IC的帆哥 - onnx https://www.icfgblog.com/index.php/tag/onnx/ ONNX实践 https://www.icfgblog.com/index.php/software/227.html 2021-06-08T21:35:00+08:00 有关ONNX的大体介绍已经很多了,比如ONNX简明教程,但相关的代码要么很复杂,要么太简单,这里将介绍三个方面: 如何生成.onnx 如何查看.onnx 如何转成.json格式 一、如何生成.onnx import torch import torch.nn as nn import torch.nn.functional as F class LeNet(nn.Module): def __init__(self): super(LeNet, self).__init__() self.conv1 = nn.Conv2d(in_channels=1,out_channels=6,kernel_size=3,stride=1,padding=0) self.conv2 = nn.Conv2d(in_channels=6,out_channels=16,kernel_size=3,stride=1,padding=0) self.fc1 = nn.Linear(16*5*5, 120) self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 10) def forward(self, x): out = self.conv1(x)# 26x26 out = F.max_pool2d(F.relu(out), 2) # 13x13 out = self.conv2(out) #11x11 out = F.max_pool2d(F.relu(out), 2) # 5x5 out = out.view(out.size(0), -1) #400 out = self.fc1(out) # 120 out = self.fc2(F.relu(out)) # 84 out = self.fc3(F.relu(out)) #10 return out # 1、加载模型之前训练好的模型 net = LeNet() net = net.to('cpu') checkpoint = torch.load('LeNet_mnist.pth') net.load_state_dict(checkpoint['net']) # 2、导出 batch_size = 1 input_shape = (1,28,28) x = torch.randn(batch_size,*input_shape)# 一张图片输入 net.eval() torch.onnx.export(net,x,"./mnist.onnx") LeNet_mnist.zip解压后要放在当前目录,运行代码就可以生成mnist.onnx文件了。 二、如何查看计算图? 可以通过一个网站Netron,open Model,选择刚刚生成的mnist.onnx文件即可。不但可以查看网络结构,而且包含权重信息。 三、如何转.json? 计算图后期有其他用途,希望导成可读的文件,.json是很好的格式,找了很久才搜到转换的方式: import onnx import json from google.protobuf.json_format import MessageToJson onnx_model = onnx.load("./mnist.onnx") s = MessageToJson(onnx_model) onnx_json = json.loads(s) output_json_path = 'mnist2.json' with open(output_json_path, 'w') as f: json.dump(onnx_json, f, indent=2) 就这简单的几句,花了我不少时间onnx2json,最后通过文本编辑器或者Firefox浏览器可以产看其结构,但其权重似乎以二进制文件保存。