ONNX 开始

GoCoding
• 阅读 1842

环境

基础

conda create -n onnx python=3.8 -y
conda activate onnx

# ONNX
#  https://github.com/onnx/onnx
conda install -c conda-forge onnx -y
python -c "import onnx; print(onnx.__version__)"
import onnx
model = onnx.load("model.onnx")

简化

# ONNX Simplifier
#  https://github.com/daquexian/onnx-simplifier
pip install onnx-simplifier
python -m onnxsim -h
import onnxsim
model_simp, check = onnxsim.simplify(model, perform_optimization=False)
assert check, "Simplified ONNX model could not be validated"

使用

给出些 ONNX 模型使用的示例方法。

提取子模型

import onnx

input_path = "path/to/the/original/model.onnx"
output_path = "path/to/save/the/extracted/model.onnx"
input_names = ["input_0", "input_1", "input_2"]
output_names = ["output_0", "output_1"]

onnx.utils.extract_model(input_path, output_path, input_names, output_names)

修改输入输出名称

def _onnx_rename(model, names, names_new):
  for node in model.graph.node:
    for i, n in enumerate(node.input):
      if n in names:
        node.input[i] = names_new[names.index(n)]
    for i, n in enumerate(node.output):
      if n in names:
        node.output[i] = names_new[names.index(n)]
  for node in model.graph.input:
    if node.name in names:
      node.name = names_new[names.index(node.name)]
  # print(model.graph.input)
  for node in model.graph.output:
    if node.name in names:
      node.name = names_new[names.index(node.name)]
  # print(model.graph.output)

_onnx_rename(model, ["input", "output"], ["input_new", "output_new"])

修改输入输出维度

此为修改模型的。如果要修改某节点的,见参考 onnx_cut.py_onnx_specify_shapes()

from onnx.tools import update_model_dims

update_model_dims.update_inputs_outputs_dims(model,
  {"input": [1, 3, 512, 512]},
  {"scores": [100, 1], "boxes": [100, 4]}
)

推理模型节点维度

指明模型输入维度后,可自动推理后续节点的维度。

model_infer = onnx.shape_inference.infer_shapes(model)

获取图属性名称索引

辅助找出指定名称的图属性。

def _onnx_graph_name_map(graph_prop_list):
  m = {}
  for n in graph_prop_list:
    m[n.name] = n
  return m

node_map = _onnx_graph_name_map(graph.node)
initializer_map = _onnx_graph_name_map(graph.initializer)
input_map = _onnx_graph_name_map(graph.input)
output_map = _onnx_graph_name_map(graph.output)
value_info_map = _onnx_graph_name_map(graph.value_info)

获取节点输入名称索引

辅助找出指定输入名称的节点列表。输出同样。

def _onnx_node_input_map(node_list):
  m = {}
  for n in node_list:
    for n_input in n.input:
      if n_input in m:
        m[n_input].append(n)
      else:
        m[n_input] = [n]
  return m

node_input_map = _onnx_node_input_map(graph.node)

获取图属性位置

辅助找出图某属性所在列表位置。

def _onnx_graph_index(graph_prop_list, prop, by_name=False):
  for i, n in enumerate(graph_prop_list):
    if by_name:
      if n.name == prop.name:
        return i
    else:
      if n == prop:
        return i
  return -1

node_i = _onnx_graph_index(graph.node, node)

获取某区间的节点

辅助找出某区间的节点字典。

def _onnx_node_between(node_beg, node_end, node_input_map):
  nodes = {}
  def _between(beg, end):
    if beg.name == end.name:
      return
    for n_output in beg.output:
      for n in node_input_map[n_output]:
        if n.name == end.name or n.name in nodes:
          continue
        nodes[n.name] = n
        _between(n, end)
  _between(node_beg, node_end)
  return nodes

