[Bug] [Relax][ONNX] MaxUnpool calls tolist on its output_shape expression

Đang mở Phù hợp với người mới
  • Có gì không ổn?
#20,888 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
2/5
Thời gian dự kiến
1-3 giờ
Mức phù hợp với người mới
72/100
Loại issue
Lỗi
Độ rõ ràng
Đặc tả rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
python
Lĩnh vực
compilers

Hướng nghiên cứu

Bắt đầu từ bộ chuyển đổi MaxUnpool của frontend ONNX trong Relax, nơi total_output_shape được lấy từ inputs[2] và .tolist() được gọi trên đó. Chạy script tái hiện với explicit_shape đặt là True để gặp lỗi AttributeError với GenericConst. Hoàn thành khi trường hợp output_shape tường minh import được và khớp với kết quả [[[[5, 0], [0, 0]]]] của ReferenceEvaluator cho cả mô hình hai đầu vào lẫn mô hình ba đầu vào.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

needs-triage type: bug
Expected behavior

Providing the optional constant output_shape=[1, 1, 2, 2] should preserve the result of the equivalent two-input MaxUnpool.

Actual behavior

The two-input model imports. Adding the same explicit output shape passes ONNX full checking and reference evaluation, then fails during import:

AttributeError: 'GenericConst' object has no attribute 'tolist'

The converter assigns inputs[2] to total_output_shape and calls .tolist() on that Relax expression.

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.array([[[[5.0]]]], dtype="float32")
for explicit_shape in [False, True]:
    initializers = [nh.from_array(np.zeros((1, 1, 1, 1), dtype="int64"), "indices")]
    inputs = ["x", "indices"]
    if explicit_shape:
        initializers.append(nh.from_array(np.array([1, 1, 2, 2], dtype="int64"), "shape"))
        inputs.append("shape")
    node = h.make_node("MaxUnpool", inputs, ["y"], kernel_shape=[2, 2], strides=[2, 2])
    model = h.make_model(h.make_graph([node], "unpool",
        [h.make_tensor_value_info("x", T.FLOAT, [1, 1, 1, 1])],
        [h.make_tensor_value_info("y", T.FLOAT, [1, 1, 2, 2])], initializers),
        opset_imports=[h.make_opsetid("", 18)], ir_version=10)
    onnx.checker.check_model(model, full_check=True)
    expected = np.array([[[[5, 0], [0, 0]]]], dtype="float32")
    np.testing.assert_array_equal(ReferenceEvaluator(model).run(None, {"x": x})[0], expected)
    try:
        from_onnx(model, keep_params_in_input=False)
        print("explicit_shape", explicit_shape, "imported")
    except Exception as error:
        print("explicit_shape", explicit_shape, type(error).__name__, str(error).splitlines()[-1])
Triage
  • needs-triage
Ngôn ngữ chính
Python
Star
13.9k
Fork
4k
Merge trung bình
8 giờ 6 phút
Pull request đã merge (30 ngày)
184

Chuẩn bị môi trường

Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của apache/tvm

Tất cả issue của apache/tvm

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.