O Pytea, um analisador de erro de forma de tensor Pytorch, foi projetado para digitalizar aplicativos estaticamente pytorch e detectar possíveis erros de forma, analisando caminhos de execução e restrições de forma de tensor. No entanto, a Pytea pode ter dificuldades com certas APIs de Pytorch se não forem totalmente implementadas ou suportadas em sua estrutura.
A análise da Pytea pode aumentar os alarmes falsos se o código contiver pytorch ou outras APIs de terceiros que não foram implementadas. Isso significa que, se o Pytea encontrar uma chamada de API não implementada, poderá sinalizar incorretamente como um erro ou emitir um aviso. A ferramenta registra cada chamada de API não implementada em seus logs, permitindo que os usuários identifiquem quais APIs específicas não são suportadas [10].
Além disso, a eficácia de Pytea pode ser limitada pela complexidade do código que ele analisa. Por exemplo, se o código envolver operações complexas ou restrições não lineares que são difíceis para o solucionador SMT (Z3), o Pytea poderá classificar esses casos como "indecidível" e tempo limite [10]. No entanto, as APIs específicas de Pytorch com as quais a Pytea lutam não estão listadas explicitamente, mas quaisquer operações não implementadas ou excessivamente complexas podem apresentar desafios.
Citações:[1] https://arxiv.org/pdf/2112.09037.pdf
[2] https://stackoverflow.com/questions/59158044/installing-a-specific-pytorch-build-f-e-cpu-ly-with-poetry
[3] https://pytorch.org/docs/stable/func.ux_limitations.html
[4] https://pytorch.org/docs/stable/torch.compiler_fine_grain_apis.html
[5] https://pytorch.org/functorch/stable/ux_limitations.html
[6] https://discuss.pytorch.org/t/survey-what-are-you-using-the-c-api-for/55163
[7] https://docs.habana.ai/en/latest/pytorch_customop_api/page_index.html
[8] https://discuss.pytorch.org/t/is-there-an-elegant-way-to-calculate-integral-image-using-pytorch-api/22669
[9] https://www.altexsoft.com/blog/pytorch-library/
[10] https://github.com/ropas/pytea