[PT FE] Make NodeContext constant inside conversion rules (#16165)

* Make NodeContext constant inside conversion rules

* Use shared_ptr

* Fix ptr

* Fix logical not

src/frontends/pytorch/include/openvino/frontend/pytorch/frontend.hpp

@@ -60,7 +60,7 @@ protected:
     bool supported_impl(const std::vector<ov::Any>& variants) const override;
     ov::frontend::InputModel::Ptr load_impl(const std::vector<ov::Any>& variants) const override;
 
-    std::map<std::string, PytorchCreatorFunction> m_op_translators;
+    std::map<std::string, CreatorFunction> m_op_translators;
 };
 
 }  // namespace pytorch

src/frontends/pytorch/include/openvino/frontend/pytorch/node_context.hpp

@@ -19,20 +19,22 @@ typedef std::unordered_map<size_t, Output<Node>> TensorMap;
 class NodeContext : public frontend::NodeContext {
 public:
     NodeContext(std::shared_ptr<TorchDecoder> decoder,
-                TensorMap* tensor_map,
-                ParameterVector* external_parameters,
                 const TensorMap& ext_tensor_map,
+                std::shared_ptr<TensorMap> tensor_map,
+                std::shared_ptr<ParameterVector> external_parameters,
+                std::shared_ptr<std::set<size_t>> mutated_tensors,
                 TranslateSession* translate_session)
         : frontend::NodeContext(decoder->get_op_type()),
           m_decoder(decoder),
-          m_tensor_map(tensor_map),
           m_ext_tensor_map(ext_tensor_map),
+          m_tensor_map(tensor_map),
           m_external_parameters(external_parameters),
+          m_mutated_tensors(mutated_tensors),
           m_translate_session(translate_session),
           m_decoder_inputs(decoder->inputs()),
           m_decoder_outputs(decoder->outputs()) {
-        FRONT_END_GENERAL_CHECK(tensor_map != nullptr && external_parameters != nullptr &&
+        FRONT_END_GENERAL_CHECK(m_tensor_map != nullptr && m_external_parameters != nullptr &&
-                                translate_session != nullptr);
+                                m_mutated_tensors != nullptr && m_translate_session != nullptr);
     }
 
     // Do not search for input in tensor map; try to access it as a constant of specified type T and return its value
@@ -106,11 +108,7 @@ public:
             "There is no any named attributes in PyTorch node, query by attribute name is not implemented");
     }
 
-    void mutate_input(size_t index, Output<Node> ov_output);
+    void mutate_input(size_t index, Output<Node> ov_output) const;
-
-    std::set<size_t> get_mutated_tensors() const {
-        return m_mutated_tensors;
-    }
 
     std::shared_ptr<TorchDecoder> get_decoder() const {
         return m_decoder;
@@ -120,7 +118,7 @@ public:
         return m_translate_session;
     }
 
-    void add_tensor_to_context(size_t index, Output<Node> ov_output);
+    void add_tensor_to_context(size_t index, Output<Node> ov_output) const;
 
     Output<Node> get_tensor_from_model(size_t index) const {
         if (m_tensor_map->find(index) != m_tensor_map->end()) {
@@ -130,22 +128,22 @@ public:
         }
     }
 
-    Output<Node> get_tensor_from_model_or_create_input(size_t index);
+    Output<Node> get_tensor_from_model_or_create_input(size_t index) const;
     Output<Node> get_input_from_visible_context(size_t index) const;
-    std::shared_ptr<ov::Model> convert_subgraph(size_t index);
+    std::shared_ptr<ov::Model> convert_subgraph(size_t index) const;
 
 private:
     std::shared_ptr<TorchDecoder> m_decoder;
-    std::set<size_t> m_mutated_tensors;
-    TensorMap* m_tensor_map;
     const TensorMap& m_ext_tensor_map;
-    ParameterVector* m_external_parameters;
+    std::shared_ptr<TensorMap> m_tensor_map;
-    TranslateSession* m_translate_session;
+    std::shared_ptr<ParameterVector> m_external_parameters;
+    std::shared_ptr<std::set<size_t>> m_mutated_tensors;
+    TranslateSession* m_translate_session = nullptr;
     const std::vector<size_t> m_decoder_inputs;
     const std::vector<size_t> m_decoder_outputs;
 };
 
-using PytorchCreatorFunction = std::function<OutputVector(NodeContext&)>;
+using CreatorFunction = std::function<ov::OutputVector(const ov::frontend::pytorch::NodeContext&)>;
 
 }  // namespace pytorch
 }  // namespace frontend

src/frontends/pytorch/src/node_context.cpp

@@ -42,16 +42,16 @@ std::shared_ptr<Node> NodeContext::mark_node(std::shared_ptr<Node> ov_node) cons
     return m_decoder->mark_node(ov_node);
 }
 
-void NodeContext::mutate_input(size_t index, Output<Node> ov_output) {
+void NodeContext::mutate_input(size_t index, Output<Node> ov_output) const {
     FRONT_END_GENERAL_CHECK(!m_decoder->input_is_none(index), "Input is none with index: ", index);
     auto input_id = m_decoder_inputs.at(index);
     FRONT_END_GENERAL_CHECK(m_tensor_map->count(input_id), "No tensor corresponding input: ", input_id, " exist.");
     m_translate_session->encode_tensor_name(ov_output, input_id, m_decoder->get_input_debug_name(index));
     (*m_tensor_map)[input_id] = ov_output;
-    m_mutated_tensors.insert(input_id);
+    m_mutated_tensors->insert(input_id);
 }
 
-void NodeContext::add_tensor_to_context(size_t index, Output<Node> ov_output) {
+void NodeContext::add_tensor_to_context(size_t index, Output<Node> ov_output) const {
     if (m_tensor_map->count(index)) {
         OPENVINO_DEBUG << "[ WARNING ] Current context has tensor. Rewriting.\n";
     }
@@ -59,7 +59,7 @@ void NodeContext::add_tensor_to_context(size_t index, Output<Node> ov_output) {
     (*m_tensor_map)[index] = ov_output;
 }
 
-Output<Node> NodeContext::get_tensor_from_model_or_create_input(size_t index) {
+Output<Node> NodeContext::get_tensor_from_model_or_create_input(size_t index) const {
     if (m_tensor_map->find(index) != m_tensor_map->end()) {
         return m_tensor_map->at(index);
     } else {
@@ -87,7 +87,7 @@ Output<Node> NodeContext::get_input_from_visible_context(size_t index) const {
     return input_tensor;
 }
 
-std::shared_ptr<ov::Model> NodeContext::convert_subgraph(size_t index) {
+std::shared_ptr<ov::Model> NodeContext::convert_subgraph(size_t index) const {
     auto subgraph_decoder = m_decoder->get_subgraph_decoder(index);
 
