interp op attributes error when converting onnx resize op.

[un-knight]

错误描述

将onnx resize op转换成tengine interp op之后tengine interp op attributes数值不正确。

待转换的onnx模型：

转换后的tengine interp op attributes：

可以发现转换后的tengine interp op的output_width与width_scale均出现错误。预期的output_width是20，而预期的width_scale是2。

环境

python == 3.8.12
pytorch == 1.10.0
tengine: https://github.com/OAID/Tengine/commit/91db3706e772568e022fcfcbef66d1998251988f

相关代码

resize 模型导出代码：

import torch
import torch.nn as nn

class MyModule(torch.nn.Module):
    def __init__(self) -> None:
        super().__init__()
        self.resize = nn.Upsample(scale_factor=2, mode='nearest')

    def forward(self, x):
        return self.resize(x)

model = MyModule()
torch.onnx.export(
                model,
                torch.randn((1, 3, 10, 10)),
                './toy.onnx',
                input_names=['input'],
                output_names=["output"],
                opset_version=10
            )

分析

经过debug发现在onnx2tengine的load_graph_node的load_resize步骤中正确写入了height_scale与width_scale。

Tengine/tools/convert_tool/onnx/onnx2tengine.cpp

Lines 2123 to 2131 in 91db370

	else if (onnx_node.input_size() == 2) // opset 10
	{
	const std::string& input_name = onnx_node.input(1);
	ir_tensor_t* tensor = find_tensor(graph, input_name);
	float* data = (float*)tensor->data;
	interp_param->height_scale = data[2];
	interp_param->width_scale = data[3];
	}

但是在后续的optimize_graph的interp infer_shape环节再次读取op.param_mem发现其中的width_scale数据就出现异常。

所以推测在load_graph_node到optimize_graph之间某些操作影响到了interp op param_mem中的width_scale数据。

[Gitkingly]

这不是tengine的bug，是netron的bug，lutzroeder/netron#973
已经修了。