onnx模型输出之elem_type对应类型说明

最新推荐文章于 2024-08-22 19:00:17 发布

XINFINFZ

最新推荐文章于 2024-08-22 19:00:17 发布

阅读量5.3k

点赞数 8

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/weixin_43945848/article/details/122474749

前言

onnx_model = onnx.load("modify.onnx")
graph = onnx_model.graph
graph.output
#输出如下：
[name: "add_result_0"
type {
   
   
  tensor_type {
   
   
    elem_type: 1
    shape {
   
   
      dim {

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

XINFINFZ

关注关注

8
点赞
踩
10

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

模型部署 - onnx的导出和分析 - onnx 的架构和 onnx helper 的使用 - 学习记录

点云算法工程师

03-20

1727

首先来了解一下学习 onnx 架构和 onnx helper 的使用的目的。一般模型部署的流程是前处理+模型推理+后处理，然后c++ 上进行推理。前处理（与tensorRT无关）模型推理（生成的engine交给tensorRT去做前向传播）后处理（与tensorRT无关）模型推理部分是指利用 tensorRT 的 onnx 解析器编译生成 engine （即转换为tensorRT能看懂的模型）。1、有些时候我们应该把后处理部分在onnx模型中实现，降低后处理复杂度。

onnx的dataType对应枚举类型

gggi520的博客

05-04

568

dataType”: 1表示float64。

2 条评论您还未登录，请先登录后发表或查看评论

修改onnx模型输出示例

轻舟已过万重山的博客

01-14

7259

前言如图是netron(github链接)软件中打开的onnx模型，可以看到右边模型的最终输出结果是分类值predict_0而非概率值，那么如何获取中间过程的概率值，或者说怎么把右边的图砍掉一截变成左边的图呢？代码读入模型 import onnx onnx_model = onnx.load("xxx.onnx") graph = onnx_model.graph 首先以图的形式读入你的模型，图一般包括node（节点），initializer（初始化），input（输入），output（输出）四部

TensorFlow？PyTorch？Paddle？AI工具库生态之争：ONNX一统天下 ⛵

ShowMeAI研究中心

08-31

1万+

AI诸多工具库工具库之间的切换，是一件耗时耗力的麻烦事。ONNX 即应运而生，使不同人工智能框架（如PyTorch、TensorRT、MXNet）可以采用相同格式存储模型数据并交互，极大方便了算法及模型在不同的框架之间的迁移，带来了AI生态的自由流通。...

[学习笔记] ONNX 基础知识

热门推荐

Le0v1n 的博客

01-24

1万+

ONNX 基础（全是理论，没啥实际作用）

ONNX(Open Neural Network Exchange)介绍

网络资源是无限的

07-23

5896

ONNX(Open Neural Network Exchange)介绍

【深度学习】ONNX介绍

mucheng771的博客

05-24

652

ONNX 是一种用于表示深度学习模型的开放格式，使得不同深度学习框架（如 PyTorch、TensorFlow、Caffe2 等）之间的模型能够相互交换。

【推理引擎】ONNX 模型解析

虚幻私塾

03-27

5388

Python微信订餐小程序课程视频 https://edu.csdn.net/course/detail/36074 Python实战量化交易理财系统 https://edu.csdn.net/course/detail/35475 定义模型结构首先使用 PyTorch 定义一个简单的网络模型： class ConvBnReluBlock(nn.Module): def \_\_init\_\_(self) -> None: super().__init__()

【找出 ONNX 输入】onnx_model.graph.input 或者 ort_session.get_inputs()

weixin_44212848的博客

05-22

774

这里需要注意下 onnxruntime 对应的 CUDA 和 cuDNN 版本，不一定适配，具体可查看。针对转化成果的 .onnx 模型，通过以下代码即可查看定义好的输入和输出。先下载好 onnx 和 onnxruntime-gpu。正确的输出情况示例如下，其中为 0 的维度是可变的维度。

ONNX系列: ONNX模型修改

csdnsqst0050的博客

04-10

3901

在我们熟悉了ONNX模型各个层级的结构后，我们便可以针对各个结构来对模型进行修改，从而使其更好的适配后端运行时或者特定硬件平台的编译器。ONNX官方提供了一套完整的Python API以供开发者对模型进行自定义修改。本文将结合Python代码，介绍如何使用ONNX官方API来对ONNX模型进行"增删改查"操作。

【rknn】onnx转rknn load_onnx函数报错: KeyError ‘output‘

sazass的博客

11-24

1510

然后name自左往右分别是：338, 376, 414。分别单击Reshape模块，查看OUTPUTS的。

ONNX 模型图优化

傻丫头的博客

09-09

5238

假设一个场景，需要修改已有的ONNX模型......

