onnx simplifier下载 - onnx simplifier源代码下载

onnx simplifier

Python

1.0.0

下载

简化器

ONNX很棒，但有时太复杂了。

背景

有一天，我想将以下简单的重塑操作导出到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' ])

该模型中的输入形状是静态的，所以我期望的是

simple_reshape

但是，我得到了以下复杂的模型：

复杂的_reshape

我们的解决方案

提出了ONNX简化器，以简化ONNX模型。它会渗透整个计算图，然后用恒定输出（又称常数折叠）代替冗余运算符。

Web版本

我们已经在convertmodel.com上发布了ONNX简化器。它开箱即用，不需要任何安装。请注意，它在本地浏览器中运行，并且您的型号完全安全。

Python版本

 pip3 install -U pip && pip3 install onnxsim

然后

 onnxsim input_onnx_model output_onnx_model

有关更高级功能，请尝试以下命令获取帮助消息

 onnxsim -h

示范

复杂模型与简化版本之间的总体比较：

旧模型和新模型之间的比较

本文工作流程

如果您想在另一个脚本中嵌入onnx简化python软件包，那就那么简单了。

 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