A PyTEA -t, a Pytorch Tensor Shape hiba analizátort úgy tervezték, hogy statikusan szkennelje a Pytorch alkalmazásokat és felismerje a lehetséges alakhibákat a végrehajtási útvonalak és a tenzor alak korlátozásainak elemzésével. A pytea azonban küzdhet bizonyos Pytorch API -kkal, ha azokat a kereten belül nem hajtják végre vagy támogatják.
A Pytea elemzése hamis riasztásokat kelthet, ha a kód Pytorch-ot vagy más harmadik féltől származó API-t tartalmaz, amelyeket még nem hajtottak végre. Ez azt jelenti, hogy ha a Pytea egy nem végrehajtott API -hívást találkozik, akkor téves módon hibaként jelölheti meg, vagy figyelmeztetést bocsáthat ki. Az eszköz rögzíti a naplóinak minden egyes végrehajthatatlan API -hívását, lehetővé téve a felhasználók számára, hogy azonosítsák, mely specifikus API -k nem támogatják [10].
Ezenkívül a Pytea hatékonyságát az elemzési kód bonyolultsága korlátozhatja. Például, ha a kód komplex műveleteket vagy nemlineáris korlátozásokat foglal magában, amelyeket az SMT-megoldó (Z3) nehéz kezelni, akkor a pytea ezeket az eseteket "meg nem határozható" és időkorlátnak minősítheti [10]. Ugyanakkor a Pytorch API -k, amelyekkel a pytea küzd, nem szerepelnek kifejezetten felsorolva, de minden megvalósítatlan vagy túlságosan összetett művelet kihívásokat jelenthet.
Idézetek:[1] https://arxiv.org/pdf/2112.09037.pdf
]
[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-egant-way-to-calculate-integral-image-using-pytorch-api/22669
[9] https://www.altexsoft.com/blog/pytorch-library/
[10] https://github.com/ropas/pytea