替换某个节点

替换或修改某个节点的过程。

from onnx import helper

node = graph.node[100]
node_i = _onnx_graph_index(graph.node, node)

graph.node.remove(node)

node_new = helper.make_node(
  'Pad',                  # name
  ['X', 'pads', 'value'], # inputs
  ['Y'],                  # outputs
  mode='constant',        # attributes
)
graph.node.insert(node_i, node_new)

模型运行推理

模型运行推理,得到输出的过程。

import cv2 as cv
import numpy as np
import onnxruntime as nxrun

onnx_session = nxrun.InferenceSession("path/to/model.onnx")

img = cv.imread("path/to/image.png", cv.IMREAD_COLOR)
# img = img[...,::-1]  # BGR > RGB
# _, _, h, w = input_node.shape  # BCHW
# img = cv.resize(src=img, dsize=(w, h), interpolation=cv.INTER_LINEAR_EXACT)
input_data = np.moveaxis(img, -1, 0)  # HWC > CHW
input_data = input_data[np.newaxis, :].astype(np.float32)

def _get_output_names(onnx_session):
  names = []
  for node in onnx_session.get_outputs():
    names.append(node.name)
  return names

output_names = _get_output_names(onnx_session)

outputs = onnx_session.run(
  output_names, input_feed={"input": input_data}
)

参考

GoCoding 个人实践的经验分享,可关注公众号!

点赞
收藏
评论区
推荐文章
浅梦一笑 浅梦一笑
2个月前
初学 Python 需要安装哪些软件?超级实用,小白必看!
编程这个东西是真的奇妙。对于懂得的人来说,会觉得这个工具是多么的好用、有趣,而对于小白来说,就如同大山一样。其实这个都可以理解,大家都是这样过来的。那么接下来就说一下python相关的东西吧,并说一下我对编程的理解。本人也是小白一名,如有不对的地方,还请各位大神指出01名词解释:如果在编程方面接触的比较少,那么对于软件这一块,有几个名词一定要了解,比如开发环
blmius blmius
1年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
Stella981 Stella981
1年前
KVM调整cpu和内存
一.修改kvm虚拟机的配置1、virsheditcentos7找到“memory”和“vcpu”标签,将<namecentos7</name<uuid2220a6d1a36a4fbb8523e078b3dfe795</uuid
Wesley13 Wesley13
1年前
4cast
4castpackageloadcsv.KumarAwanish发布:2020122117:43:04.501348作者:KumarAwanish作者邮箱:awanish00@gmail.com首页:
Stella981 Stella981
1年前
Python之time模块的时间戳、时间字符串格式化与转换
Python处理时间和时间戳的内置模块就有time,和datetime两个,本文先说time模块。关于时间戳的几个概念时间戳,根据1970年1月1日00:00:00开始按秒计算的偏移量。时间元组(struct_time),包含9个元素。 time.struct_time(tm_y
Wesley13 Wesley13
1年前
MySQL查询按照指定规则排序
1.按照指定(单个)字段排序selectfromtable_nameorderiddesc;2.按照指定(多个)字段排序selectfromtable_nameorderiddesc,statusdesc;3.按照指定字段和规则排序selec
Wesley13 Wesley13
1年前
Java日期时间API系列36
  十二时辰,古代劳动人民把一昼夜划分成十二个时段,每一个时段叫一个时辰。二十四小时和十二时辰对照表:时辰时间24时制子时深夜11:00凌晨01:0023:0001:00丑时上午01:00上午03:0001:0003:00寅时上午03:00上午0
Stella981 Stella981
1年前
Angular material mat
IconIconNamematiconcode_add\_comment_addcommenticon<maticonadd\_comment</maticon_attach\_file_attachfileicon<maticonattach\_file</maticon_attach\
Wesley13 Wesley13
1年前
vs2015 JS+EasyUI+C# Excel导出
前台:{id:'print',iconCls:'iconprint',text:'导出',handler:function(){varfilterRules$('dg').datagrid('options')
Wesley13 Wesley13
1年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
helloworld_34035044 helloworld_34035044
5个月前
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为