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 03:22:47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
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
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
980
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
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
931
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
519
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
1.11 K
0