如下所示:
import io import torch import torch.onnx from models.C3AEModel import PlainC3AENetCBAM device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") def test(): model = PlainC3AENetCBAM() pthfile = r'/home/joy/Projects/models/emotion/PlainC3AENet.pth' loaded_model = torch.load(pthfile, map_location='cpu') # try: # loaded_model.eval() # except AttributeError as error: # print(error) model.load_state_dict(loaded_model['state_dict']) # model = model.to(device) #data type nchw dummy_input1 = torch.randn(1, 3, 64, 64) # dummy_input2 = torch.randn(1, 3, 64, 64) # dummy_input3 = torch.randn(1, 3, 64, 64) input_names = [ "actual_input_1"] output_names = [ "output1" ] # torch.onnx.export(model, (dummy_input1, dummy_input2, dummy_input3), "C3AE.onnx", verbose=True, input_names=input_names, output_names=output_names) torch.onnx.export(model, dummy_input1, "C3AE_emotion.onnx", verbose=True, input_names=input_names, output_names=output_names) if __name__ == "__main__": test()
直接将PlainC3AENetCBAM替换成需要转换的模型,然后修改pthfile,输入和onnx模型名字然后执行即可。
注意:上面代码中注释的dummy_input2,dummy_input3,torch.onnx.export对应的是多个输入的例子。
在转换过程中遇到的问题汇总
RuntimeError: Failed to export an ONNX attribute, since it's not constant, please try to make things (e.g., kernel size) static if possible
在转换过程中遇到RuntimeError: Failed to export an ONNX attribute, since it's not constant, please try to make things (e.g., kernel size) static if possible的错误。
根据报的错误日志信息打开/home/joy/.tensorflow/venv/lib/python3.6/site-packages/torch/onnx/symbolic_helper.py,在相应位置添加print之后,可以定位到具体哪个op出问题。
例如:
在相应位置添加
print(v.node())
输出信息如下:
%124 : Long() = onnx::Gather[axis=0](%122, %121), scope: PlainC3AENetCBAM/Bottleneck[cbam]/CBAM[cbam]/ChannelGate[ChannelGate] # /home/joy/Projects/models/emotion/WhatsTheemotion/models/cbam.py:46:0
原因是pytorch中的tensor.size(1)方式onnx识别不了,需要修改成常量。
以上这篇Pytorch模型转onnx模型实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持小牛知识库。
本文向大家介绍pytorch构建多模型实例,包括了pytorch构建多模型实例的使用技巧和注意事项,需要的朋友参考一下 pytorch构建双模型 第一部分:构建"se_resnet152","DPN92()"双模型 第二部分构建densenet201单模型 以上这篇pytorch构建多模型实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持呐喊教程。
本文向大家介绍pytorch 求网络模型参数实例,包括了pytorch 求网络模型参数实例的使用技巧和注意事项,需要的朋友参考一下 用pytorch训练一个神经网络时,我们通常会很关心模型的参数总量。下面分别介绍来两种方法求模型参数 一 .求得每一层的模型参数,然后自然的可以计算出总的参数。 1.先初始化一个网络模型model 比如我这里是 model=cliqueNet(里面是些初始化的参数)
译者:冯宝宝 在本教程中,我们将介绍如何使用ONNX将PyTorch中定义的模型转换为ONNX格式,然后将其加载到Caffe2中。一旦进入Caffe2,我们就可以运行模型来仔细检查它是否正确导出,然后我们展示了如何使用Caffe2功能(如移动导出器)在移动设备上执行模型。 在本教程中,你需要安装onnx和Caffe2。您可以使用pip install onnx获取onnx的二进制版本。 注意: 本
如何像方法在Keras中的作用:
问题内容: 有什么办法,我可以像在Keras中的方法那样在PyTorch中打印模型的摘要,如下所示? 问题答案: 虽然您不会像Keras的模型那样获得有关模型的详细信息。总之,仅打印模型将使您对所涉及的不同层及其规格有所了解。 例如: 在这种情况下,输出将如下所示: 正如Kashy所提到的,现在您可以使用该方法来获取不同图层的权重。但是,使用此层列表可能会提供更多指导,即创建一个辅助函数来获得类似
你可以将你的模型从一种数据库类型转换为另一种数据库类型,例如:转换 MariaDB 10.0 物理模型为 PostgreSQL 9.0物理模型。 在转换過程中,所有数据类型会自动转换。如果从一个数据库类型转换为另一种,转换进程不会改变视图的 SQL 语法。而目标数据库版本是 MySQL 4.0 或以下,所有视图会移除。 若要转换一个已打开的模型文件,选择 文件 -> 模型转换。然后,选择目标 数据
Navicat Data Modeler 让你转换你的模型,从一种数据库类型转换为另一种数据库类型,以及从一种模型类型转换为另一种模型类型。例如:转换 MariaDB 10.0 物理模型为 PostgreSQL 9.0 物理模型,转换 Oracle 10g 物理模型为一个逻辑模型,转换一个概念模型为 MySQL 5.0 物理模型。 在转换进程中,所有数据类型会自动转换。如果从一个数据库类型转换为另
Navicat Data Modeler 让你转换你的模型,从一种数据库类型转换为另一种数据库类型,以及从一种模型类型转换为另一种模型类型。例如:转换 MariaDB 10.0 物理模型为 PostgreSQL 9.0 物理模型,转换 Oracle 10g 物理模型为一个逻辑模型,转换一个概念模型为 MySQL 5.0 物理模型。 在转换进程中,所有数据类型会自动转换。如果从一个数据库类型转换为另