[API Compatibility] Fix Tensor.type - #79641
Conversation
… three_Tensor_and_PReLU
… three_Tensor_and_PReLU
… three_Tensor_and_PReLU
… three_Tensor_and_PReLU
… three_Tensor_and_PReLU
… three_Tensor_and_PReLU
… three_Tensor_and_PReLU
There was a problem hiding this comment.
| 序号 | 位置 | 优先级 | 状态 |
|---|---|---|---|
| 1 | decorator_utils.py:279 |  |
🟡 |
| 2 | compat/proxy.py:551 | |
🟡 |
| 3 | compat/init.py:112 |  |
✅ |
| 4 | compat/init.py:156 | |
✅ |
| 5 | compat/init.py:116 | |
🚧 |
| and args[4] in data_formats | ||
| ) | ||
| is_paddle_place = isinstance(args[3], paddle.base.libpaddle.Place) | ||
| is_device = args[3] is None or ( |
There was a problem hiding this comment.
weight_attr 字符串误判为 PyTorch device。例如 PReLU(2, 0.5, "cpu") 的第三个业务参数本应由 ParamAttr._to_attr 转成名为 cpu 的参数属性，当前却被移到 device 并将 weight_attr 留空，破坏原生 Paddle 调用兼容性。请避免按字符串值猜测签名，并补充 "cpu" 等碰撞值的回归测试。
| _register_compat_override() | ||
| _swap_torch_modules_to_cache() | ||
| _modify_scope_of_torch_proxy(scope, silent=silent) | ||
| sys.meta_path.insert(0, TORCH_PROXY_FINDER) |
There was a problem hiding this comment.
enable_compat() 会插入同一个 finder 多次，而 disable_compat() 只移除一次；本 PR 新增的测试也明确保留了两个 finder。于是两次 enable 后进入 use_compat_guard(enable=False)，内部仍残留一个 finder，torch 依旧会被代理，违反 guard 的禁用契约。请让注册幂等，或在 guard 中完整移除并恢复原 finder 数量，并覆盖该组合。
| if tensor_type is None: | ||
| return str(input.dtype) | ||
| segments = ["torch"] | ||
| if input.place.is_gpu_place(): |
There was a problem hiding this comment.
torch.FloatTensor 等无设备前缀名称，把设备元数据误报成 CPU。既然该实现承诺像 torch.Tensor.type() 一样编码 place，请按实际 place 处理 XPU/私有后端（或对无法可靠映射的设备显式回退），并补充相应设备类型测试。
There was a problem hiding this comment.
当前 head 已补齐 GPU、XPU 和 custom place 的类型名分支，并加入对应覆盖测试，原问题已修复。
| return _tensor_type_name(input) | ||
|
|
||
| device = None | ||
| if getattr(dtype, "__name__", None) in _TENSOR_TYPE_DTYPES: |
There was a problem hiding this comment.
paddle.cuda.DoubleTensor 与 paddle.DoubleTensor 实际导入的是同一类对象，经 torch proxy 调用 t.type(torch.cuda.DoubleTensor) 也会命中这里并被强制设为 device="cpu"，把本应转到 CUDA 的 Tensor 移到 CPU。请保留限定模块的设备信息；若类对象无法区分来源，应拒绝该形式而不是静默迁移到 CPU，并补 CUDA 工厂类测试。
There was a problem hiding this comment.
当前 head 已改为带设备标记的独立 CUDA factory，并加入 CUDA 构造覆盖测试，原问题已修复。
|
/re-run all-failed |
… three_Tensor_and_PReLU
|
/re-run all-failed |
Codecov Report❌ Patch coverage is
Additional details and impacted files@@ Coverage Diff @@
## develop #79641 +/- ##
==========================================
Coverage ? 96.75%
==========================================
Files ? 8
Lines ? 185
Branches ? 0
==========================================
Hits ? 179
Misses ? 6
Partials ? 0 ☔ View full report in Codecov by Harness. 🚀 New features to boost your workflow:
|
|
/re-run all-failed |
|
/re-run all-failed |
1 similar comment
|
/re-run all-failed |
|
@risemeup1111 关于 enable_compat 计数问题和 PReLU 函数的问题你已经在 #79550 里通过了，这个 PR 里也没有涉及这两处的修改，所以通过一下 |
| segments = ["torch"] | ||
| place = input.place | ||
| if place.is_gpu_place(): | ||
| segments.append("cuda") |
There was a problem hiding this comment.
torch.xpu.*/custom-device 类型名，但 _tensor_type() 解析字符串时只把 torch.cuda./paddle.cuda. 映射到 GPU，其余合法 torch.* 名称都落到 device="cpu"。因此 t.type("torch.xpu.FloatTensor")（以及 custom-device 对应名称）会把 Tensor 从 XPU/自定义设备错误迁移到 CPU；当前测试只覆盖名称生成，没有覆盖反向转换。请补齐 XPU/custom 的设备解析与 round-trip 测试。
There was a problem hiding this comment.
XPU/custom 的解析已补齐，但当前修改仍不完整：torch.FloatTensor/paddle.FloatTensor 这类无设备段的 tensor type 现在返回 device=None，GPU Tensor 调用后会保留在 GPU；PyTorch 中这些名称表示 CPU tensor type，应转到 CPU。请让已识别的 tensor-type 字符串在无设备段时默认 cpu，同时保留 torch.float32 这类 dtype-only 字符串的 device=None，并补 GPU→torch.FloatTensor 回归测试。
There was a problem hiding this comment.
@risemeup1111 我觉得像 torch.FloatTensor/paddle.FloatTensor 这样的调用，本身就不应该涉及设备的转换，所以 device=None 保持设备不变是对的；即参数中有设备段或者显式表明了类（比如 paddle.cuda.DoubleTensor）才要管设备，否则保持不变
There was a problem hiding this comment.
这里的 device=None 只适用于 dtype-only 参数（例如 torch.float32），不适用于 tensor type factory。PyTorch 中 torch.FloatTensor 是 CPU tensor class，torch.cuda.FloatTensor 才是 CUDA class；本 PR 的 _tensor_type_name() 也明确把 CPU Tensor 编码成 torch.FloatTensor、GPU Tensor 编码成 torch.cuda.FloatTensor。因此 t.type(t.type()) 必须保持 round-trip，GPU Tensor 的 t.type("torch.FloatTensor") 应转换到 CPU；否则返回的类型名不能表达并恢复 Tensor 的 place。请将无设备段的 tensor-type 字符串区分为 device="cpu"，同时继续让 torch.float32 保持 device=None。
|
/re-run all-failed |
… fix_Tensor_type
|
/re-run all-failed |
|
/re-run all-failed |
1 similar comment
|
/re-run all-failed |
3 participants
PR Category
User Experience
PR Types
New features
Description
修正 compat 模式下
Tensor.type()的两处行为：dtype字符串（如paddle.float32），而 torch 返回的是 tensor type 名。现在按torch.Tensor.type的规则拼出torch.FloatTensor/torch.cuda.FloatTensor/torch.cuda.sparse.FloatTensor，把dtype、device和sparse COO布局都编码进名字里；没有对应 tensor type 名的dtype仍回退到dtype字符串dtype当字符串传递，再靠去掉paddle.前缀的字符串比较来判断是否需要转换。现在统一转成真正的 paddledtype对象，直接比较input.dtype，避免字符串绕路这样 paconvert 对应用例不用再加
check_value=False就能通过是否引起精度变化
否