[Bug] [Relax][ONNX] Expand uses a symbolic requested shape without merging broadcast dimensions

Đang mở
  • Có gì không ổn?
#20,897 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
4/5
Thời gian dự kiến
3-5 ngày
Mức phù hợp với người mới
68/100
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

Start with the ShapeExpr branch in python/tvm/relax/frontend/onnx/onnx_frontend.py, around lines 3453–3515, and trace how it handles the requested shape in Expand. Run the supplied reproduction with z_shape ["N", 2]; it should produce the same [3, 2] output as the constant-shape case, without dropping rows.

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

Mô tả

needs-triage type: bug
Expected behavior

Expanding [3,1] with requested shape [1,2] should produce [3,2] under ONNX multidirectional broadcasting, including when the requested shape comes from Shape(z).

Actual behavior

With the same actual inputs, declaring z as [1,2] gives the correct [3,2] output. Changing only its annotation to [N,2] silently produces [1,2] and drops two rows:

[1, 2] TVM (3, 2) [[1.0, 1.0], [2.0, 2.0], [3.0, 3.0]]
['N', 2] TVM (1, 2) [[1.0, 1.0]]

The ShapeExpr branch merges only constant target extents. This differs from #20873: the target here is a symbolic ShapeExpr and conversion succeeds.

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
from onnx.reference import ReferenceEvaluator
from tvm import relax
from tvm.relax.frontend.onnx import from_onnx

x = np.array([[1], [2], [3]], dtype="float32")
z = np.zeros((1, 2), dtype="float32")
expected = np.repeat(x, 2, axis=1)
for z_shape in ([1, 2], ["N", 2]):
    model = h.make_model(h.make_graph([
        h.make_node("Shape", ["z"], ["shape"]),
        h.make_node("Expand", ["x", "shape"], ["y"])], "expand",
        [h.make_tensor_value_info("x", T.FLOAT, [3, 1]),
         h.make_tensor_value_info("z", T.FLOAT, z_shape)],
        [h.make_tensor_value_info("y", T.FLOAT, [3, 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, {"x": x, "z": z})[0], expected)
    try:
        mod = from_onnx(model, keep_params_in_input=False)
        vm = relax.VirtualMachine(relax.build(mod, target="llvm"), tvm.cpu())
        actual = vm["main"](tvm.runtime.tensor(x), tvm.runtime.tensor(z)).numpy()
        print(z_shape, "TVM", actual.shape, actual.tolist())
        if z_shape[0] == 1:
            np.testing.assert_array_equal(actual, expected)
    except Exception as error:
        if z_shape[0] == 1:
            raise
        print(z_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 2 phút
Pull request đã merge (30 ngày)
180

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.