ONNX项目中关于asinh算子支持的深入解析

背景介绍

在深度学习模型部署过程中，ONNX作为一种开放的模型格式，扮演着重要角色。PyTorch作为主流深度学习框架之一，提供了将模型导出为ONNX格式的功能。然而，在实际操作中，开发者可能会遇到一些算子支持的问题，比如本文讨论的asinh（反双曲正弦）算子。

asinh算子在ONNX中的支持情况

根据ONNX官方文档，asinh算子从ONNX opset 9版本开始就已经被支持。这意味着理论上，任何使用opset 9及以上版本的ONNX模型都可以使用这个算子。然而，在实际导出过程中，即使用户明确指定了较高的opset版本（如20），仍然可能遇到"unsupported operator"的错误提示。

问题根源分析

这个问题的根本原因在于PyTorch的ONNX导出机制。PyTorch提供了两种不同的ONNX导出路径：

1. 传统TorchScript路径（dynamo=False）：这是PyTorch早期实现的导出方式，基于TorchScript技术。这个路径的算子支持表更新相对滞后，可能没有及时包含较新的ONNX算子支持。

2. 新Dynamo路径（dynamo=True）：这是PyTorch团队正在积极开发的新一代导出器，采用了更现代的Dynamo技术。这个路径的算子支持更加全面，更新也更及时。

解决方案

针对asinh算子导出失败的问题，最直接的解决方案是：

torch.onnx.export(..., dynamo=True, report=True)

这个方案有以下几个优势：

1. 使用新的Dynamo导出路径，支持更多ONNX算子
2. 通过report参数可以生成详细的导出报告，便于调试
3. 代表了PyTorch ONNX导出的未来方向

技术建议

对于PyTorch用户，我们建议：

1. 优先尝试使用dynamo=True参数进行ONNX导出
2. 保持PyTorch版本更新，特别是使用torch-nightly版本可以获得最新的支持
3. 对于复杂的模型导出，可以结合report=True参数获取详细导出信息
4. 了解PyTorch团队正在将重心从TorchScript转向Dynamo技术路线

总结

ONNX作为模型交换格式，其算子支持是一个动态发展的过程。PyTorch的ONNX导出机制也在不断演进。开发者遇到算子支持问题时，除了检查ONNX官方文档外，还应该关注PyTorch导出器的实现细节和最新进展。采用新的Dynamo导出路径，往往能够解决许多传统导出路径下的算子支持问题。