快捷方式

torch.compiler.allow_in_graph

torch.compiler.allow_in_graph(fn)[源代码]

告诉编译器前端 (Dynamo) 跳过对函数的符号内省,而是在遇到时直接将其写入图形。

如果您正在使用 torch.compile()(使用后端“inductor”(默认值)),或者 torch.export.export(),并且尝试在整个跟踪中黑盒化 Python 函数,请勿使用此 API。相反,请创建一个自定义运算符(请参阅 PyTorch 自定义运算符着陆页)。

警告

如果您是典型的 torch.compile 用户(例如,您将 torch.compile 应用于模型以使其运行更快),您可能不希望使用此函数。 allow_in_graph() 是一把双刃剑,因为它会跳过负责执行安全检查(图形中断、处理闭包等)的编译器前端 (Dynamo)。不正确的使用会导致难以调试的静默错误问题。

给定一个没有 allow_in_graph 装饰器的 Python 函数,torch.compile 的常规执行会跟踪该函数。 allow_in_graph() 会更改它,以便前端不会跟踪函数内部,但编译器后端仍然会跟踪它。将其与自定义运算符进行比较,自定义运算符将整个 torch.compile 堆栈中的函数视为黑盒。下表比较了这些机制。

机制

前端 (Dynamo)

后端 (AOTAutograd+Inductor)

无装饰器

跟踪内部

跟踪内部

allow_in_graph

不透明的可调用对象

跟踪内部

自定义运算符

不透明的可调用对象

不透明的可调用对象

allow_in_graph() 的一个常见用例是作为编译器前端的逃生舱口:如果您知道函数相对于编译堆栈的下游组件(AOTAutograd 和 Inductor)工作正常,但 Dynamo 中存在阻止其正确符号内省函数的错误(或者您的代码是用 C/C++ 编写的,因此无法使用 Dynamo 进行内省),那么您可以使用 allow_in_graph() 来装饰该函数以绕过 Dynamo。

我们要求 fn 遵守以下限制。未遵守会导致未定义的行为

  • fn 的输入必须是 FX 图表中的可代理类型。有效类型包括:张量/int/bool/float/None/List[张量?]/List[int?]/List[float?] Tuple[张量?,…]/Tuple[int?,…]/Tuple[float?,…]/torch.dtype/torch.device

  • fn 的输出必须是 FX 图表中的可代理类型(请参阅上一条要点)。

  • fn 内部使用的所有张量必须直接作为输入传递给 fn(而不是被捕获的变量)。

参数

fn – 表示要包含在图形中的函数的可调用对象。如果 fn 是一个可调用对象的列表或元组,它会递归地将 allow_in_graph() 应用于每个函数,并返回一个包含修改后的函数的新列表或元组。

示例

torch.compiler.allow_in_graph(my_custom_function)

@torch.compile(...)
def fn(a):
    x = torch.add(x, 1)
    x = my_custom_function(x)
    x = torch.add(x, 1)
    return x

fn(...)

将捕获包含 my_custom_function() 的单个图形。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源