Torch JIT Trace = TracerWarning：将张量转换为 Python 布尔值可能会导致跟踪不正确

Posted 2023-03-12

【中文标题】Torch JIT Trace = TracerWarning：将张量转换为 Python 布尔值可能会导致跟踪不正确

【英文标题】：Torch JIT Trace = TracerWarning: Converting a tensor to a Python boolean might cause the trace to be incorrect

【发布时间】：2021-06-19 02:42:54

【问题描述】：

我正在关注本教程：https://huggingface.co/transformers/torchscript.html 创建我的自定义 BERT 模型的跟踪，但是当运行完全相同的 dummy_input 时，我收到一个错误：

TracerWarning: Converting a tensor to a Python boolean might cause the trace to be incorrect. 
We cant record the data flow of Python values, so this value will be treated as a constant in the future. 

在我的模型和标记器中加载后，创建跟踪的代码如下：

text = "[CLS] Who was Jim Henson ? [SEP] Jim Henson was a puppeteer [SEP]"
tokenized_text = tokenizer.tokenize(text)

# Masking one of the input tokens
masked_index = 8
tokenized_text[masked_index] = '[MASK]'
indexed_tokens = tokenizer.convert_tokens_to_ids(tokenized_text)
segments_ids = [0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1]

tokens_tensor = torch.tensor([indexed_tokens])
segments_tensors = torch.tensor([segments_ids])
dummy_input = [tokens_tensor, segments_tensors]

traced_model = torch.jit.trace(model, dummy_input)

dummy_input 是张量列表，所以我不确定Boolean 类型在哪里发挥作用。有谁知道为什么会发生此错误以及是否发生布尔转换？

非常感谢

【参考方案1】：

这个错误是什么意思

当尝试torch.jit.trace 具有数据相关控制流的模型时，会出现此警告。

这个简单的例子应该更清楚：

import torch


class Foo(torch.nn.Module):
    def forward(self, tensor):
        # It is data dependent
        # Trace will only work with one path
        if tensor.max() > 0.5:
            return tensor ** 2
        return tensor


model = Foo()
traced = torch.jit.script(model) # No warnings
traced = torch.jit.trace(model, torch.randn(10)) # Warning

本质上，BERT 模型有一些依赖于数据的控制流（如if、for 循环），因此您会收到警告。

警告本身

你可以看到BERTforward代码here。

如果：

参数不会改变（例如传递给forward 的None 值）并且在script 之后将保持不变（例如在推理调用期间） 如果存在基于__init__ 内部收集的数据的控制流（如配置），因为这不会改变

例如：

elif input_ids is not None:
    input_shape = input_ids.size()
    batch_size, seq_length = input_shape

只会与torch.jit.trace 作为一个分支运行，因为它只是跟踪张量上的操作并且不知道这样的控制流。

HuggingFace 团队可能已经意识到这一点，并且此警告不是问题（尽管您可能会仔细检查您的用例或尝试使用 torch.jit.script）

使用torch.jit.script

这很难，因为整个模型必须与 torchscript 兼容（torchscript 有一个可用的 Python 子集，而且很可能无法与 BERT 一起使用）。

仅在必要时才这样做（可能不会）。