You need to enable JavaScript to run this app. 基于VGG16的Faster RCNN转OpenVINO IR时_call_impl入参异常排查
优惠活动
大模型
产品
解决方案
定价
更多

基于VGG16的Faster RCNN转OpenVINO IR时_call_impl入参异常排查

问题背景
  • 调试场景:基于PyTorch实现、以VGG16为骨干、Faster RCNN为框架的检测模型,正在开展向OpenVINO IR格式转换的开发工作
  • 触发异常的代码行:fc7 = self.classifier(pool, abc="abc123"),其中pool为类型为OpenVinoTensor的预期输入,abc="abc123"为调试阶段新增的测试参数
  • 被调用的self.classifier为Sequential结构,内部层定义如下:
    Sequential(
    (0): Linear(in_features=25088, out_features=4096, bias=True)
    (1): ReLU(inplace=True)
    (2): Linear(in_features=4096, out_features=4096, bias=True)
    (3): ReLU(inplace=True)
    )
    
异常观测现象
  • 代码执行后进入PyTorch原生的torch.nn.Module._call_impl方法,该方法的定义为def _call_impl(self, *input, **kwargs)
  • 入参与预期不符:
    • 位置参数input实际取值为(ReLU_57,),是包含计算图节点引用的元组,并非预期传入的OpenVinoTensor类型的pool对象
    • 关键字参数kwargs取值正常,准确接收到了调试传入的abc="abc123"
异常产生原因

该异常是OpenVINO转换适配层对PyTorch Sequential容器的调用逻辑做非兼容改造导致的,具体链路如下:

  • 第一,OpenVINO在将PyTorch模型转换为可本地执行的IR计算图时,会对原生torch.nn.Module的_call_impl方法做适配替换,不再完全遵循原生PyTorch逐个子层循环调用的执行逻辑。
  • 第二,适配层对入参做了拆分处理:将调用时传入的自定义关键字参数(也就是调试用的abc="abc123")单独提取为全局计算图执行的附加参数,因此这部分参数可以正常透传,观测到的取值完全符合预期。
  • 第三,适配层没有对调用时传入的位置参数(也就是pool OpenVinoTensor对象)做透传绑定,反而直接将IR计算图预先编排好的第一层输入节点引用(也就是classifier层前置的ReLU激活节点ReLU_57)作为位置参数传入了_call_impl,最终导致观测到的input值与预期完全不符。
  • 补充说明:原生PyTorch的Sequential容器本身不支持在调用时传入额外的关键字参数,一旦传入会直接抛出参数不匹配的异常;本次测试之所以能走到_call_impl阶段,本质是OpenVINO的适配层拦截了原生的参数校验逻辑,既让自定义调试参数被透传,也同时暴露了位置参数未正确绑定的适配缺陷。

内容的提问来源于stack exchange,提问作者Ben

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.04 17:24:04