在将pytorch代码导出到ONNX的上下文中，我得到了以下警告：
TracerWarning：torch.tensor结果在跟踪中被注册为常量。如果您使用此函数从常量变量创建Tensor，并且每次调用此函数时都是相同的，则可以安全地忽略此警告。在任何其他情况下，这可能会导致跟踪不正确。
以下是令人反感的一行：
text_lengths = torch.tensor([text_inputs.shape[1]]).long().to(text_inputs.device)字符串text_inputs是形状为torch.Size([1, 81])的torch.Tensor
这个警告是正确的，不能忽略，因为text_inputs的形状应该是动态的。
我需要text_lengths是一个torch.Tensor，它包含来自text_inputs的shape的数字81。上面的“冒犯行”成功地做到了这一点，但我们实际上从pytorch到Python int再回到pytorch的往返，因为torch.Size对象中的元素是Python int s。这（1）有点奇怪，（2）可能在GPU -> CPU -> GPU方面效率低下，如上所述，这是ONNX导出上下文中的实际问题。
有没有其他方法可以让我在不“离开”torch世界的情况下，在torch计算中使用Tensor的形状？
1条答案
按热度按时间vm0i2vca1#
使用
torch.tensor将导致导出的图中有一个常量值。在跟踪时，torch.tensor.shape和torch.tensor.size的输出应该返回Tensor（而不是python整数），因此上面的代码应该按预期导出，只需使用字符串
返回正确值的
LongTensor。由于构造函数中的括号，代码似乎没有按照预期的方式运行。
[text_inputs.shape[1]]中的形状在python列表中被解释为整数，因此在跟踪过程中保存为常量。在创建Tensor时删除额外的括号将正确导出为在运行时由
text_inputs形状定义的标量。型