     // Extend external context with internal tensors except Parameter nodes, because internal Parameters are created to

src/frontends/pytorch/src/op/adaptive_avg_pool3d.cpp

@@ -19,7 +19,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_adaptive_avg_pool3d(NodeContext& context) {
+OutputVector translate_adaptive_avg_pool3d(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto const_tile_params = context.mark_node(v0::Constant::create(element::i32, Shape{5}, {1, 1, 1, 1, 1}));
     auto const_0 = context.mark_node(v0::Constant::create(element::i32, Shape{1}, {0}));

src/frontends/pytorch/src/op/adaptive_max_pool2d.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_adaptive_max_pool2d(NodeContext& context) {
+OutputVector translate_adaptive_max_pool2d(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto x = context.get_input(0);
     auto y = context.get_input(1);

src/frontends/pytorch/src/op/add.cpp

@@ -15,7 +15,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_add(NodeContext& context) {
+OutputVector translate_add(const NodeContext& context) {
     num_inputs_check(context, 2, 3);
     auto lhs = context.get_input(0);
     auto rhs = context.get_input(1);

src/frontends/pytorch/src/op/addcmul.cpp

@@ -17,7 +17,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_addcmul(NodeContext& context) {
+OutputVector translate_addcmul(const NodeContext& context) {
     num_inputs_check(context, 4, 4);
     const auto eltwise_mult = std::make_shared<v1::Multiply>(context.get_input(1), context.get_input(2));
     const auto value = context.get_input(3);

src/frontends/pytorch/src/op/addmm.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_addmm(NodeContext& context) {
+OutputVector translate_addmm(const NodeContext& context) {
     num_inputs_check(context, 5, 5);
     auto input = context.get_input(0);
     auto m1 = context.get_input(1);

src/frontends/pytorch/src/op/arange.cpp

@@ -17,7 +17,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_arange(NodeContext& context) {
+OutputVector translate_arange(const NodeContext& context) {
     auto zero = context.mark_node(v0::Constant::create(element::i32, Shape{}, {0}));
     auto one = context.mark_node(v0::Constant::create(element::i32, Shape{}, {1}));
     int dtype_port = -1;

src/frontends/pytorch/src/op/as_tensor.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_as_tensor(NodeContext& context) {
+OutputVector translate_as_tensor(const NodeContext& context) {
     // aten::tensor(t[] data, *, ScalarType? dtype=None, Device? device=None, bool requires_grad=False) -> Tensor
     num_inputs_check(context, 1, 4);
     auto dtype = element::f32;

src/frontends/pytorch/src/op/avg_poolnd.cpp

@@ -18,7 +18,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_avg_poolnd(NodeContext& context) {
+OutputVector translate_avg_poolnd(const NodeContext& context) {
     num_inputs_check(context, 6, 7);
     auto input = context.get_input(0);
     auto kernel = context.const_input<Shape>(1);

src/frontends/pytorch/src/op/batch_norm.cpp

@@ -32,7 +32,7 @@ Output<Node> broadcast_const_to_channel_dim(const NodeContext& context,
 }
 }  // namespace
 
-OutputVector translate_batch_norm(NodeContext& context) {
+OutputVector translate_batch_norm(const NodeContext& context) {
     // Schema: aten::batch_norm(Tensor input, Tensor? weight, Tensor? bias, Tensor? running_mean, Tensor? running_var,
     // bool training, float momentum, float eps, bool cudnn_enabled) -> Tensor
     num_inputs_check(context, 8, 9);

src/frontends/pytorch/src/op/bitwise_not.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_bitwise_not(NodeContext& context) {
+OutputVector translate_bitwise_not(const NodeContext& context) {
     num_inputs_check(context, 1, 2);
     auto x = context.get_input(0);
     FRONT_END_OP_CONVERSION_CHECK(x.get_element_type().compatible(element::boolean),

src/frontends/pytorch/src/op/bool.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_bool(NodeContext& context) {
+OutputVector translate_bool(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     return {context.mark_node(std::make_shared<ov::op::v0::Convert>(context.get_input(0), element::boolean))};
 };

src/frontends/pytorch/src/op/cat.cpp

@@ -12,7 +12,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_cat(NodeContext& context) {
+OutputVector translate_cat(const NodeContext& context) {
     // This translator is only needed to get axis as constant from external scope
     num_inputs_check(context, 2, 2);
     const auto&& list_elems = get_list_as_outputs(context.get_input(0));

src/frontends/pytorch/src/op/clamp.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_clamp(NodeContext& context) {
+OutputVector translate_clamp(const NodeContext& context) {
     num_inputs_check(context, 1, 3);
     auto x = context.get_input(0);
     if (!context.input_is_none(1)) {

src/frontends/pytorch/src/op/constant.cpp

@@ -9,7 +9,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_constant(NodeContext& context) {
+OutputVector translate_constant(const NodeContext& context) {
     return context.as_constant();
 };
 

src/frontends/pytorch/src/op/conv_transposend.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_conv_transposend(NodeContext& context) {
+OutputVector translate_conv_transposend(const NodeContext& context) {
     num_inputs_check(context, 8, 8);
     auto strides = context.const_input<Strides>(3);
     // PyTorch support only symmetric padding, padding sizes are the same for begins and ends for each dimension

src/frontends/pytorch/src/op/convnd.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_convnd(NodeContext& context) {
+OutputVector translate_convnd(const NodeContext& context) {
     num_inputs_check(context, 7, 7);
     auto strides = context.const_input<Strides>(3);
     // In torch pads at beginning are same as at end

src/frontends/pytorch/src/op/convolution.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_convolution(NodeContext& context) {
+OutputVector translate_convolution(const NodeContext& context) {
     // Schema: aten::_convolution(Tensor input, Tensor weight, Tensor? bias, int[] stride, int[] padding, int[]
     // dilation, bool transposed, int[] output_padding, int groups, bool benchmark, bool deterministic, bool
     // cudnn_enabled, bool allow_tf32) -> Tensor

src/frontends/pytorch/src/op/convolution_mode.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_convolution_mode(NodeContext& context) {
+OutputVector translate_convolution_mode(const NodeContext& context) {
     // Schema: aten::_convolution_mode(Tensor input, Tensor weight, Tensor? bias, int[] stride, str padding, int[]
     // dilation, int groups) -> Tensor
     num_inputs_check(context, 7, 7);

src/frontends/pytorch/src/op/cumsum.cpp

@@ -13,7 +13,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_cumsum(NodeContext& context) {
+OutputVector translate_cumsum(const NodeContext& context) {
     // aten::cumsum(Tensor self, int dim, *, ScalarType? dtype=None, Tensor out=None)
     num_inputs_check(context, 2, 4);
     auto x = context.get_input(0);

src/frontends/pytorch/src/op/dim.cpp

@@ -12,7 +12,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_dim(NodeContext& context) {
+OutputVector translate_dim(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     Output<Node> rank;
     std::tie(std::ignore, rank) = get_shape_rank(context, context.get_input(0), true);

src/frontends/pytorch/src/op/div.cpp

@@ -17,7 +17,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_div(NodeContext& context) {
+OutputVector translate_div(const NodeContext& context) {
     num_inputs_check(context, 2, 3);
     auto x = context.get_input(0);
     auto y = context.get_input(1);

src/frontends/pytorch/src/op/elu.cpp

@@ -12,7 +12,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_elu(NodeContext& context) {
+OutputVector translate_elu(const NodeContext& context) {
     // aten::elu(Tensor self, Scalar alpha=1, Scalar scale=1, Scalar input_scale=1) -> Tensor
     num_inputs_check(context, 2, 4);
     auto x = context.get_input(0);

src/frontends/pytorch/src/op/embedding.cpp

@@ -13,7 +13,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_embedding(NodeContext& context) {
+OutputVector translate_embedding(const NodeContext& context) {
     // aten::embedding(Tensor weight, Tensor indices, SymInt padding_idx=-1, bool scale_grad_by_freq=False, bool
     // sparse=False)
     num_inputs_check(context, 5, 5);

src/frontends/pytorch/src/op/expand.cpp

@@ -30,7 +30,7 @@ OutputVector base_expand(const NodeContext& context, const Output<Node>& x, cons
 };
 }  // namespace
 
