onnx-mlir（一）转换到mlir

最新推荐文章于 2024-05-16 13:20:50 发布
最新推荐文章于 2024-05-16 13:20:50 发布
阅读量622 收藏 10
点赞数 11
文章标签： mlir
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gyw0707/article/details/135030481
版权

随便找一个onnx运行

onnx-mlir/build/Debug/bin/onnx-mlir path/to/resnet18.onnx --EmitONNXIR  --mlir-elide-elementsattrs-if-larger=10

path/to/下会生成resnet18.onnx.mlir

可以看到在简单模型中，就是一个module中有一个main func函数。

调试看执行过程

可以看到processInputFile函数，读入onnx文件路径。

继续调试，看到创建module

创建main func

创建node

大概就是这个样子了，细节可以多debug看一下

过去的猴子
关注
  • 11
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
极智AI | ubuntu编译安装onnx-mlir的正确姿势
极智视界
02-23 364
大家好，我是极智视界，本文介绍一下 ubuntu编译安装onnx-mlir的正确姿势。
探索ONNX-MLIR：优化深度学习模型的新利器
gitblog_00035的博客
04-15 828
探索ONNX-MLIR：优化深度学习模型的新利器 onnx-mlirRepresentation and Reference Lowering of ONNX Models in MLIR Compiler Infrastructure项目地址:https://gitcode.com/gh_mirrors/on/onnx-mlir 在深度学习领域，模型转换和优化是关键环节，而ONNX-MLIR就...
onnx-mlir:MLIR编译器基础结构中ONNX模型的表示和参考降低
04-10
ONNX MLIR MLIR中的开放式神经网络交换实现（ ）。 系统 建置状态 x86-Linux s390-Linux x86-Windows x86-macOS 预制容器 开始使用ONNX-MLIR的一种简单方法是使用预构建的docker映像。 这些映像是在主干上成功建立合并的结果而创建的。 这意味着最新的图像代表了行李箱的尖端。 当前，amd64，ppc64le和IBM System Z的映像分别保存在Docker Hub中，分别为onnxmlirczar / onnx-mlir-build：amd64，onnxmlirczar / onnx-mlir-build：ppc64le和onnxmlirczar / onnx-mlir-build：s390x。 要使用这些映像之一，请直接将其从Docker Hub中拉出，启动一个容器并在其中运行交互式bash shell，或将其
Mlir环境配置以及yolov5模型转换_sophon文档mlir(2)，一线互联网大厂中高级Linux运维面试真题收录(3)
最新发布
m0_58397123的博客
05-16 390
最近很多小伙伴找我要Linux学习资料，于是我翻箱倒柜，整理了一些优质资源，涵盖视频、电子书、PPT等共享给大家！
ONNX MLIR方法
吴建明wujianming_110117
04-21 747
ONNX MLIR方法 MLIR中的开放式神经网络交换实现。 Prerequisites gcc >= 6.4 libprotoc >= 3.11.0 cmake >= 3.15.4 在UNIX上安装MLIR 首先，安装MLIR（作为LLVM-Project的一部分）: git clone https://github.com/llvm/llvm-project.git Check out a specific branch that is known to work with ONNX
第一篇博客尝试之onnx-mlir
gyw0707的博客
12-16 692
深度学习有tensorflow、pytorch等框架，在onnx之前，各自将深度学习模型保存成不同类型的文件。深度学习模型要落地到实际硬件执行，第一步就是要解析不同类型的文件。onnx统一了模型的格式，所有框架最终都保存成onnx格式，之后就只解析onnx这一种文件就可以了。随着深度学习的爆发以及摩尔定律失效，DSA（领域专用处理器架构）看起来是一个方向。最近也是出现了许多新的硬件架构，新的硬件就需要新的编译器。但不同的编译器又有很多相似的处理流程，各自开发就会有很多重复的工作。
My-Onnx-Mirir
02-14
ONNX MLIR MLIR（ ）中的开放式神经网络交换实现。 系统 建立状态 x86-Linux s390-Linux x86-Windows x86-macOS 预制容器 开始使用ONNX-MLIR的一种简单方法是使用预构建的docker映像。 这些图像是在主干上成功建立合并后创建的。 这意味着最新的图像代表了行李箱的尖端。 当前，amd64，ppc64le和IBM System Z的映像分别保存在Docker Hub中，分别为onnxmlirczar / onnx-mlir-build：amd64，onnxmlirczar / onnx-mlir-build：ppc64le和onnxmlirczar / onnx-mlir-build：s390x。 要使用这些映像之一，请直接将其从Docker Hub中拉出，启动一个容器并在其中运行交互式bash shell，或将其用作d
tree-sitter-mlir:保姆的MLIR语法
05-28
"tree-sitter-mlir:保姆的MLIR语法" 指的是一种用JavaScript编写的解析器，名为"tree-sitter-mlir"，它专门用于解析MLIR（Multi-Level Intermediate Representation）的语法。"保姆的MLIR语法"可能是项目的一个亲切...
20200226-MLIR Toy Tutorial概述-zhanghongbin.pdf
12-16
根据提供的文档信息，本文将详细解析“20200226-MLIR Toy Tutorial概述-zhanghongbin.pdf”中的关键知识点及其相关内容。该文档由张洪滨撰写于2020年2月26日，主要介绍了MLIR（Multi-Level IR）的基本概念及其在Toy...
llvm-project-mlir
03-31
MIOpen方言将移至一个以LLVM作为子模块的补充项目。 LLVM系统入门 取自 。 概述 欢迎来到LLVM项目！ LLVM项目包含多个组件。 该项目的核心本身称为“ LLVM”。 它包含处理中间表示并将其转换为目标文件所需的所有...
