TVM项目中RemoveUnusedOutputs优化器的异常行为分析
在深度学习编译器TVM的使用过程中,我们发现了一个关于RemoveUnusedOutputs优化器的异常行为,以及一个与结构相等性检查相关的bug。本文将详细分析这两个问题的技术细节及其解决方案。
RemoveUnusedOutputs优化器的问题
RemoveUnusedOutputs是TVM中的一个Relax优化器,其主要功能是移除未被使用的函数输出。但在实际使用中,该优化器在某些情况下会产生不符合预期的结果。
以一个具体案例为例,原始IR模块包含多个TIR原语函数和一个返回三个张量的Relax函数。经过RemoveUnusedOutputs优化后,原本应该保留的张量输出被替换成了NaN值,这显然不是预期的优化行为。
深入分析发现,问题的根源在于优化器在确定哪些输出被使用时,仅收集了通过TupleGetItem显式访问元组元素的情况。如果整个元组被直接使用(如作为函数返回值),优化器会错误地认为所有元素都未被使用,从而用NaN占位符替换它们。
结构相等性检查的NaN问题
另一个相关问题是TVM的结构相等性检查(assert_structural_equal)在处理NaN值时的不一致性。测试发现,即使两个完全相同的IR模块,如果包含NaN值,结构相等性检查也会错误地判定它们不相等。
这是由于TVM内部对浮点数的比较采用了相对误差方法(abs(lhs-rhs) < 1e9),而NaN值与任何值(包括它自己)的比较结果都是false。这种实现方式导致包含NaN的IR模块无法正确通过结构相等性验证。
解决方案
针对这两个问题,TVM社区已经提出了相应的修复方案:
-
对于RemoveUnusedOutputs优化器,修复方案改进了使用情况收集逻辑,确保能够正确识别所有元组元素的使用情况,避免错误地用NaN替换实际使用的输出。
-
对于结构相等性检查,修复方案增加了对NaN值的特殊处理,确保两个NaN值能够被正确识别为相等。
技术启示
这个案例给我们带来几个重要的技术启示:
-
编译器优化器的实现需要考虑所有可能的使用场景,特别是边界情况。
-
浮点数的特殊值(如NaN)在编译器内部处理时需要格外小心,常规的比较逻辑可能不适用。
-
测试用例应当覆盖各种边界情况,包括特殊值和非常规使用模式。
TVM作为深度学习编译器,其正确性对下游应用至关重要。这类问题的发现和修复有助于提高编译器的稳定性和可靠性,为深度学习模型的部署提供更坚实的基础设施支持。
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-OCR暂无简介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