-OutputVector translate_expand(NodeContext& context) {
+OutputVector translate_expand(const NodeContext& context) {
     // aten::expand(Tensor(a) self, SymInt[] size, *, bool implicit=False) -> Tensor(a)
     num_inputs_check(context, 2, 3);
     auto x = context.get_input(0);
@@ -41,7 +41,7 @@ OutputVector translate_expand(NodeContext& context) {
     return base_expand(context, x, sizes);
 };
 
-OutputVector translate_expand_as(NodeContext& context) {
+OutputVector translate_expand_as(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto x = context.get_input(0);
     auto y = context.get_input(1);

src/frontends/pytorch/src/op/eye.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_eye(NodeContext& context) {
+OutputVector translate_eye(const NodeContext& context) {
     size_t num_inputs = context.get_input_size();
     auto x = context.get_input(0);
     // num rows and cols should be integer, but at the moment conversion their data type can be unknown yet

src/frontends/pytorch/src/op/flatten.cpp

@@ -18,7 +18,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_flatten(NodeContext& context) {
+OutputVector translate_flatten(const NodeContext& context) {
     num_inputs_check(context, 1, 3);
     auto x = context.get_input(0);
     int64_t start_dim = 0;

src/frontends/pytorch/src/op/floor_divide.cpp

@@ -14,7 +14,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_floor_divide(NodeContext& context) {
+OutputVector translate_floor_divide(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto x = context.get_input(0);
     auto y = context.get_input(1);

src/frontends/pytorch/src/op/floordiv.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_floordiv(NodeContext& context) {
+OutputVector translate_floordiv(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto x = context.get_input(0);
     auto y = context.get_input(1);

src/frontends/pytorch/src/op/full.cpp

@@ -42,7 +42,7 @@ Output<Node> base_translate_full_with_convert(const NodeContext& context,
 }
 }  // namespace
 
-OutputVector translate_full(NodeContext& context) {
+OutputVector translate_full(const NodeContext& context) {
     num_inputs_check(context, 2, 6);
     auto sizes = context.get_input(0);
     auto value = context.get_input(1);
@@ -59,7 +59,7 @@ OutputVector translate_full(NodeContext& context) {
     return {base_translate_full_with_convert(context, sizes, value, dtype_id)};
 };
 
-OutputVector translate_full_like(NodeContext& context) {
+OutputVector translate_full_like(const NodeContext& context) {
     num_inputs_check(context, 2, 7);
     auto input = context.get_input(0);
     auto value = context.get_input(1);
@@ -71,7 +71,7 @@ OutputVector translate_full_like(NodeContext& context) {
     return {base_translate_full_with_convertlike(context, sizes, value, out)};
 };
 
-OutputVector translate_fill_(NodeContext& context) {
+OutputVector translate_fill_(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto input = context.get_input(0);
     auto value = context.get_input(1);
@@ -79,7 +79,7 @@ OutputVector translate_fill_(NodeContext& context) {
     return {base_translate_full_with_convertlike(context, sizes, value, input)};
 };
 
-OutputVector translate_new_full(NodeContext& context) {
+OutputVector translate_new_full(const NodeContext& context) {
     num_inputs_check(context, 3, 7);
     auto input = context.get_input(0);
     auto sizes = context.get_input(1);
@@ -90,7 +90,7 @@ OutputVector translate_new_full(NodeContext& context) {
     return {base_translate_full_with_convertlike(context, sizes, value, input)};
 };
 
-OutputVector translate_zeros(NodeContext& context) {
+OutputVector translate_zeros(const NodeContext& context) {
     num_inputs_check(context, 2, 5);
     auto sizes = context.get_input(0);
     auto value = context.mark_node(v0::Constant::create(element::f32, Shape{}, {0}));
@@ -107,7 +107,7 @@ OutputVector translate_zeros(NodeContext& context) {
     return {base_translate_full_with_convert(context, sizes, value, dtype_id)};
 };
 
-OutputVector translate_zeros_like(NodeContext& context) {
+OutputVector translate_zeros_like(const NodeContext& context) {
     num_inputs_check(context, 1, 6);
     auto input = context.get_input(0);
     auto value = context.mark_node(v0::Constant::create(element::f32, Shape{}, {0}));
@@ -119,7 +119,7 @@ OutputVector translate_zeros_like(NodeContext& context) {
     return {base_translate_full_with_convertlike(context, sizes, value, out)};
 };
 
-OutputVector translate_new_zeros(NodeContext& context) {
+OutputVector translate_new_zeros(const NodeContext& context) {
     num_inputs_check(context, 2, 6);
     auto input = context.get_input(0);
     auto sizes = context.get_input(1);
@@ -130,7 +130,7 @@ OutputVector translate_new_zeros(NodeContext& context) {
     return {base_translate_full_with_convertlike(context, sizes, value, input)};
 };
 
-OutputVector translate_ones(NodeContext& context) {
+OutputVector translate_ones(const NodeContext& context) {
     num_inputs_check(context, 1, 5);
     auto sizes = context.get_input(0);
     auto value = context.mark_node(v0::Constant::create(element::f32, Shape{}, {1}));
@@ -147,7 +147,7 @@ OutputVector translate_ones(NodeContext& context) {
     return {base_translate_full_with_convert(context, sizes, value, dtype_id)};
 };
 
-OutputVector translate_ones_like(NodeContext& context) {
+OutputVector translate_ones_like(const NodeContext& context) {
     num_inputs_check(context, 1, 6);
     auto input = context.get_input(0);
     auto value = context.mark_node(v0::Constant::create(element::f32, Shape{}, {1}));
@@ -159,7 +159,7 @@ OutputVector translate_ones_like(NodeContext& context) {
     return {base_translate_full_with_convertlike(context, sizes, value, out)};
 };
 
-OutputVector translate_new_ones(NodeContext& context) {
+OutputVector translate_new_ones(const NodeContext& context) {
     num_inputs_check(context, 2, 6);
     auto input = context.get_input(0);
     auto sizes = context.get_input(1);
@@ -170,7 +170,7 @@ OutputVector translate_new_ones(NodeContext& context) {
     return {base_translate_full_with_convertlike(context, sizes, value, input)};
 };
 
