执行d2l-tvm中的vector_add.ipynb案例报错:AttributeError: module ‘tvm‘ has no attribute ‘context‘

文章讲述了在使用TVM时遇到的AttributeError,原因是使用的TVM版本过旧,context函数已被移除。解决方案是将代码中的相关部分替换为`tvm.device()`。

报错:AttributeError: module 'tvm' has no attribute 'context'

报错原因:这份代码采用的TVM版本太老了,目前新版本已经没有这个函数了。这个函数已经被更新为了tvm.device().

修改方案:

把下面的原始代码红色框的进行修改:

修改为:

问题解决。

E40021: Failed to compile Op [/model.25/SWS/att/Pow_3/Square/SquareSumV2,[/model.25/SWS/att/ReduceSum_3,/model.25/SWS/att/ReduceSum_3,/model.25/SWS/att/Pow_3]]. (oppath: [Compile /usr/local/Ascend/ascend-toolkit/7.0.RC1/opp/built-in/op_impl/ai_core/tbe/impl/square_sum_v2.py failed with errormsg/stack: File "/usr/local/Ascend/ascend-toolkit/7.0.RC1/python/site-packages/tbe/tvm/_ffi/_ctypes/packed_func.py", line 239, in __call__ raise get_last_ffi_error() tvm._ffi.base.TVMError: {'errClass': 'EmitInsn Error', 'errCode': '[EB4000]', 'message': 'Traceback (most recent call last): 13: TVMFuncCall 12: 0x0000e7ffc4fd24f3 11: ascend_tvm::LowerSchedule(ascend_tvm::te::Schedule, ascend_tvm::runtime::Array<ascend_tvm::runtime::ObjectRef, void> const&, std::string const&, std::unordered_map<ascend_tvm::te::Tensor, ascend_tvm::tir::Buffer, std::hash<ascend_tvm::te::Tensor>, std::equal_to<ascend_tvm::te::Tensor>, std::allocator<std::pair<ascend_tvm::te::Tensor const, ascend_tvm::tir::Buffer> > > const&, ascend_tvm::PrimExpr, bool) 10: ascend_tvm::LowerWithPassList(ascend_tvm::IRModule, ascend_tvm::runtime::Array<ascend_tvm::transform::Pass, void>) 9: ascend_tvm::transform::Pass::operator()(ascend_tvm::IRModule) const 8: ascend_tvm::transform::Pass::operator()(ascend_tvm::IRModule, ascend_tvm::transform::PassContext const&) const 7: ascend_tvm::transform::SequentialNode::operator()(ascend_tvm::IRModule, ascend_tvm::transform::PassContext const&) const 6: ascend_tvm::transform::Pass::operator()(ascend_tvm::IRModule, ascend_tvm::transform::PassContext const&) const 5: ascend_tvm::tir::transform::PrimFuncPassNode::operator()(ascend_tvm::IRModule, ascend_tvm::transform::PassContext const&) const 4: 0x0000e7ffc758a91f 3: ascend_tvm::tir::ReuseBuf(ascend_tvm::tir::Stmt) File "reuse_buf.cc", line 126
07-15
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值