ONNX项目中Squeeze操作符在动态轴下的形状推断问题分析

问题背景

在ONNX深度学习框架中，Squeeze操作符用于从张量中移除长度为1的维度。当Squeeze操作符的版本为11且未明确指定压缩轴(axes)时，如果输入张量包含动态轴(即形状中包含None值)，ONNX的形状推断机制会出现错误，导致输出形状被错误地推断为标量(scalar)。

问题重现

通过构建一个简单的模型可以重现这个问题。模型包含两个操作：首先使用Squeeze压缩输入张量，然后使用Unsqueeze恢复原始形状。当输入形状为[5,1]时，模型运行正常；但当输入形状为[5,None]时，ONNX运行时会抛出形状推断错误。

技术分析

问题的根源在于ONNX的形状推断逻辑。在Squeeze-11版本中，当未指定axes属性时，实现代码会尝试自动推断需要压缩的维度。对于静态形状([5,1])，系统能正确识别第二个维度长度为1并执行压缩；但对于动态形状([5,None])，由于无法确定哪些维度长度为1，形状推断应该被取消，但当前实现却错误地将输出推断为标量。

影响范围

这一问题会影响所有使用Squeeze-11操作符且输入包含动态轴的ONNX模型。当后续操作(如Unsqueeze)尝试基于错误推断的形状进行操作时，会导致运行时错误，影响模型的正常执行。

解决方案建议

1. 对于Squeeze-11操作符，当输入包含动态轴且未指定axes时，形状推断应该被明确取消
2. 建议在模型构建时明确指定Squeeze的axes属性，避免依赖自动推断
3. 考虑升级到更高版本的ONNX操作符集，其中可能已修复此问题

最佳实践

在实际开发中，处理动态形状时应特别注意：

• 尽量避免在动态轴上执行Squeeze操作
• 明确指定操作符的axes属性
• 在模型转换和优化阶段进行充分的形状验证
• 考虑使用更高版本的ONNX操作符以获得更稳定的行为

通过遵循这些实践，可以避免因形状推断错误导致的运行时问题，确保模型的稳定性和可靠性。