-OutputVector translate_empty(NodeContext& context) {
+OutputVector translate_empty(const NodeContext& context) {
     // aten::empty(SymInt[] size, *, ScalarType? dtype=None, Layout? layout=None, Device? device=None, bool?
     // pin_memory=None, MemoryFormat? memory_format=None) -> Tensor layout, device and work with memory ignored on our
     // side, so just skip these parameters

src/frontends/pytorch/src/op/gelu.cpp

@@ -12,7 +12,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_gelu(NodeContext& context) {
+OutputVector translate_gelu(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto x = context.get_input(0);
     auto approximate = context.const_input<std::string>(1);

src/frontends/pytorch/src/op/get_attr.cpp

@@ -12,7 +12,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_get_attr(NodeContext& context) {
+OutputVector translate_get_attr(const NodeContext& context) {
     auto res = context.get_decoder()->try_decode_get_attr();
     FRONT_END_OP_CONVERSION_CHECK(res.size() > 0, "GetAttr must have at least one output.");
     return res;

src/frontends/pytorch/src/op/getitem.cpp

@@ -13,7 +13,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_getitem(NodeContext& context) {
+OutputVector translate_getitem(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto input = context.get_input(0);
     if (std::dynamic_pointer_cast<ov::op::util::FrameworkNode>(input.get_node_shared_ptr())) {

src/frontends/pytorch/src/op/glu.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_glu(NodeContext& context) {
+OutputVector translate_glu(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto x = context.get_input(0);
     auto dim = context.input_is_none(1) ? context.mark_node(v0::Constant::create(element::i32, Shape{}, {-1}))

src/frontends/pytorch/src/op/grid_sampler.cpp

@@ -13,7 +13,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_grid_sampler(NodeContext& context) {
+OutputVector translate_grid_sampler(const NodeContext& context) {
     num_inputs_check(context, 4, 5);
     auto x = context.get_input(0);
     auto grid = context.get_input(1);

src/frontends/pytorch/src/op/group_norm.cpp

@@ -20,7 +20,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_group_norm(NodeContext& context) {
+OutputVector translate_group_norm(const NodeContext& context) {
     // aten::group_norm(Tensor input, int num_groups, Tensor? weight=None, Tensor? bias=None, float
     // eps=1.0000000000000001e-05, bool cudnn_enabled=True) -> Tensor
     num_inputs_check(context, 2, 6);

src/frontends/pytorch/src/op/hardtanh.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_hardtanh(NodeContext& context) {
+OutputVector translate_hardtanh(const NodeContext& context) {
     num_inputs_check(context, 1, 3);
     float min = -1;
     float max = 1;

src/frontends/pytorch/src/op/if.cpp

@@ -13,7 +13,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_if(NodeContext& context) {
+OutputVector translate_if(const NodeContext& context) {
     auto if_node = std::make_shared<opset10::If>(context.get_input(0));
     context.mark_node(if_node);
     auto decoder = context.get_decoder();

src/frontends/pytorch/src/op/im2col.cpp

@@ -56,7 +56,7 @@ std::shared_ptr<Node> get_im2col_indices_along_dim(const NodeContext& context,
 }
 }  // namespace
 
-OutputVector translate_im2col(NodeContext& context) {
+OutputVector translate_im2col(const NodeContext& context) {
     num_inputs_check(context, 5, 5);
     auto input = context.get_input(0);
     auto kernel_size = context.const_input<std::vector<int64_t>>(1);

src/frontends/pytorch/src/op/index_put_.cpp

@@ -10,9 +10,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-using namespace ov::op;
+OutputVector translate_index_put_(const NodeContext& context) {
-
-OutputVector translate_index_put_(NodeContext& context) {
     // Pass as PtFrameworkNode to register as `inplace_op`. Conversion to OV operators is done as transformation.
     auto node = std::make_shared<PtFrameworkNode>(context.get_decoder(), context.inputs());
     return {context.mark_node(node)};

src/frontends/pytorch/src/op/instance_norm.cpp

@@ -88,7 +88,7 @@ OutputVector translate_instance_norm_train(const NodeContext& context,
 
 }  // namespace
 
-OutputVector translate_instance_norm(NodeContext& context) {
+OutputVector translate_instance_norm(const NodeContext& context) {
     num_inputs_check(context, 8, 9);
     auto input = context.get_input(0);
     auto eps = context.const_input<float>(7);

src/frontends/pytorch/src/op/int.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_int(NodeContext& context) {
+OutputVector translate_int(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     return {context.mark_node(std::make_shared<ov::op::v0::Convert>(context.get_input(0), element::i32))};
 };

src/frontends/pytorch/src/op/layer_norm.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_layer_norm(NodeContext& context) {
+OutputVector translate_layer_norm(const NodeContext& context) {
     num_inputs_check(context, 5, 6);
     auto eps = context.const_input<float>(4);
     auto normalized_shape = context.const_input<Shape>(1);

src/frontends/pytorch/src/op/len.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_len(NodeContext& context) {
+OutputVector translate_len(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     auto const_0 = context.mark_node(v0::Constant::create(element::i32, Shape{1}, {0}));
     auto const_1 = context.mark_node(v0::Constant::create(element::i32, Shape{1}, {1}));

src/frontends/pytorch/src/op/linear.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_linear(NodeContext& context) {
+OutputVector translate_linear(const NodeContext& context) {
     // schema: aten::linear(Tensor input, Tensor weight, Tensor? bias=None) -> Tensor
     num_inputs_check(context, 2, 3);
     auto x = context.get_input(0);

src/frontends/pytorch/src/op/list_construct.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_list_construct(NodeContext& context) {
+OutputVector translate_list_construct(const NodeContext& context) {
     // Process the case when prim::ListConstruct has all inputs constant
     auto const_0 = context.mark_node(v0::Constant::create(element::i32, Shape{}, {0}));
     ov::OutputVector consts;

src/frontends/pytorch/src/op/log.cpp

@@ -17,7 +17,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_log(NodeContext& context) {
+OutputVector translate_log(const NodeContext& context) {
     // torch.log returns a tensor with the natural logarithm of the elements of input.
     num_inputs_check(context, 1, 1);
     auto x = context.get_input(0);
@@ -26,7 +26,7 @@ OutputVector translate_log(NodeContext& context) {
     return {log};
 };
 
-OutputVector translate_log2(NodeContext& context) {
+OutputVector translate_log2(const NodeContext& context) {
     // torch.log2 returns a tensor with the logarithm to the base 2 of the elements of input.
     num_inputs_check(context, 1, 1);
     auto x = context.get_input(0);

src/frontends/pytorch/src/op/loop.cpp

@@ -13,7 +13,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_loop(NodeContext& context) {
+OutputVector translate_loop(const NodeContext& context) {
     const auto& inputs = context.inputs();
     FRONT_END_OP_CONVERSION_CHECK(inputs.size() >= 2, "Loop must have at least 2 inputs.");
     auto loop = std::make_shared<ov::op::v5::Loop>(inputs[0], inputs[1]);

src/frontends/pytorch/src/op/masked_fill.cpp

@@ -18,7 +18,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_masked_fill(NodeContext& context) {
+OutputVector translate_masked_fill(const NodeContext& context) {
     num_inputs_check(context, 3, 3);
     auto data = context.get_input(0);
     auto mask = context.get_input(1);

src/frontends/pytorch/src/op/max_poolnd.cpp

@@ -13,7 +13,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_max_poolnd(NodeContext& context) {
+OutputVector translate_max_poolnd(const NodeContext& context) {
     num_inputs_check(context, 6, 6);
     auto kernel = context.const_input<Shape>(1);
     auto strides = context.const_input<Strides>(2);

src/frontends/pytorch/src/op/mean.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_mean(NodeContext& context) {
+OutputVector translate_mean(const NodeContext& context) {
     num_inputs_check(context, 3, 4);
     auto x = context.get_input(0);
     auto y = context.get_input(1);

src/frontends/pytorch/src/op/meshgrid.cpp

@@ -10,7 +10,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_meshgrid(NodeContext& context) {
+OutputVector translate_meshgrid(const NodeContext& context) {
     std::string indexing = "ij";
     if (!context.input_is_none(1)) {
         indexing = context.const_input<std::string>(1);

src/frontends/pytorch/src/op/min_max.cpp

@@ -20,7 +20,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_max(NodeContext& context) {
+OutputVector translate_max(const NodeContext& context) {
     // torch.max (same for torch.min) actually has two interfaces smashed together:
     // torch.max(x, dim, keepdim) and torch.max(x, y)
     num_inputs_check(context, 1, 3);
@@ -49,7 +49,7 @@ OutputVector translate_max(NodeContext& context) {
     return {values, indicies};
 };
 