解决Opencv dnn模块无法使用onnx模型的问题(将onnx的动态输入改成静态)

分享技术笔记，记录学习研发历程

10-10

1万+

最近做人脸识别项目，想只用OpenCV自带的人脸检测和识别模块实现，使用OpenCV传统方法：Haar级联分类器人脸检测+LBPH算法人脸识别的教程已经有了，于是想着用OpenCV中的dnn模块来实现，dnn实现人脸检测也有（详细教程可见我的这篇博客https://blog.csdn.net/weixin_42149550/article/details/131474284），问题就是基于cnn的人脸识别咋用opencv的dnn模块实现？一番搜索，发现OpenCV的dnn模块在加载YuNet模型时会报错。

Openvino 导出YOLO模型指定输出层

qq_44804662的博客

08-22

552

对于以 Python 对象表示的 PaddlePaddle 模型，您可以将输出指定为 PaddlePaddle Python 对象或此类对象的列表。此句报错，YOLOV5 onnx 模型查看输出层发现有4个输出，而github 上给出的模型IR只有一个输出层，所以报错。重用原始模型中分配的权重。如果输入模型是运行时对象，则原始模型中分配的原始内存区域将重用于转换后的模型中的权重。带有扩展名的库（.so 或 .dll）的路径、以逗号分隔的路径列表、从 BaseExtension 类派生的对象或对象列表。

生成onnx模型过程记录

azheng_wen的博客

10-19

6489

onnx::ModelProto mymodel; onnx::GraphProto graph; mymodel.clear_graph(); mymodel.set_producer_name("pytorch 1.3");//important onnx::OperatorSetIdProto* myopset = mymodel.add_opset_import(); //important mymodel.set_allocated_graph(&graph); gr.

tensor数据类型转换_Pytorch 之 Tensor 属性与操作

weixin_33539912的博客

12-31

1014

未经许可，严禁任何形式转载！以前整理的笔记，能力有限，欢迎批评指正。Tensor 的属性类型属性类型查看可以通过如下代码查看 tensor 的类型：gpu_tensor.type() # 类型tensor 支持的的类型pytorch 中的 tensor 支持如下类型：其中，HalfTensor 是专门为 GPU 设计的，其占用的内存空间只有 CPU 下 FloatTensor 的一半。尺度...

【模型转换】onnx删除并新增节点

03-28

6827

仍然以【模型转化】修改onnx节点属性这篇文章中的例子为例来学习onnx的基本操作。这次不再修改Squeeze节点的属性(attribute)，而是删除原有Squeeze节点，再在原来位置添加一个新的Squeeze节点。 1.定位要操作的节点 import onnx ...

Python onnx 模型打印显示所有节点及查看相互关系

tanmx219的博客

10-22

5699

最近使用onnx时，想把所有的节点的信息和权重参数显示出来，找了一下没找到类似的源码，官方介绍的pythonAPI都是些什么加载，保存，转换之类的，没有详细介绍怎么使用onnx分析模型的，只好自己写一个。其实很简单，我只列些最基本的，具体分析还得看个人的需要， import onnx model_in_file = 'yolov5s-sim.onnx' if __name__ == "__main__": model = onnx.load(model_in_file) nod

onnx 总结

显闻

05-23

1215

netron 查看模型结构目前共有 3 种方式：第一种是以软件的方式下载安装 netron，然后打开软件载入模型第二种是将 netron 作为 python 库进行安装，在 python 代码调用 netron 库来载入模型进行可视化。可以通过 pip install netron 进行安装第三种是使用在线的工具直接查看以 tinyyolov2-7.onnx 为例： ...

warn: Nncase.Hosting.PluginLoader[0] NNCASE_PLUGIN_PATH is not set. C:\Users\LRC\test_yolo11\to_kmodel.py:25: DeprecationWarning: `mapping.TENSOR_TYPE_TO_NP_TYPE` is now deprecated and will be removed in a future release.To silence this warning, please use `helper.tensor_dtype_to_np_dtype` instead. input_dict['dtype'] = onnx.mapping.TENSOR_TYPE_TO_NP_TYPE[onnx_type.elem_type] WARNING: The argument `input_shapes` is deprecated. Please use `overwrite_input_shapes` and/or `test_input_shapes` instead. An error will be raised in the future. Unhandled exception. System.Collections.Generic.KeyNotFoundException: The given key 'k230' was not present in the dictionary. at System.Collections.Generic.Dictionary`2.get_Item(TKey key) at Nncase.Targets.TargetProvider.GetTarget(String name) at Nncase.CompilerServicesProvider.GetTarget(String name) at Nncase.Compiler.Interop.CApi.TargetCreate(Byte* targetNamePtr, UIntPtr targetNameLength)

