PyTorch 2.7 RC版本中torch.export和torch.compile的兼容性问题分析
在PyTorch 2.7 RC版本中,用户报告了两个重要的功能兼容性问题:torch.export和torch.compile在某些情况下无法正常工作,而这些情况在PyTorch 2.6版本中可以正常运行。本文将深入分析这些问题及其解决方案。
问题背景
PyTorch 2.7 RC版本引入了对torch.export和torch.compile功能的若干修改,导致了一些向后兼容性问题。具体表现为:
- 在使用torch.compile时,当代码访问transformers模型配置对象时,会抛出"Unexpected type in sourceless builder"异常
- 在使用torch.export时,默认的strict参数从False变为True,导致一些原本可以导出的模型现在会失败
技术细节分析
torch.compile问题
当使用torch.compile编译transformers模型时,特别是Gemma3Vision2TextModel这样的模型,系统会尝试访问模型配置对象中的属性。在PyTorch 2.7 RC中,Dynamo编译器无法正确处理这种配置对象的访问,导致以下错误:
torch._dynamo.exc.Unsupported: Unexpected type in sourceless builder transformers.models.gemma3.configuration_gemma3.Gemma3TextConfig
这个问题源于Dynamo编译器对Python对象属性访问的处理逻辑发生了变化。在2.6版本中,这种访问模式是被允许的,但在2.7 RC中则被视为不支持的代码模式。
torch.export问题
torch.export功能在2.7 RC版本中默认将strict参数设置为True,这与2.6版本的行为不同。当strict=True时,导出过程会对模型有更严格的检查,导致一些在2.6中可以导出的模型现在会失败。
例如,在尝试导出DPT混合模型时,会出现类似的类型不匹配错误:
torch._dynamo.exc.Unsupported: Unexpected type in sourceless builder transformers.models.bit.configuration_bit.BitConfig
解决方案
针对这两个问题,目前有以下解决方案:
-
torch.compile问题:PyTorch团队已经提交了修复补丁,但可能无法及时包含在2.7正式版中。用户可以考虑暂时回退到2.6版本,或者等待补丁发布后升级。
-
torch.export问题:用户可以通过显式设置strict=False来解决兼容性问题:
torch.export.export(model, args, strict=False)或者直接移除strict参数(因为False现在是默认值)
最佳实践建议
对于正在使用PyTorch 2.7 RC版本的用户,建议:
- 在升级前全面测试模型编译和导出功能
- 对于关键生产环境,考虑暂时停留在2.6版本
- 关注PyTorch官方发布说明,了解这些问题的最终解决方案
- 在代码中添加适当的版本检查逻辑,处理不同版本的行为差异
总结
PyTorch 2.7 RC版本在torch.export和torch.compile功能上引入了一些破坏性变化,主要影响transformers等大型模型框架的使用。虽然这些问题在大多数情况下都有解决方案,但用户需要了解这些变化并相应调整代码。PyTorch团队正在积极解决这些问题,预计在未来的更新中会提供更完善的兼容性支持。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C059
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00