Лямбда-ошибка преобразования BERT-pytorch в ONNX - PullRequest
Новая
       38

Лямбда-ошибка преобразования BERT-pytorch в ONNX

0 голосов
/ 10 июля 2019

Я пытаюсь преобразовать реализацию BERT PyTorch отсюда (https://github.com/codertimo/BERT-pytorch) в ONNX (и, надеюсь, в coreml), но реализация блока Transformer: 

class TransformerBlock(nn.Module):
    """
    Bidirectional Encoder = Transformer (self-attention)
    Transformer = MultiHead_Attention + Feed_Forward with sublayer connection
    """

    def __init__(self, hidden, attn_heads, feed_forward_hidden, dropout):
        """
        :param hidden: hidden size of transformer
        :param attn_heads: head sizes of multi-head attention
        :param feed_forward_hidden: feed_forward_hidden, usually 4*hidden_size
        :param dropout: dropout rate
        """

        super().__init__()
        self.attention = MultiHeadedAttention(h=attn_heads, d_model=hidden)
        self.feed_forward = PositionwiseFeedForward(d_model=hidden, d_ff=feed_forward_hidden, dropout=dropout)
        self.input_sublayer = SublayerConnection(size=hidden, dropout=dropout)
        self.output_sublayer = SublayerConnection(size=hidden, dropout=dropout)
        self.dropout = nn.Dropout(p=dropout)

    def forward(self, x, mask):
        x = self.input_sublayer(x, lambda _x: self.attention.forward(_x, _x, _x, mask=mask)) // <-- Error!
        x = self.output_sublayer(x, self.feed_forward)
        return self.dropout(x)

вызывает ошибку: 

builtins.ValueError: Auto nesting doesn't know how to process an input object of type bert_pytorch.model.transformer.TransformerBlock.forward.<locals>.<lambda>. Accepted types: Tensors, or lists/tuples of them

Я понимаю, что лямбда вызывает ошибку (или, по крайней мере, это то, что я думаю, что происходит ), но я не уверен, как это исправить - если, действительно, исправление возможно, с текущим ONNX. Есть ли способ переписать это без лямбды, например? И может ли это обойти проблему, не ломая модель? (Я все еще довольно новичок в Python.)

Мое преобразование довольно простое: 

export_model = bert
model_name = "bert.onnx"

dummy_input = (torch.randn(1, 40).long().cuda(), torch.randn(1, 40).long().cuda())
torch.onnx.export(export_model, 
                  dummy_input, 
                  model_name, 
                  input_names=['query_sequence'], 
                  output_names=['token_prediction'], 
                  operator_export_type=torch.onnx.OperatorExportTypes.ONNX_ATEN_FALLBACK)

Строки torch.randn(1, 40).long().cuda() были получены методом проб и ошибок, а использование ONNX_ATEN_FALLBACK было найдено в поиске Google о преобразовании трансформаторов.

В отношении связанной заметки мне также любопытно, если кто-нибудь знает, является ли полное преобразование BERT-PyTorch> ONNX> CoreML просто невозможным на этом этапе (по крайней мере, пока CoreML 3 не будет готов к работе). Если это произойдет абсолютно , а не , я спасу себя от ударов головой на стол!

Любые мысли приветствуются.

...