-OutputVector translate_min(NodeContext& context) {
+OutputVector translate_min(const NodeContext& context) {
     // torch.min (same for torch.max) actually has two interfaces smashed together:
     // torch.min(x, dim, keepdim) and torch.min(x, y)
     num_inputs_check(context, 1, 3);

src/frontends/pytorch/src/op/narrow.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_narrow(NodeContext& context) {
+OutputVector translate_narrow(const NodeContext& context) {
     num_inputs_check(context, 4, 4);
 
     auto const_1 = context.mark_node(v0::Constant::create(element::i32, Shape{1}, {1}));

src/frontends/pytorch/src/op/neg.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_neg(NodeContext& context) {
+OutputVector translate_neg(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     auto x = context.get_input(0);
     auto const_neg_1 = context.mark_node(v0::Constant::create(element::i32, Shape{}, {-1}));

src/frontends/pytorch/src/op/nms.cpp

@@ -18,7 +18,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_nms(NodeContext& context) {
+OutputVector translate_nms(const NodeContext& context) {
     num_inputs_check(context, 3, 3);
     auto const_0 = context.mark_node(v0::Constant::create(element::i32, Shape{}, {0}));
     auto const_1 = context.mark_node(v0::Constant::create(element::i32, Shape{}, {1}));

src/frontends/pytorch/src/op/nonzero.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_nonzero(NodeContext& context) {
+OutputVector translate_nonzero(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     auto cond = context.get_input(0);
     auto non_zero = context.mark_node(std::make_shared<v3::NonZero>(cond));

src/frontends/pytorch/src/op/norm.cpp

@@ -20,7 +20,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_norm(NodeContext& context) {
+OutputVector translate_norm(const NodeContext& context) {
     num_inputs_check(context, 4, 4);
     auto input_tensor = context.get_input(0);
     auto p = context.const_input<float>(1);

src/frontends/pytorch/src/op/numel.cpp

@@ -10,7 +10,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_numel(NodeContext& context) {
+OutputVector translate_numel(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     return {numel(context, context.get_input(0))};
 };

src/frontends/pytorch/src/op/pad.cpp

@@ -22,7 +22,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_pad(NodeContext& context) {
+OutputVector translate_pad(const NodeContext& context) {
     num_inputs_check(context, 2, 4);
     auto data = context.get_input(0);
     auto paddings = context.const_input<std::vector<int64_t>>(1);

src/frontends/pytorch/src/op/pow.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_pow(NodeContext& context) {
+OutputVector translate_pow(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto lhs = context.get_input(0);
     auto rhs = context.get_input(1);

src/frontends/pytorch/src/op/pythonop.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_pythonop(NodeContext& context) {
+OutputVector translate_pythonop(const NodeContext& context) {
     auto decoder = context.get_decoder();
     FRONT_END_OP_CONVERSION_CHECK(decoder->get_subgraph_size() == 1,
                                   "PythonOp must have 1 subgraph to be able to translate it to OV.");

src/frontends/pytorch/src/op/reciprocal.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_reciprocal(NodeContext& context) {
+OutputVector translate_reciprocal(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     auto x = context.get_input(0);
     auto const_neg_1 = context.mark_node(v0::Constant::create(element::i32, Shape{}, {-1}));

src/frontends/pytorch/src/op/relu6.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_relu6(NodeContext& context) {
+OutputVector translate_relu6(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     auto x = context.get_input(0);
     return {context.mark_node(std::make_shared<ov::op::v0::Clamp>(x, 0., 6.))};

src/frontends/pytorch/src/op/remainder.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_remainder(NodeContext& context) {
+OutputVector translate_remainder(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto x = context.get_input(0);
     auto y = context.get_input(1);

src/frontends/pytorch/src/op/repeat.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_repeat(NodeContext& context) {
+OutputVector translate_repeat(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto x = context.get_input(0);
     auto repeats = context.get_input(1);

src/frontends/pytorch/src/op/repeat_interleave.cpp

@@ -34,7 +34,7 @@ OutputVector generate_indices_from_repeats_tensor(const NodeContext& context, co
 };
 }  // namespace
 
-OutputVector translate_repeat_interleave(NodeContext& context) {
+OutputVector translate_repeat_interleave(const NodeContext& context) {
     num_inputs_check(context, 2, 3);
     // constants
     auto const_0 = context.mark_node(v0::Constant::create(element::i32, Shape{}, {0}));

src/frontends/pytorch/src/op/reshape.cpp

@@ -12,7 +12,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_reshape(NodeContext& context) {
+OutputVector translate_reshape(const NodeContext& context) {
     // Translation is used by both aten::view and aten::reshape.
     // Schema: aten::view(Tensor input, int[] shape) -> Tensor
     // Schema: aten::reshape(Tensor input, int[] shape) -> Tensor

src/frontends/pytorch/src/op/reshape_as.cpp

@@ -12,7 +12,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_reshape_as(NodeContext& context) {
+OutputVector translate_reshape_as(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     auto input_tensor = context.get_input(0);
     auto shape_tesnor = context.get_input(1);

src/frontends/pytorch/src/op/roi_align.cpp

@@ -19,7 +19,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_roi_align(NodeContext& context) {
+OutputVector translate_roi_align(const NodeContext& context) {
     num_inputs_check(context, 7, 7);
     auto const_1 = context.mark_node(v0::Constant::create(element::i32, Shape{1}, {1}));
     auto const_neg_1 = context.mark_node(v0::Constant::create(element::i32, Shape{1}, {-1}));

src/frontends/pytorch/src/op/roll.cpp

@@ -17,7 +17,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_roll(NodeContext& context) {
+OutputVector translate_roll(const NodeContext& context) {
     num_inputs_check(context, 3, 3);
     const auto data = context.get_input(0);
     const auto shifts = context.get_input(1);

src/frontends/pytorch/src/op/rsqrt.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_rsqrt(NodeContext& context) {
+OutputVector translate_rsqrt(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     auto data = context.get_input(0);
     auto input_shape = context.mark_node(std::make_shared<v3::ShapeOf>(data, element::i32));

src/frontends/pytorch/src/op/rsub.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_rsub(NodeContext& context) {
+OutputVector translate_rsub(const NodeContext& context) {
     num_inputs_check(context, 3, 3);
     auto self = context.get_input(0);
     auto other = context.get_input(1);

src/frontends/pytorch/src/op/select.cpp

@@ -20,7 +20,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_select(NodeContext& context) {
+OutputVector translate_select(const NodeContext& context) {
     num_inputs_check(context, 3, 3);
     auto const_1 = context.mark_node(v0::Constant::create(element::i32, Shape{1}, {1}));
     auto const_minus_1 = context.mark_node(v0::Constant::create(element::i32, Shape{1}, {-1}));

src/frontends/pytorch/src/op/selu.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_selu(NodeContext& context) {
+OutputVector translate_selu(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     auto x = context.get_input(0);
     auto alpha = context.mark_node(v0::Constant::create(element::f64, Shape{}, {1.6732632423543772848170429916717}));

