Torch JIT Trace = TracerWarning：将张量转换为 Python 布尔值可能会导致跟踪不正确

Question

我正在关注本教程：https : //huggingface.co/transformers/torchscript.html 来创建我的自定义 BERT 模型的跟踪，但是在运行完全相同的模型时，dummy_input我收到一个错误：

TracerWarning: Converting a tensor to a Python boolean might cause the trace to be incorrect. 
We cant record the data flow of Python values, so this value will be treated as a constant in the future. 

在我的模型和标记器中加载后，创建跟踪的代码如下：

text = "[CLS] Who was Jim Henson ? [SEP] Jim Henson was a puppeteer [SEP]"
tokenized_text = tokenizer.tokenize(text)

# Masking one of the input tokens
masked_index = 8
tokenized_text[masked_index] = '[MASK]'
indexed_tokens = tokenizer.convert_tokens_to_ids(tokenized_text)
segments_ids = [0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1]

tokens_tensor = torch.tensor([indexed_tokens])
segments_tensors = torch.tensor([segments_ids])
dummy_input = [tokens_tensor, segments_tensors]

traced_model = torch.jit.trace(model, dummy_input)

这dummy_input是张量列表，所以我不确定Boolean类型在这里发挥作用。有谁明白为什么会发生这个错误以及布尔转换是否正在发生？

非常感谢

Answer 1

这个错误意味着什么

当您尝试对具有数据相关控制流的模型进行建模时，会出现此警告。torch.jit.trace

这个简单的例子应该更清楚：

import torch


class Foo(torch.nn.Module):
    def forward(self, tensor):
        # It is data dependent
        # Trace will only work with one path
        if tensor.max() > 0.5:
            return tensor ** 2
        return tensor


model = Foo()
traced = torch.jit.script(model) # No warnings
traced = torch.jit.trace(model, torch.randn(10)) # Warning

从本质上说，BERT模型具有一定的控制流（如if，for循环）依赖于数据，因此你收到警告。

警告本身

你可以在这里看到 BERTforward代码。

你没问题，如果：

• 参数不会改变（就像None传递给 的值forward）并且它会在之后保持这种状态script（例如在推理调用期间）
• 如果有基于内部收集的数据的控制流__init__（如配置），因为这不会改变

例如：

elif input_ids is not None:
    input_shape = input_ids.size()
    batch_size, seq_length = input_shape

只会作为一个分支运行torch.jit.trace，因为它只是跟踪张量上的操作，并且不知道这样的控制流。

HuggingFace 团队可能已经意识到这一点，并且此警告不是问题（尽管您可能会仔细检查您的用例或尝试使用torch.jit.script）

与 torch.jit.script

这会很困难，因为整个模型必须torchscript兼容（torchscript有一个 Python 子集可用，而且很可能无法与 BERT 一起开箱即用）。

仅在必要时才这样做（可能不是）。