首页
/ Microsoft Olive项目中Whisper模型在DML执行提供程序上的兼容性问题分析

Microsoft Olive项目中Whisper模型在DML执行提供程序上的兼容性问题分析

2025-07-07 01:32:35作者:殷蕙予

背景概述

在Microsoft Olive项目的Whisper语音识别模型示例中,开发团队发现了一个影响模型在DirectML(DML)执行提供程序上运行的兼容性问题。这个问题涉及到模型预处理阶段中STFT(短时傅里叶变换)节点的输入维度不匹配问题。

问题本质

核心问题出现在音频预处理管道的STFT操作节点上。根据ONNX规范,STFT操作符对于实值输入数据期望接收的是三维张量,其形状应为[批次大小, 采样长度, 1]。然而当前实现中,预处理管道提供给STFT节点的输入是二维张量[1, 采样长度],这导致了维度不匹配。

技术细节

STFT(短时傅里叶变换)是语音处理中的关键预处理步骤,它将时域信号转换为时频表示。ONNX规范中明确要求:

  1. 对于实值输入,输入张量应为三维,第三维度为1
  2. 对于复值输入,输入张量应为三维,第三维度为2

当前实现中的维度不匹配会导致:

  • 在DML执行提供程序上运行时出现错误
  • 无法正确利用硬件加速
  • 可能影响计算结果的准确性

连带影响

这个问题还涉及到预处理管道中的Pad操作符。由于输入维度不正确,Pad操作也需要相应调整:

  • 需要明确输入是三维的
  • 需要在最后一个维度(第三维)的开始和结束处填充0值
  • 填充模式需要与STFT的要求保持一致

解决方案

该问题已在onnxruntime-extensions项目中通过PR修复。修复内容包括:

  1. 确保STFT节点接收正确维度的输入
  2. 调整Pad操作符以处理三维输入
  3. 保证整个预处理管道的维度一致性

用户操作建议

遇到此问题的用户应该:

  1. 从源码安装最新版本的onnxruntime-extensions
  2. 清理Olive的工作缓存
  3. 重新运行Whisper模型的工作流程

总结

这个案例展示了深度学习模型部署中维度一致性的重要性,特别是在跨不同执行提供程序运行时。正确处理预处理管道的维度不仅影响模型能否运行,还可能影响计算效率和结果准确性。Microsoft Olive团队通过及时的问题定位和修复,确保了Whisper模型能够在DML和CPU执行提供程序上无缝运行。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
RuoYi-Vue3RuoYi-Vue3
🎉 (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
868
513
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
268
308
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3