alibaba
assert count_include_pad in (True,1)
因为目前不支持count_include_pad=False的avgpool2d，如果是same padding的情况下实现会比较简单，但是如果是其他情况下，需要额外添加一个mask乘的操作，会有点麻烦
ok 重新拉去后这个问题就消失了，作者太给力了然后我往下运行，出现了：
基本上是光流和transformer相关的，这些算子作者有继续支持的计划吗？
除了error,logs中打印了许多的warning,如：
和
对于这些warning如果不修改的话会导致转换后的模型输出不正确是吗？
对于这些warning如果不修改的话会导致转换后的模型输出不正确是吗？
不会，图1是pytorch使用floordiv的warning，图2只是int64自动下转成int32的例行打印。两者都跟精度没关系。
ok 重新拉去后这个问题就消失了，作者太给力了然后我往下运行，出现了：
不知道哪些是常量操作，如果是常量操作可以直接跳过。方便提供下模型定义不？
您好，我列一下模型中调用算子的地方
- grid_sample
import torch.nn.functional as F
output = F.grid_sample(
x,
grid_flow,
mode=interpolation,
padding_mode=padding_mode,
align_corners=align_corners)
- fill_
mask = x_window_pooled.new(T, nWh, nWw).fill_(1)
- img2col这个是
nn.Unfold中调用了的
return torch._C._nn.im2col(input, _pair(kernel_size), _pair(dilation), _pair(padding), _pair(stride))
相应的'nn.Fold'中调用了col2im
- new_zeros
flow = ref[0].new_zeros(n, 2, h // 32, w // 32)
- new_ones
normalizer = x.new_ones(b, n, 49).view(-1, self.n_vecs, 49).permute(0, 2, 1)
- roll
lambda t: torch.roll(t, shifts=(-self.expand_size[0], -self.expand_size[1]), dims=(2, 3)), (k, v)
这样应该会清楚很多哈
按难度排个序吧
简单
new_zeros， new_ones 直接跳过，没啥可说的
fill_ 有直接对应
一般
roll 可以用strided_slice配合cat实现
img2col， col2im 可以用arange后的数据跑一遍，然后用gather_nd实现
困难
grid_sample 貌似没有直接对应
@quhaoooo 参考这里 https://github.com/alibaba/TinyNeuralNetwork/blob/main/tinynn/converter/operators/torch/init.py#L189 ，就是不需要设置成不需要追踪的op就好了
好的，请问一下这两个算子为什么是可以设置成不需要跟踪，
因为他跟输入没关系啊，新生成了一个常量
另外至于fill_呢。 感谢
你是要实现吗？可以参考 https://github.com/alibaba/TinyNeuralNetwork/blob/main/docs/FAQ_zh-CN.md#%E7%AE%97%E5%AD%90%E4%B8%8D%E6%94%AF%E6%8C%81%E5%A6%82%E4%BD%95%E5%A4%84%E7%90%86 pytorch里的 fill 就是对应 tflite 的 fill
新生成的变量不需要跟踪，但是通过您的代码也会转成tfl是吧？ 对于fill转换的实现，按照 https://github.com/alibaba/TinyNeuralNetwork/blob/main/docs/FAQ_zh-CN.md#%E7%AE%97%E5%AD%90%E4%B8%8D%E6%94%AF%E6%8C%81%E5%A6%82%E4%BD%95%E5%A4%84%E7%90%86
查阅TorchScript和TFLite的Schema，选取两边对应的OP
似乎在https://github.com/alibaba/TinyNeuralNetwork/blob/main/tinynn/converter/schemas/torch/aten_schema.py 没有找到fill_对应的OP
@quhaoooo 话说其实fill产生的也是常量，schema里面没有是因为之前我们生成schema的时候过滤了大部分inplace的tensor操作。我们不完全支持inplace的操作，尤其是 对于某个tensor的一部分（使用slice或者select）做inplace操作的那就更不支持了。当然这都是对于变量来说了，常量不受任何影响。
新生成的变量不需要跟踪，但是通过您的代码也会转成tfl是吧？
会正常利用torchscript中的步骤计算其值，但是不会加入tflite计算图，直到遇到第一个包含变量输入且使用某常量值的op，在此时他会以常量加入计算图。（这个过程一般被称为常量折叠，constant folding，有兴趣的话可以自己了解下）