ONNX形状推断中Concat操作处理空张量的Bug分析
2025-05-12 05:45:05作者:晏闻田Solitary
问题背景
在ONNX模型形状推断过程中,当Concat操作(沿Axis=0拼接)的第一个输入张量被初始化为空数组([]),而第二个输入张量为[1,2,3]时,形状推断会失败并抛出错误:"axis must be in [-rank, rank-1]"。这个问题在使用严格模式(strict_mode=True)和数据传播(data_prop=True)时尤为明显。
技术细节分析
该问题源于ONNX形状推断实现中的验证逻辑缺陷。具体来说,在数据传播处理阶段,代码未能正确处理空张量的特殊情况。当遇到空张量时,系统无法正确计算张量的秩(rank),导致在验证轴(axis)参数时出现错误。
在ONNX框架中,Concat操作要求指定的轴参数必须在有效范围内,即[-rank, rank-1]。对于空张量,其秩理论上应为1(因为它是一个一维空数组),但当前的验证逻辑未能正确处理这种情况。
影响范围
这个问题不仅影响Concat操作,还影响其他类似操作如Gather。当这些操作的输入包含空张量时,都会遇到相同的验证错误。这在实际应用中会带来以下问题:
- 无法正确处理包含空张量的模型
- 限制了模型在边缘情况下的表达能力
- 影响了形状推断的完整性检查
解决方案
解决这个问题的关键在于改进形状推断中对空张量的处理逻辑。具体应该:
- 明确空张量的秩计算规则
- 在验证轴参数前,先检查输入张量是否为空
- 对于空张量输入,采用合理的默认处理方式
实际意义
这个修复将增强ONNX框架的鲁棒性,使其能够正确处理更多边缘情况。对于开发者而言,这意味着:
- 可以更自由地构建包含空张量的模型
- 形状推断结果更加准确可靠
- 减少了需要特殊处理的情况
总结
ONNX作为深度学习模型的标准交换格式,其形状推断功能的完善性直接影响着模型的可用性。这个Concat操作处理空张量的问题虽然看似边缘,但反映了框架在特殊情况下处理能力的不足。通过修复这类问题,可以进一步提升ONNX框架的健壮性和实用性。
登录后查看全文
热门项目推荐
相关项目推荐
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- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
237
2.36 K
仓颉编程语言运行时与标准库。
Cangjie
122
96
暂无简介
Dart
539
118
仓颉编译器源码及 cjdb 调试工具。
C++
115
83
React Native鸿蒙化仓库
JavaScript
216
291
Ascend Extension for PyTorch
Python
77
109
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
997
588
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
589
114
LLVM 项目是一个模块化、可复用的编译器及工具链技术的集合。此fork用于添加仓颉编译器的功能,并支持仓颉编译器项目。
C++
32
26