PR Category

Execute Infrastructure

PR Types

Bug fixes

Description

#73469 修改 parameters/buffers/sub_layers 从原来直接访问 attribute 变成了从 _parameters 等 dict 上访问，这导致了部分模型生成的 side effect 恢复代码出问题：

class ReadBufferAfterChanged(paddle.nn.Layer):
    def __init__(self):
        super().__init__()
        self.buffer1 = paddle.to_tensor(1)
        self.buffer2 = paddle.to_tensor(2)
    def forward(self, x):
        self.buffer1 += 1
        return x + self.buffer1 + self.buffer2
    def __eq__(self, other):
        if not isinstance(other, ReadBufferAfterChanged):
            return False
        return paddle.equal(self.buffer1, other.buffer1) and paddle.equal(
            self.buffer2, other.buffer2
        )

以单测中的 case 为例，这里对 self._buffers["buffer1"] 修改后使得 self._buffers 处于 changed 的状态（PaddlePaddle/PaddleSOT#274 引入），因此后续读取的 self._buffers["buffer2"] tracker 将会是不可信的，会变成不可 traceable 的

这导致了在最终生成的 side effect 代码中，认为 buffer2 non-traceable，因此会从图上根据 ___SIR_out_xxx 来 load，而它的 tracker 又不是 DummyTracker，又不会当成子图输出 store 到 ___SIR_out_xxx，结果就出错了

这里实际上 buffer2 并没有改过，它应该是 traceable 的，但是因为我们现在判断 changed 粒度不够细，导致了这个问题

对于 DictLikeMutableData 来说，每个 key 都是独立的容器，我们完全可以感知到哪个 key 发生了变动，如果该 key 没有发生变动，那么就不需要认为是 changed，本 PR 实现了这一点

而 ListLikeMutableData 则会复杂些，本 PR 并没有修改，仍然会是粗粒度的感知，这可能会导致后续仍然会有问题，后续仍然需要优化