src/frontends/pytorch/src/op/set_item.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_set_item(NodeContext& context) {
+OutputVector translate_set_item(const NodeContext& context) {
     // schema: aten::_set_item.t(t[](a!) l, int idx, t(b -> *) el) -> t[](a!)
     // _set_item inserts element in list
     num_inputs_check(context, 3, 3);

src/frontends/pytorch/src/op/size.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_size(NodeContext& context) {
+OutputVector translate_size(const NodeContext& context) {
     num_inputs_check(context, 1, 2);
     auto shape = context.mark_node(std::make_shared<v3::ShapeOf>(context.get_input(0), element::i32));
     if (context.input_is_none(1)) {

src/frontends/pytorch/src/op/slice.cpp

@@ -18,7 +18,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_slice(NodeContext& context) {
+OutputVector translate_slice(const NodeContext& context) {
     // aten::slice.t(t[] l, int? start=None, int? end=None, int step=1) -> (t[])
     // aten::slice.Tensor(Tensor(a) self, int dim=0, int? start=None, int? end=None, int step=1) -> (Tensor(a))
     ov::Output<ov::Node> dim;

src/frontends/pytorch/src/op/softmax.cpp

@@ -13,7 +13,7 @@ namespace pytorch {
 namespace op {
 
 using namespace ov::op;
-OutputVector translate_softmax(NodeContext& context) {
+OutputVector translate_softmax(const NodeContext& context) {
     num_inputs_check(context, 2, 3);
     auto x = context.get_input(0);
     auto axis = context.const_input<int64_t>(1);

src/frontends/pytorch/src/op/sort.cpp

@@ -9,7 +9,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_sort(NodeContext& context) {
+OutputVector translate_sort(const NodeContext& context) {
     num_inputs_check(context, 3, 4);
     const auto input_tensor = context.get_input(0);
     bool stable, descending;
@@ -40,7 +40,7 @@ OutputVector translate_sort(NodeContext& context) {
     return topk->outputs();
 };
 
-OutputVector translate_argsort(NodeContext& context) {
+OutputVector translate_argsort(const NodeContext& context) {
     auto sort = translate_sort(context);
     return {sort[1]};
 };

src/frontends/pytorch/src/op/square.cpp

@@ -14,7 +14,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_square(NodeContext& context) {
+OutputVector translate_square(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     auto input_0 = context.get_input(0);
     auto const_2 = context.mark_node(v0::Constant::create(input_0.get_element_type(), Shape{1}, {2}));

src/frontends/pytorch/src/op/squeeze.cpp

@@ -12,7 +12,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_squeeze(NodeContext& context) {
+OutputVector translate_squeeze(const NodeContext& context) {
     num_inputs_check(context, 1, 2);
     auto x = context.get_input(0);
     if (context.input_is_none(1)) {

src/frontends/pytorch/src/op/sub.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_sub(NodeContext& context) {
+OutputVector translate_sub(const NodeContext& context) {
     num_inputs_check(context, 2, 3);
     auto x = context.get_input(0);
     auto y = context.get_input(1);

src/frontends/pytorch/src/op/sum.cpp

@@ -11,7 +11,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_sum(NodeContext& context) {
+OutputVector translate_sum(const NodeContext& context) {
     num_inputs_check(context, 1, 3);
     bool keep_dims = false;
     ov::Output<ov::Node> axes;

src/frontends/pytorch/src/op/to.cpp

@@ -16,7 +16,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_to(NodeContext& context) {
+OutputVector translate_to(const NodeContext& context) {
     int dtype_idx;
     int memory_format_idx;
     if (context.get_input_size() == 5) {

src/frontends/pytorch/src/op/topk.cpp

@@ -15,7 +15,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_topk(NodeContext& context) {
+OutputVector translate_topk(const NodeContext& context) {
     num_inputs_check(context, 5, 5);
     const auto input_tensor = context.get_input(0);
     const auto largest = context.const_input<bool>(3);

src/frontends/pytorch/src/op/transpose.cpp

@@ -20,7 +20,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_transpose(NodeContext& context) {
+OutputVector translate_transpose(const NodeContext& context) {
     num_inputs_check(context, 3, 3);
     auto dim0 = context.const_input<int64_t>(1);
     auto dim1 = context.const_input<int64_t>(2);

src/frontends/pytorch/src/op/trilu.cpp

@@ -60,11 +60,11 @@ OutputVector translate_base_triu_tril(const NodeContext& context, bool upper) {
 }
 };  // namespace
 
-OutputVector translate_triu(NodeContext& context) {
+OutputVector translate_triu(const NodeContext& context) {
     return translate_base_triu_tril(context, true);
 };
 
-OutputVector translate_tril(NodeContext& context) {
+OutputVector translate_tril(const NodeContext& context) {
     return translate_base_triu_tril(context, false);
 };
 

src/frontends/pytorch/src/op/unfold.cpp

@@ -13,7 +13,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-OutputVector translate_unfold(NodeContext& context) {
+OutputVector translate_unfold(const NodeContext& context) {
     num_inputs_check(context, 4, 4);
     // constants
     auto const_0 = context.mark_node(Constant::create(element::i32, Shape{}, {0}));

src/frontends/pytorch/src/op/upsample.cpp

@@ -69,32 +69,32 @@ OutputVector base_translate_upsample(const NodeContext& context,
 };
 }  // namespace
 
-OutputVector translate_upsample_linear1d(NodeContext& context) {
+OutputVector translate_upsample_linear1d(const NodeContext& context) {
     return base_translate_upsample(context, v4::Interpolate::InterpolateMode::LINEAR_ONNX, 1);
 };
 
-OutputVector translate_upsample_bilinear2d(NodeContext& context) {
+OutputVector translate_upsample_bilinear2d(const NodeContext& context) {
     return base_translate_upsample(context, v4::Interpolate::InterpolateMode::LINEAR_ONNX, 2);
 };
 
-OutputVector translate_upsample_trilinear3d(NodeContext& context) {
+OutputVector translate_upsample_trilinear3d(const NodeContext& context) {
     return base_translate_upsample(context, v4::Interpolate::InterpolateMode::LINEAR_ONNX, 3);
 };
 
-OutputVector translate_upsample_nearest1d(NodeContext& context) {
+OutputVector translate_upsample_nearest1d(const NodeContext& context) {
     return base_translate_upsample(context, v4::Interpolate::InterpolateMode::NEAREST, 1);
 };
 
-OutputVector translate_upsample_nearest2d(NodeContext& context) {
+OutputVector translate_upsample_nearest2d(const NodeContext& context) {
     return base_translate_upsample(context, v4::Interpolate::InterpolateMode::NEAREST, 2);
 };
 
-OutputVector translate_upsample_nearest3d(NodeContext& context) {
+OutputVector translate_upsample_nearest3d(const NodeContext& context) {
     return base_translate_upsample(context, v4::Interpolate::InterpolateMode::NEAREST, 3);
 };
 
 // bicubic is only supported for 2d in pytorch
-OutputVector translate_upsample_bicubic2d(NodeContext& context) {
+OutputVector translate_upsample_bicubic2d(const NodeContext& context) {
     return base_translate_upsample(context, v4::Interpolate::InterpolateMode::CUBIC, 2);
 };
 

src/frontends/pytorch/src/op/var_mean.cpp

@@ -20,7 +20,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_var_mean(NodeContext& context) {
+OutputVector translate_var_mean(const NodeContext& context) {
     num_inputs_check(context, 1, 4);
     auto data = context.get_input(0);
     bool unbiased = true;
@@ -75,7 +75,7 @@ OutputVector translate_var_mean(NodeContext& context) {
     return {var, mean};
 };
 
