missing shape hint for traced tensor
主线位置：traced 主线的建图一步，在符号形状的输入上调激活、softmax、归一化。这些运算为什么是组合运算、怎么分解见 神经网络运算；四种叶子和符号形状见 TracedTensor。
flowchart TB x["符号形状输入"] --> prim["exp tanh 等"] prim --> ok1["建图通过"] x --> comp["sigmoid 等组合运算"] comp --> shape["ops.shape 要具体形状"] shape --> err["missing shape hint"] c["具体形状输入"] --> comp2["sigmoid"] comp2 --> ok2["建图通过"]
实验 crate exp-tenferro8/pit2-exp，bin p28_symbolic_composite，CPU（CpuEngine::serial()），debug，M2 Max、macOS 27、rustc 1.99.0。
现象
两种符号形状的输入：不带数据的占位符 input_symbolic_shape(DType::F64, 1)，和带 3 个元素的符号叶子 from_tensor_symbolic_shape。在上面各调一遍：
for (op, r) in [
("exp", x.exp()),
("sigmoid", x.sigmoid()),
("silu", x.silu()),
("softplus", x.softplus()),
("gelu", x.gelu()),
("gelu_tanh", x.gelu_tanh()),
("softmax(0)", x.softmax(0)),
("layer_norm", x.layer_norm(0, None, None, 1e-5)),
] { /* 打印 Ok 或 Err */ }
placeholder exp: Ok
placeholder sigmoid: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 0)
placeholder silu: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 0)
placeholder softplus: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 4)
placeholder gelu: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 0)
placeholder gelu_tanh: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 0)
placeholder softmax(0): Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 0)
placeholder layer_norm: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 0)
symbolic leaf exp: Ok
symbolic leaf sigmoid: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 1)
...
symbolic leaf layer_norm: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 1)
exp通过，七个组合运算全部失败，带不带数据都一样。- 消息里没有
sigmoid这个名字，只有TracedTensor::concrete_shape和一个内部编号。softplus报的是tensor 4，一个中间值，用户代码里根本没有它。 - 在同一个符号叶子上，
tanh能用，x * 0.5（乘一个秩 0 的常数）也报同一条错：
symbolic * rank-0 constant: Err(TracedTensor::concrete_shape (GraphBuild): invalid argument shape: missing shape hint for traced tensor 1)
symbolic tanh: Ok -> [-0.7615941559557649, 0.0, 0.7615941559557649]
出处
组合运算定义一次、在 traced 和 eager 两个面上共用，接口是 CompositeOps（神经网络运算 的「定义一次：CompositeOps」）。它的 shape 方法的文档写明「Returns a ValidationError::InvalidArgument when the shape is symbolic」。sigmoid 第一步就要形状，用来把常数 1 广播成输入的形状：
let shape = ops.shape(x)?;
let (positive, neg_abs) = positive_and_neg_abs(ops, x)?;
let e = ops.unary(CompositeUnary::Exp, &neg_abs)?;
drop(neg_abs);
let one = splat(ops, dtype, 1.0, &shape)?;
traced 一侧的 shape 落到 concrete_shape，形状提示里有符号维度就报「missing shape hint for traced tensor N」。softmax、归一化要拿形状算规约后的形状和广播，同理。softplus 先做了几步不需要形状的运算才碰到 shape，所以报的是中间值的编号。乘一个秩 0 常数失败是另一处：秩不同时 broadcast_binary 也要具体形状（add: incompatible shapes 的「出处」）。exp、tanh、erf 是 primitive，形状从输入原样传下去，不需要知道长度。
这不是 bug，是设计取舍：组合运算换来的是不用写 AD 规则、traced 程序里只有核心算子；代价就是建图时要具体形状。
修法
用具体形状的输入。要「编译一次、喂数据」，用 input_concrete_shape 建占位符，编译时给出同样的形状：
let c = TracedTensor::input_concrete_shape(DType::F64, &[3])?;
let y = c.sigmoid()?;
let prog = GraphCompiler::new().compile_with_input_specs(&y, &[(&c, DType::F64, &[3])])?;
let x = Tensor::from_vec_col_major(vec![3], vec![-1.0_f64, 0.0, 1.0])?;
println!("concrete placeholder sigmoid: {:?}", cpu.run_program(&prog, &[&x])?.as_slice::<f64>()?);
concrete placeholder sigmoid: [0.2689414213699951, 0.5, 0.7310585786300049]
- 长度会变时，每种长度建一次图、编译一次；
prepare按结构和特化缓存，同一种长度只准备一次（执行与缓存）。 - eager 下没有这个问题：eager 的张量总有具体形状，组合运算在不跟踪时还会走融合内核（神经网络运算）。
- 只用 primitive 改写（例如把 sigmoid 写成
tanh的式子）也绕不过去：式子里的常数0.5、1一样要广播，而秩 0 常数和符号张量相乘本身就需要具体形状。
怎么确认没中招
- 搜
input_symbolic_shape和from_tensor_symbolic_shape，看它们之后有没有sigmoid、silu、softplus、gelu、gelu_tanh、softmax、log_softmax、masked_softmax、layer_norm、rms_norm、take_along_axis、reduce_mean，以及和常数的二元运算。 - 看到
TracedTensor::concrete_shape (GraphBuild)，就往前找第一个符号形状的叶子。 - XLA 后端的实验用的也是具体形状的输入，原因相同（XLA）。
小结
- 组合运算（激活、softmax、归一化）在建图时要具体形状，符号形状的输入报
missing shape hint for traced tensor N，消息里没有运算名，N可能是中间值。 exp、tanh这类 primitive 不受影响；和秩 0 常数的二元运算同样需要具体形状。- 用
input_concrete_shape或具体叶子，长度变了就重新建图编译；eager 不受影响。