秒秒钟揪出张量形状错误，这个工具能防止 ML 模型训练白忙一场

图片地址：https://img.ithome.com/newsuploadfiles/2021/12/5fc7ad84-8bd5-4048-959b-32575f5c4f37.png

模型吭哧吭哧训练了半天，结果发现张量形状定义错了，这一定没少让你抓狂吧。那么针对这种情况，是否存在较好的解决方法呢？这不最近，韩国首尔大学的研究者就开发出了一款“利器”—— PyTea。据研究人员介绍，它在训练模型前，能几秒内帮助你静态分析潜在的张量形状错误。那么 PyTea 是如何做到的，到底靠不靠谱，让我们一探究竟吧。PyTea 的出场方式为什么张量形状错误这么重要？神经网络涉及到一系列的矩阵计算，前面矩阵的列数必需匹配后面矩阵的行数，如果维度不匹配，那后面的运算就都无法运行了。上图代码就是一个典型的张量形状错误，[B x 120] * [80 x 10] 无法进行矩阵运算。无论是 PyTorch，TensorFlow 还是 Keras 在进行神经网络的训练时，大多都遵循图上的流程。首先定义一系列神经网络层（也就是矩阵），然后合成神经网络模块……那么为什么需要 PyTea 呢？以往我们都是在模型读取大量数据，开始训练，代码运