed
- スター
- 566
- フォーク
- 72
- 平均マージ
- 6日 5時間
- マージ済み PR（30日）
- 1
環境構築
- Dockerfile・Docker Compose ファイルなし
- プルリクエストのテンプレートなし
- コントリビューションガイドを読む
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
webmachinelearning/webnn のほかの issue
-
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
webmachinelearning/webnn#968 ·
-
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
webmachinelearning/webnn#967 ·
-
難易度 5/5 1週間以上 初心者へのやさしさ 25/100
webmachinelearning/webnn#966 · コメント 5 件 ·
-
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
webmachinelearning/webnn#965 · コメント 6 件 ·
-
難易度 3/5 1〜2日 初心者へのやさしさ 68/100
webmachinelearning/webnn#964 · コメント 1 件 · リアクション 1 件 ·
webmachinelearning/webnn の issue をすべて見る
似ている issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 64/100
containers/podman-desktop-extension-ai-lab#4853 ·
メンテナーはふだん 1 日以内に返信
-
train_artifact_model crashes when a (source, label, variant type) bin has no training data: Downsampler weights become NaN対応中かも @yfarjoun が今日担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 83/100
broadinstitute/permutect#303 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 84/100
modelscope/modelscope#1833 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 75/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 76/100