-OutputVector translate_var(NodeContext& context) {
+OutputVector translate_var(const NodeContext& context) {
     auto res = translate_var_mean(context);
     return {res[0]};
 }

src/frontends/pytorch/src/op/where.cpp

@@ -14,7 +14,7 @@ namespace op {
 
 using namespace ov::op;
 
-OutputVector translate_where(NodeContext& context) {
+OutputVector translate_where(const NodeContext& context) {
     num_inputs_check(context, 1, 3);
     auto cond = context.get_input(0);
     FRONT_END_OP_CONVERSION_CHECK(!context.input_is_none(1), "aten::where(cond) unsupported");

src/frontends/pytorch/src/op_table.cpp

@@ -12,7 +12,7 @@ namespace frontend {
 namespace pytorch {
 namespace op {
 
-#define OP_CONVERTER(op) OutputVector op(NodeContext& node)
+#define OP_CONVERTER(op) OutputVector op(const NodeContext& node)
 
 OP_CONVERTER(translate_adaptive_avg_pool3d);
 OP_CONVERTER(translate_adaptive_max_pool2d);
@@ -130,7 +130,7 @@ OP_CONVERTER(translate_zeros_like);
 
 }  // namespace op
 
-const std::map<std::string, PytorchCreatorFunction> get_supported_ops() {
+const std::map<std::string, CreatorFunction> get_supported_ops() {
     return {
         {"aten::__and__", op::translate_1to1_match_2_inputs<opset10::LogicalAnd>},  // TODO: cover numerical cases
         {"aten::__getitem__", op::translate_getitem},

src/frontends/pytorch/src/op_table.hpp

@@ -10,7 +10,7 @@ namespace ov {
 namespace frontend {
 namespace pytorch {
 
-const std::map<std::string, PytorchCreatorFunction> get_supported_ops();
+const std::map<std::string, CreatorFunction> get_supported_ops();
 
 }  // namespace pytorch
 }  // namespace frontend

src/frontends/pytorch/src/translate_session.cpp

@@ -20,7 +20,7 @@ namespace pytorch {
 using namespace ov::op;
 
 TranslateSession::TranslateSession(const ov::frontend::InputModel::Ptr& input_model,
-                                   const std::map<std::string, PytorchCreatorFunction>& translator_map)
+                                   const std::map<std::string, CreatorFunction>& translator_map)
     : m_input_model(input_model),
       m_translator_map(translator_map),
       m_ov_model(nullptr) {}
@@ -45,9 +45,9 @@ std::shared_ptr<Model> TranslateSession::convert_pytorch_model(
     const std::unordered_map<size_t, PlaceDesc>& external_descriptors) {
     std::shared_ptr<Model> resulting_model;  // define here to make a conversion in a nested scope
     {
-        ParameterVector parameters;
+        auto parameters = std::make_shared<ParameterVector>();
-        TensorMap tensor_map;  // tensor map of the current context
+        auto tensor_map = std::make_shared<TensorMap>();  // tensor map of the current context
-        std::set<size_t> mutated_tensors;
+        auto mutated_tensors = std::make_shared<std::set<size_t>>();
 
         //  Go over all pytorch_model inputs and register them in the tensor map:
         auto inputs = pytorch_model->inputs();
@@ -74,7 +74,7 @@ std::shared_ptr<Model> TranslateSession::convert_pytorch_model(
             if (!input_node) {
                 auto parameter = std::make_shared<v0::Parameter>(type, pshape);
                 encode_tensor_name(parameter->output(0), inputs.at(i), pytorch_model->get_input_debug_name(i));
-                parameters.push_back(parameter);
+                parameters->push_back(parameter);
                 input_node = parameter;
                 auto order = pytorch_model->get_input_transpose_order(i);
                 if (order.size() > 0 && !std::is_sorted(order.begin(), order.end())) {
@@ -91,7 +91,7 @@ std::shared_ptr<Model> TranslateSession::convert_pytorch_model(
                     input_node = transpose;
                 }
             }
-            tensor_map[inputs.at(i)] = input_node;
+            (*tensor_map)[inputs.at(i)] = input_node;
         }
 
         auto node_visitor = [&](std::shared_ptr<TorchDecoder> node) {
@@ -102,7 +102,7 @@ std::shared_ptr<Model> TranslateSession::convert_pytorch_model(
             auto raw_inputs = node->inputs();
             for (size_t i = 0; i < raw_inputs.size(); ++i) {
                 auto input = raw_inputs.at(i);
-                if (tensor_map.find(input) == tensor_map.end()) {
+                if (tensor_map->find(input) == tensor_map->end()) {
                     // Input refers value in the outer scope, need to create a new Parameter in the current scope
                     // Linkage to external scope will be performed on the level of the parent operation (if or loop)
                     // TODO: Eliminate duplication with the main code for Parameters creation
@@ -111,18 +111,15 @@ std::shared_ptr<Model> TranslateSession::convert_pytorch_model(
                     // TODO: Use special API to set custom type specification
                     auto parameter = std::make_shared<v0::Parameter>(element::dynamic, ps);
                     // TODO: Missing get_input_transpose_order handling for not trivial layouts
-                    tensor_map[input] = parameter;
+                    (*tensor_map)[input] = parameter;
                     // set name of parameter to the index of node in the model
                     encode_tensor_name(parameter->output(0), input);
-                    parameters.push_back(parameter);
+                    parameters->push_back(parameter);
                 }
             }
-            auto context = NodeContext(node, &tensor_map, &parameters, external_tensor_map, this);
+            auto context = NodeContext(node, external_tensor_map, tensor_map, parameters, mutated_tensors, this);
             auto converted_outputs = convert_node(context);
 
-            auto mutated_t = context.get_mutated_tensors();
-            mutated_tensors.insert(mutated_t.begin(), mutated_t.end());
-
             auto fw_outputs = node->outputs();
             // Ops with subgraphs or with mutated inputs may have more outputs after conversion compared to pytorch ones
             FRONT_END_OP_CONVERSION_CHECK(fw_outputs.size() <= converted_outputs.size(),
@@ -134,10 +131,10 @@ std::shared_ptr<Model> TranslateSession::convert_pytorch_model(
             // FIXME: Now it is not true for at least prim::Constant
             for (size_t i = 0; i < fw_outputs.size(); ++i) {
                 size_t fw_tensor_id = node->output(i);
-                FRONT_END_GENERAL_CHECK(tensor_map.find(fw_tensor_id) == tensor_map.end(),
+                FRONT_END_GENERAL_CHECK(tensor_map->find(fw_tensor_id) == tensor_map->end(),
                                         "Duplicated producer for PT value with unique ID: ",
                                         fw_tensor_id);
-                tensor_map[fw_tensor_id] = converted_outputs[i];
+                (*tensor_map)[fw_tensor_id] = converted_outputs[i];
                 encode_tensor_name(converted_outputs[i], fw_tensor_id, node->get_output_debug_name(i));
             }
         };
@@ -148,14 +145,14 @@ std::shared_ptr<Model> TranslateSession::convert_pytorch_model(
         ResultVector results;
         for (size_t i = 0; i < pytorch_model->num_of_outputs(); ++i) {
             size_t id = pytorch_model->output(i);
-            if (tensor_map.find(id) == tensor_map.end()) {
+            if (tensor_map->find(id) == tensor_map->end()) {
                 // Not found in this scope, adding Parameter to connect to external scope
                 auto parameter = std::make_shared<v0::Parameter>(element::dynamic, PartialShape::dynamic());
                 encode_tensor_name(parameter->output(0), id);
-                parameters.push_back(parameter);
+                parameters->push_back(parameter);
-                tensor_map[id] = parameter;
+                (*tensor_map)[id] = parameter;
             }
-            auto ov_output = tensor_map[id];
+            auto ov_output = tensor_map->at(id);
             auto order = pytorch_model->get_output_transpose_order(i);
             FRONT_END_GENERAL_CHECK(order.size() == 0 || std::is_sorted(order.begin(), order.end()),
                                     "Output strides have wrong order.");
@@ -168,32 +165,32 @@ std::shared_ptr<Model> TranslateSession::convert_pytorch_model(
 
