ONNX导出时报_any() takes 2 positional arguments but 4 were given的解决办法

为了提升pytorch模型的服务部署的运行效率，生产环境使用时需要将pytorch模型转为onnx公共模型，具体可参考PyTorch 模型转换为 ONNX 模型的方法及应用_星海浮生的博客-CSDN博客_pytorch转onnx

torch.onnx.export方法针对简单的模型结构都比较容易导出，但是针对复杂的比如基于BERT等的自定义模型的导出，通常会遇到很多问题，以下就是在模型导出时遇到的一些问题及解决办法，供大家参考：

1. 尽可能将相关的库更新到最新版，如：pytorch，transformers，onnx，onnxruntime等，因为最新版的库在pytorch模型导出成onnx模型时支持的算子（operator）更多。

2. 本人在导出一个基于BERT模型编写的实体关系抽取模型时，遇到了如下问题：

File "D:\Anaconda3\lib\site-packages\torch\onnx\__init__.py", line 373, in _run_symbolic_function
    return utils._run_symbolic_function(*args, **kwargs)
  File "D:\Anaconda3\lib\site-packages\torch\onnx\utils.py", line 1032, in _run_symbolic_function
    return symbolic_fn(g, *inputs, **attrs)
TypeError: _any() takes 2 positional arguments but 4 were given 
(Occurred when translating any).

根据查询相关资料，基本可以同[ONNX] Add dim argument to all symbolic by shubhambhokare1 · Pull Request #66093 · pytorch/pytorch · GitHub中提到的问题。

根据上面问题找到解决方法为：将torch.onnx.symbolic_opset9.py中的以下代码：

def _any(g, input):
    input = _cast_Long(g, input, False)  # type: ignore[name-defined]
    input_sum = sym_help._reducesum_helper(g, input, keepdims_i=0)
    return gt(g, input_sum, g.op("Constant", value_t=torch.LongTensor([0])))

def _all(g, input):
    return g.op("Not", _any(g, g.op("Not", input)))

替换为：

def _any(g, *args):
    # aten::any(Tensor self)
    if len(args) == 1:
        input = args[0]
        dim, keepdim = None, 0
    # aten::any(Tensor self, int dim, bool keepdim)
    else:
        input, dim, keepdim = args
        dim = [_parse_arg(dim, "i")]
        keepdim = _parse_arg(keepdim, "i")
    input = _cast_Long(g, input, False)  # type: ignore[name-defined]
    input_sum = sym_help._reducesum_helper(g, input,
                                           axes_i=dim, keepdims_i=keepdim)
    return gt(g, input_sum, g.op("Constant", value_t=torch.LongTensor([0])))

def _all(g, *args):
    input = g.op("Not", args[0])
    # aten::all(Tensor self)
    if len(args) == 1:
        return g.op("Not", _any(g, input))
    # aten::all(Tensor self, int dim, bool keepdim)
    else:
        return g.op("Not", _any(g, input, args[1], args[2]))

至此，以上问题即可解决。