name | about | labels |
---|---|---|
Bug Report | Use this template for reporting a bug | kind/bug |
使用Lite master代码执行端侧CPU推理,Arithmetic算子Resize()未复位scalar_opt导致连续推理精度异常。
Ascend
/GPU
/CPU
) / 硬件环境:Please delete the backend not involved / 请删除不涉及的后端:
/device ascend/GPU/CPU/kirin/等其他芯片
Software Environment / 软件环境 (Mandatory / 必填):
-- MindSpore version (e.g., 1.7.0.Bxxx) :
-- Python version (e.g., Python 3.7.5) :
-- OS platform and distribution (e.g., Linux Ubuntu 16.04):
-- GCC/Compiler version (if compiled from source):
Excute Mode / 执行模式 (Mandatory / 必填)(PyNative
/Graph
):
Please delete the mode not involved / 请删除不涉及的模式:
/mode pynative
/mode graph
复现环境:x86 ubuntu服务器。
复现步骤:
1、设置Arithmetic SubFusion(dtype为int32)的两个输入shape均为[1],执行Resize()和Run(),第一轮推理结果正确;
2、在此基础上,继续使用前面的Model对象,设置SubFusion的输入shape均为[10],执行Resize()和Run(),第二轮推理结果精度异常。
预期结果:两次推理结果均正确。
Please assign maintainer to check this issue.
请为此issue分配处理人。
@zhuguodong
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。
Please add labels (comp or sig), also you can visit https://gitee.com/mindspore/community/blob/master/sigs/dx/docs/labels.md to find more.
为了让代码尽快被审核,请您为Pull Request打上 组件(comp)或兴趣组(sig) 标签,打上标签的PR可直接推送给责任人进行审核。
更多的标签可以查看https://gitee.com/mindspore/community/blob/master/sigs/dx/docs/labels.md
以组件相关代码提交为例,如果你提交的是data组件代码,你可以这样评论:
//comp/data
当然你也可以邀请data SIG组来审核代码,可以这样写:
//sig/data
另外你还可以给这个PR标记类型,例如是bugfix或者是特性需求:
//kind/bug or //kind/feature
恭喜你,你已经学会了使用命令来打标签,接下来就在下面的评论里打上标签吧!
问题根因:
1、Arithmetic算子内部使用了状态标志位scalar_opt_:为true时使用标量输入的优化计算函数ElementOptSubInt(),为false时使用一般的逐元素计算函数ElementSub()。
2、在Resize()阶段,一旦把scalar_opt_标志位设置为true后,后续Resize()并没有复位此标志位,无论输入是否为标量,都调的是ElementOptSubInt(),导致计算精度异常。
修复方案:
在Resize()中先复位scalar_opt_为false,再根据当前输入shape来更新。
开发自验:
修改后第2次推理精度正常。
登录 后才可以发表评论