Convert ONNX models into Apple Core ML format onnx 转换为 mlmodel
Sico2Sico
05-25 1800
Convert ONNX models into Apple Core ML format 安装onnx-coreml /// 如果报错 使用python3 因为你的电脑可能有两个版本的python mac自带的python的是2 pip install torchvision onnx-coreml /// 或者 pip3 install torchvision onnx-coreml 创建 onnx_to_coreml2.py import sys from onnx import onn
TVM/onnx-mlir/Glow 的简单理解
znsoft的专栏
04-03 1417
神经网络经过脚本执行、专用推理库后来到了native 时代。 如果我们按照 编程语言的运行方式进行划分： 脚本解析，JIT 和真编译。 传统的训练框架训练如pytorch/tensorflow 可以看作脚本时代：解释执行。 一、解析执行的脚本时代 当我们使用tensorflow/pytorch/mxnet 训练了一个模型并保存后，我们将怎样使用它呢？ 这个时候我们通常是直接用框架中的模型加载代码加载训练好的模型和参数，对需要推理的数据进行预处理（比如图片的正则化，NLP语料的分词/词干化等预处理），
【SOPHON】算能盒子SE-16的C++模型转换
种一棵树最好的时间是十年前，其次是现在
10-27 293
本文以 arcface 为例, 介绍如何编译迁移一个onnx模型至TPU平台运行。有疑问具体可参考。
ONNX一个沟通各大AI框架的桥梁
SunnyZhou-1024的博客
02-27 1466
概述 ONNX全称Open Neural Network Exchange，是微软设计的一个开放式深度学习神经网络模型的格式。旨在通过一个统一的模型格式标准，建立一个强大的人工智能生态。 深度神经网络的实现是通过数据流图实现的，数据（张量等）从输入，流过一个个集选节点，最终在输出结点得到推理结果。不同的框架实现数据流图的的方式不尽相同，有的使用静态图，有的在运行的过程中动态创建。但是不管哪种方式，...
模型部署 ONNX模型转换说明
Fantastic
09-18 3303
模型转换ONNX pytorch模型转换ONNX模型 torch.onnx torch.onnx.export(model, args, f, export_params, verbose=False, training= False) #Function to Convert to ONNX def Convert_ONNX(): # set the model to inference mode model.eval() # Let's create a dummy
ONNX MLIR应用示例（含源码链接）
吴建明wujianming_110117
12-04 626
ONNX MLIR应用示例（含源码链接） 开放式神经网络交换在MLIR中的实现 (http://onnx.ai/onnx-mlir/)。 Prebuilt Containers 开始使用ONNX-MLIR的一个简单方法是使用预构建的docker映像。这些映像是在主干上成功合并生成的结果。最新的图像代表主干的顶端。目前，Docker Hub中保存的amd64、ppc64le和s390x的发布和调试模式映像分别为onnxmlirczar/onnx-mlir和onnxmlirczar/onnx-mlir-dev
Mac 编译 onnx-mlir
Chris_zhangrx的博客
11-07 716
onnx-mlir 是 Onnx 团队推出的一款图编译器，定义了 onnx dialect，将一个 .onnx 模型编译转成一个对应的 IR 表示。 这里主要是介绍 Mac 如何编译 onnx-mlir。 主要步骤还是根据官网的来，但是鉴于不同的版本，环境等，在编译过程中可能会遇到这样那样的小问题。这里记录一下在 M1 Mac 上编译的过程，希望可以帮助到有需要的小伙伴。 依赖安装 前置依赖 # 安装 Ninja brew install ninja # 安装 cmake brew install cmak
【ONNX】ONNX结构分析
热门推荐
花丸大老师的博客
11-23 2万+
ONNX结构分析 onnx将每一个网络的每一层或者说是每一个算子当作节点Node，再由这些Node去构建一个Graph，相当于是一个网络。最后将Graph和这个onnx模型的其他信息结合在一起，生成一个model，也就是最终的.onnx的模型。 onnx.helper----node、graph、model 在构建onnx模型这个过程中，这个文件至关重要。其中make_node、make_grap...
openvino踩坑记录——onnx模型转换成IR中间模型
gcf_uinque的博客
04-28 6186
安装openvino linux系统下按照官网教程安装openvino并进行配置： https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_linux.html#install-openvino ONNX模型转换 对于pytorch、tensorflow等框架训练到模型都可以转换成ONNX模型...
TPU-MLIR的环境搭建
09-08
您好！要搭建 TPU-MLIR 的环境，您可以按照以下步骤进行操作： 1. 安装 Bazel：TPU-MLIR 使用 Bazel 构建系统进行编译。您可以从 Bazel 官方网站下载并安装适合您操作系统的版本。 2. 克隆 TPU-MLIR 代码库：在合适的目录下，使用以下命令克隆 TPU-MLIR 代码库： ``` git clone https://github.com/llvm/mlir.git ``` 3. 编译 TPU-MLIR：在克隆的代码库目录下，执行以下命令进行编译： ``` cd mlir mkdir build cd build cmake -G Ninja ../llvm -DLLVM_ENABLE_PROJECTS=mlir -DLLVM_BUILD_EXAMPLES=ON -DLLVM_TARGETS_TO_BUILD="host" -DCMAKE_BUILD_TYPE=Release ninja ``` 这将会编译 TPU-MLIR 及其依赖项。 4. 配置环境变量：将编译生成的可执行文件路径添加到您的 PATH 环境变量中，以便您可以在任何地方运行 TPU-MLIR。 完成上述步骤后，您就成功搭建了 TPU-MLIR 的环境。请注意，这只是一个简单的搭建过程，实际情况可能会有所变化，具体步骤可能需要根据您的操作系统和具体需求进行调整。如果遇到任何问题，请参考 TPU-MLIR 的官方文档或寻求相关技术支持。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值