最新发布

03-26

### 关于NNCase插件加载路径未设置的解决方案当执行 `pip install nncase` 后遇到警告提示 `warn: Nncase.Hosting.PluginLoader[0] NNCASE_PLUGIN_PATH is not set.` 时，这表明环境变量 `NNCASE_PLUGIN_PATH` 尚未被正确配置。此环境变量用于指定 NNCase 插件所在的目录位置。 #### 设置环境变量的方法可以通过以下方式来设置 `NNCASE_PLUGIN_PATH`： 1. **临时设置（仅当前会话有效）** 使用命令行手动设置环境变量： ```bash export NNCASE_PLUGIN_PATH=/path/to/nncase/plugins ``` 2. **永久设置（适用于每次启动终端）** 编辑用户的 shell 配置文件（如 `.bashrc`, `.zshrc`），并添加以下内容： ```bash echo 'export NNCASE_PLUGIN_PATH=/path/to/nncase/plugins' >> ~/.bashrc source ~/.bashrc ``` 这样可以确保每次登录系统时自动加载该环境变量[^1]。 3. **验证设置是否成功** 执行以下命令以确认环境变量已生效： ```bash echo $NNCASE_PLUGIN_PATH ``` 如果返回的是正确的路径，则说明设置成功。 --- ### 处理DeprecationWarning和KeyNotFoundException 对于提到的其他错误，例如 `mapping TENSOR_TYPE_TO_NP_TYPE` 的弃用警告 (`DeprecationWarning`) 和目标提供者中的键找不到异常 (`KeyNotFoundException`)，以下是可能的原因及其解决方法： 1. **关于DeprecationWarning** 此类警告通常表示某些 API 或功能已被标记为过时，并将在未来的版本中移除。建议升级到最新版库或框架以获得更好的兼容性和性能改进。可通过更新依赖项解决问题： ```bash pip install --upgrade nncase numpy tensorflow ``` 2. **关于KeyNotFoundException (k230 TargetProvider GetTarget)** 错误可能是由于缺少特定的目标硬件支持模块所致。如果尝试编译模型为目标设备 K230，请确保安装了对应的驱动程序和支持包。安装额外的支持组件： ```bash pip install nncase[k230] ``` --- ### 调试容器无法启动的问题针对引用提及的随机性容器启动失败问题（`Clean up Error! Cannot destroy container` 和 `mkdir ...-init/merged/dev/shm: invalid argument`），这是由 Docker 文件系统的权限或挂载选项不当引起的。 #### 推荐修复措施调整 Docker Daemon 配置文件 `/etc/docker/daemon.json` 中的相关参数： ```json { "storage-driver": "overlay2", "log-driver": "json-file", "log-opts": { "max-size": "10m", "max-file": "3" } } ``` 重启 Docker 服务使更改生效： ```bash sudo systemctl restart docker ``` 此外，检查主机操作系统是否存在磁盘空间不足的情况，或者重新初始化共享内存区域： ```bash sudo rm -rf /dev/shm/* sudo mkdir -p /dev/shm && sudo chmod 1777 /dev/shm/ ``` --- ### Unity WebGL 发布后的解析错误 Unity 在本地运行 WebGl 构建项目无误，但在云端部署时报错 `Unable to parse Build/Test3_Build_WebGL.framework.js.gz`，原因通常是服务器未能正确解压 Gzip 压缩资源。 #### 修改服务器配置确保 Apache/Nginx 等 Web Server 已启用压缩响应头支持。例如，在 Nginx 配置文件中加入以下指令： ```nginx gzip on; gzip_types application/javascript text/plain text/css; location ~* \.(js\.gz|css\.gz)$ { add_header Content-Encoding gzip; types { application/javascript js; } } ``` 随后测试新配置的有效性： ```bash sudo nginx -t sudo service nginx reload ``` --- ### Discuz XML 解析器不可用在 Ubuntu 上安装 Discuz 论坛软件时发现 `xml_parser_create()` 不可用，这是因为 PHP 默认禁用了 XML 扩展。 #### 开启PHP扩展编辑 PHP 配置文件 `/etc/php/7.0/cli/php.ini` 并取消注释以下行： ```ini extension=php_xml.dll ; Windows平台下使用 .dll extension=dom.so ; Linux/MacOS 下使用 .so 动态链接库 ``` 保存修改后重载 PHP-FPM 或 Apache 服务： ```bash sudo service php7.0-fpm restart || sudo service apache2 restart ``` --- ###