         // Since parameters can be added we need to list all current parameters
         std::set<size_t> param_names;
-        for (const auto& param : parameters) {
+        for (const auto& param : *parameters) {
             auto input_idx = decode_tensor_name(param->output(0));
             param_names.insert(input_idx);
         }
-        for (const auto& tensor_id : mutated_tensors) {
+        for (const auto& tensor_id : *mutated_tensors) {
             if (param_names.count(tensor_id)) {
-                FRONT_END_GENERAL_CHECK(tensor_map.count(tensor_id),
+                FRONT_END_GENERAL_CHECK(tensor_map->count(tensor_id),
                                         "Tensor with id: ",
                                         tensor_id,
                                         " doesn't exist in tensor map.");
                 // model input was mutated we need to make a result for it
-                auto mutated_tensor = tensor_map.at(tensor_id);
+                auto mutated_tensor = tensor_map->at(tensor_id);
                 // empty external_tensor_map means this is main body of the model and we don't want to create
                 // additional outputs in that case.
                 if (mutated_tensor.get_target_inputs().empty() && !external_tensor_map.empty())
-                    results.push_back(std::make_shared<v0::Result>(tensor_map.at(tensor_id)));
+                    results.push_back(std::make_shared<v0::Result>(tensor_map->at(tensor_id)));
             }
         }
-        resulting_model = std::make_shared<Model>(results, parameters);
+        resulting_model = std::make_shared<Model>(results, *parameters);
         // Did a conversion in a nested scope to automatically remove any holders of nodes except those in the graph
     }
 
     return resulting_model;
 }
 
-OutputVector TranslateSession::convert_node(NodeContext& context) {
+OutputVector TranslateSession::convert_node(const NodeContext& context) {
     try {
         auto it = m_translator_map.find(context.get_op_type());
         if (it != m_translator_map.end()) {

src/frontends/pytorch/src/translate_session.hpp

@@ -17,7 +17,7 @@ namespace pytorch {
 class TranslateSession {
 public:
     TranslateSession(const frontend::InputModel::Ptr& input_model,
-                     const std::map<std::string, PytorchCreatorFunction>& translator_map);
+                     const std::map<std::string, CreatorFunction>& translator_map);
     std::shared_ptr<Model> get_converted_model();
     std::shared_ptr<Model> translate_graph(const frontend::InputModel::Ptr& input_model);
 
@@ -38,10 +38,10 @@ public:
     size_t m_friendly_name_counter = 0;
 
 private:
-    OutputVector convert_node(NodeContext& context);
+    OutputVector convert_node(const NodeContext& context);
 
     const frontend::InputModel::Ptr m_input_model;
-    const std::map<std::string, PytorchCreatorFunction>& m_translator_map;
+    const std::map<std::string, CreatorFunction>& m_translator_map;
 
     std::shared_ptr<Model> m_ov_model;
     std::map<size_t, std::pair<size_t, Output<Node>>> m_counter_map;

src/frontends/pytorch/src/utils.cpp

@@ -177,7 +177,7 @@ std::shared_ptr<Node> concat_list_construct(std::shared_ptr<Node> input) {
     return input;
 }
 
-OutputVector make_framework_node(NodeContext& context) {
+OutputVector make_framework_node(const NodeContext& context) {
     auto schema = context.get_schema();
     // TODO: properly process schema to get the actual position of mutable input
     // Hack. Can indicate mutable inputs, but can it be reliable?

src/frontends/pytorch/src/utils.hpp

@@ -48,7 +48,7 @@ op::PadType convert_pad(const std::string& pt_pad);
 
 std::shared_ptr<Node> concat_list_construct(std::shared_ptr<Node> input);
 
-OutputVector make_framework_node(NodeContext& context);
+OutputVector make_framework_node(const NodeContext& context);
 
 std::shared_ptr<op::util::FrameworkNode> cast_fw_node(std::shared_ptr<Node> node, const std::string& type);
 
@@ -63,8 +63,8 @@ void align_eltwise_input_types(const NodeContext& context,
 std::deque<Output<Node>> get_list_as_outputs(const Output<Node>& start);
 
 namespace op {
-template <OutputVector (*T)(NodeContext&), size_t idx = 0>
+template <OutputVector (*T)(const NodeContext&), size_t idx = 0>
-OutputVector inplace_op(NodeContext& context) {
+OutputVector inplace_op(const NodeContext& context) {
     auto translation_res = T(context);
     FRONT_END_OP_CONVERSION_CHECK(translation_res.size() == 1,
                                   "inplace_op function must be used on single output translators");
@@ -73,21 +73,21 @@ OutputVector inplace_op(NodeContext& context) {
 }
 
 template <typename T>
-OutputVector translate_1to1_match_1_inputs(NodeContext& context) {
+OutputVector translate_1to1_match_1_inputs(const NodeContext& context) {
     num_inputs_check(context, 1, 1);
     FRONT_END_OP_CONVERSION_CHECK(!context.input_is_none(0), "Input should not be None.");
     return {context.mark_node(std::make_shared<T>(context.get_input(0)))};
 }
 
 template <typename T>
-OutputVector translate_1to1_match_2_inputs(NodeContext& context) {
+OutputVector translate_1to1_match_2_inputs(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     FRONT_END_OP_CONVERSION_CHECK(!context.input_is_none(0) && !context.input_is_none(1), "Inputs should not be None.");
     return {context.mark_node(std::make_shared<T>(context.get_input(0), context.get_input(1)))};
 }
 
 template <typename T>
-OutputVector translate_1to1_match_2_inputs_align_types(NodeContext& context) {
+OutputVector translate_1to1_match_2_inputs_align_types(const NodeContext& context) {
     num_inputs_check(context, 2, 2);
     FRONT_END_OP_CONVERSION_CHECK(!context.input_is_none(0) && !context.input_is_none(1), "Inputs should not be None.");
     auto lhs = context.get_input(0);
@@ -96,11 +96,11 @@ OutputVector translate_1to1_match_2_inputs_align_types(NodeContext& context) {
     return {context.mark_node(std::make_shared<T>(lhs, rhs))};
 }
 
-inline OutputVector return_false_scalar(NodeContext& context) {
+inline OutputVector return_false_scalar(const NodeContext& context) {
     return {context.mark_node(ov::op::v0::Constant::create(element::boolean, Shape{}, {false}))};
 }
 
-inline OutputVector skip_node(NodeContext& context) {
+inline OutputVector skip_node(const NodeContext& context) {
     return {context.get_input(0).get_node_shared_ptr()};
 }