Unduh onnx simplifier onnx simplifier

onnx simplifier

ular piton

1.0.0

Unduh

Sederhana Onnx

Onnx bagus, tapi terkadang terlalu rumit.

Latar belakang

Suatu hari saya ingin mengekspor operasi pembentukan kembali sederhana berikut ke ONNX:

 import torch


class JustReshape ( torch . nn . Module ):
    def __init__ ( self ):
        super ( JustReshape , self ). __init__ ()

    def forward ( self , x ):
        return x . view (( x . shape [ 0 ], x . shape [ 1 ], x . shape [ 3 ], x . shape [ 2 ]))


net = JustReshape ()
model_name = 'just_reshape.onnx'
dummy_input = torch . randn ( 2 , 3 , 4 , 5 )
torch . onnx . export ( net , dummy_input , model_name , input_names = [ 'input' ], output_names = [ 'output' ])

Bentuk input dalam model ini statis, jadi apa yang saya harapkan

Simple_reshape

Namun, saya mendapatkan model rumit berikut sebagai gantinya:

rumit_reshape

Solusi kami

Onnx Simplifier disajikan untuk menyederhanakan model ONNX. Ini menyimpulkan seluruh grafik komputasi dan kemudian menggantikan operator yang berlebihan dengan output konstan mereka (alias lipatan konstan).

Versi Web

Kami telah menerbitkan Onnx Simplifier di convertModel.com. Ini bekerja di luar kotak dan tidak memerlukan instalasi apa pun . Perhatikan bahwa itu berjalan di browser secara lokal dan model Anda benar -benar aman.

Versi Python

 pip3 install -U pip && pip3 install onnxsim

Kemudian

 onnxsim input_onnx_model output_onnx_model

Untuk fitur yang lebih canggih, coba perintah berikut untuk pesan bantuan

 onnxsim -h

Demonstrasi

Perbandingan keseluruhan antara model yang rumit dan versinya yang disederhanakan:

Perbandingan antara model lama dan model baru

Alur kerja dalam skrip

Jika Anda ingin menyematkan paket Python penyederhanaan Onnx dalam skrip lain, itu sesederhana itu.

 import onnx
from onnxsim import simplify

# load your predefined ONNX model
model = onnx . load ( filename )

# convert model
model_simp , check = simplify ( model )

assert check , "Simplified ONNX model could not be validated"

# use model_simp as a standard ONNX model object