onnx支持的pytorch(aten)算子

最新推荐文章于 2024-04-01 11:58:52 发布
最新推荐文章于 2024-04-01 11:58:52 发布
阅读量1.1k 收藏
点赞数
分类专栏： pytorch实践 pytorch 文章标签： pytorch 深度学习
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/juluwangriyue/article/details/127005855
版权
pytorch实践 同时被 2 个专栏收录
136 篇文章 116 订阅 ¥29.90 ¥99.00
订阅专栏
pytorch
94 篇文章 12 订阅
订阅专栏
本文档是在构建过程中通过将ONNX操作符符号与Torch JIT操作符交叉引用自动生成的，详细列出了ONNX支持的PyTorch ATEN操作符。
摘要由CSDN通过智能技术生成

onnx支持的pytorch[aten]算子

This file is automatically generated during the documentation build by cross referencing ONNX operator symbolics with Torch JIT operators via docs/source/scripts/build_onnx_supported_aten_op_csv_table.py. Do not modify directly and instead rebuild the docs.

Operator opset_version(s)
Delete 11 12 13 14 15 16
__derive_index 7 8 9 10 11 12 13 14 15 16
__interpolate 7 8 9 10 11 12 13 14 15 16
__range_length 7 8 9 10 11 12 13 14 15 16
_cast_Byte 7 8 9 10 11 12 13 14 15 16
_cast_Char 7 8 9 10 11 12 1
了解本专栏 订阅专栏 解锁全文
落花逐流水
关注
专栏目录
订阅专栏
极智开发 | 使用 Rp 类对 pytorch 算子作替换操作
极智视界
08-31 588
本教程记录了使用 Rp 类对 pytorch 算子作替换操作。
randperm算子不支持导出onnx
deep_love1314的博客
04-21 1046
问：想跟您请教下torch.randperm这个算子转onnx不支持应该怎么实现？ 答复：可以先用 ONNX_FALLTHROUGH转成onnx，然后再给TensorRT写个plugin，转出来后也可以用ONNX-graphsurgeon把这个node展开成TRT支持的node（如果可以等效替换掉的话）。 注意：好像没法用TRT layer表示randperm：torch.randperm — PyTorch 1.11.0 documentation 有人也给了其他思路，比如：用rand
深入浅出PyTorch（算子篇）
cedi9117的博客
06-25 7272
解读PyTorch的内部机制。
onnx算子大全
吴建明wujianming_110117
12-21 2720
本文通过此脚本从def文件自动生成。不要直接修改，而是编辑算子定义。 对于算子输入/输出的可辩别的，它可以是可辩别的、不可辩别的或未定义的。如果未指定变量的可辩别的，则该变量具有未定义的可辩别的。 ai.onnx (default) ...
ONNX支持算子列表
tugouxp的专栏
03-26 4244
ONNX算子列表 Abs-13 SequenceEmpty Abs-6 SequenceErase Abs-1 SequenceInsert Acos-7 SequenceLength Acosh-9 Shape Add-14 Shrink Add-13 Sigmoid Add-7 Sign Add-6 Sin Add-1 Sinh And-7 Slice And-1 ...
常见ONNX算子节点
欧吼的CSDN
03-14 1957
ONNX（Open Neural Network Exchange）是一个开放格式，用于表示深度学习模型，允许模型被不同的深度学习框架所使用。ONNX定义了一系列的算子（Operators），每个算子对应一个特定的操作，例如卷积、池化、归一化等。请注意，ONNX算子集会随着ONNX版本的更新而增加新的算子或修改现有算子。DepthToSpace - 深度到空间的转换。SpaceToDepth - 空间到深度的转换。ArgMax - 沿指定轴的元素最大值索引。ArgMin - 沿指定轴的元素最小值索引。
模型部署入门教程（四）：在 PyTorch 中支持更多 ONNX 算子
qq_39967751的博客
05-26 2286
模型部署入门系列教程持续更新啦，在上一篇教程中，我们系统地学习了 PyTorch 转 ONNX 的方法，可以发现 PyTorch 对 ONNX 的支持还不错。但在实际的部署过程中，难免碰到模型无法用原生 PyTorch 算子表示的情况。这个时候，我们就得考虑扩充 PyTorch，即在 PyTorch 中支持更多 ONNX 算子。 而要使 PyTorch 算子顺利转换到 ONNX ，我们需要保证以下三个环节都不出错： 算子在 PyTorch 中有实现 有把该 PyTorch 算子映射成一个或多个 ONN
onnx模型可视化以及pytorch算子与onnx节点对应关系
lhyyhlfornew的博客
11-25 6996
pytorch模型转成onnx时会产生很多意想不到的错误，然而对onnx模型进行Debug是非常麻烦的事，往往采用可视化onnx模型然后找到报错节点之后确定报错节点在源码中的错误位置的方法进行Debug，然而将可视化的onnx图与源代码对应起来可不是一件简单的事，本文主要记录pytorch算子与可视化的onnx节点的对应关系以方便对onnx节点在源代码中进行溯源，本文中的onnx模型使用Netron软件进行可视化，记录会随时补充。 1.onnx中Gather节点对应pytorch中对tensor的索引操作
自定义算子onnx-bin
04-01
这通常需要在模型转换时调用相应的工具或库，如PyTorch的`torch.onnx.export()`。 5. **加载和运行**: 在目标环境中，你需要有一个能够理解和执行ONNX模型的运行时，比如ONNX Runtime。这个运行时需要支持你的...
踩坑记录 | pytorch转ONNX时遇到的问题 tinynet smpl
ZYXxxx666的博客
02-07 3316
踩坑记录 | PyTorch转ONNX时遇到的问题 1. torch环境问题 我在转换tinynet模型为onnx时，会产生如下报错 ImportError：cannot import name 'container_abcs' 这是由于torch版本不对，改为1.7.1就没有这个问题；但对于其他模型对这个版本又不适用，onnx对torch的版本是较为敏感的。 转换成功之后还需要验证onnx模型结果，随机生成输入tensor，观察输出结果是否一致，同样注意torch版本问题。 2. 去除不支持算子 在观察
Pytorch模型部署：torch-onnx-ncnn
MY_WARNING的博客
08-22 2151
部署
模型部署——CenterPoint转ONNX(自定义onnx算子)
xiaohu的博客
10-27 3532
4.torch stack算子 onnx不支持，导出onnx计算图很，将stack和后续PointPillarScatter转换一起定义为ScatterBevPlugin算子，自定义onnx节点和自定义TensorRT算子来实现。2.torch_scatter的scatter_mean和scatter_max onnx不支持，人为自定义onnx节点，后续并自定义tensorRT的scatter_mean和scatter_max算子。
ONNX自定义算子与文件导出流程再梳理
Briwisdom的博客
11-07 1452
工作需要把onnx导出文件的流程又梳理了一遍，弄清楚了如何自定义算子，以及导出结果检查。分享一下~
pytorch自定义算子并导出onnx计算图详细代码教程
永远飞翔的鸟
09-05 1658
【代码】pytorch自定义算子并导出onnx计算图详细代码教程。
使用ONNX Runtime推理引擎进行加速（Pytorch----＞Onnx----＞ONNX Runtime）
weixin_54202028的博客
08-12 4074
OpenMMLab 的算法如何部署？是很多社区用户的困惑。而模型部署工具箱 MMDeploy的开源，强势打通了从算法模型到应用程序这 "最后一公里"！中间表示 ONNX 的定义标准PyTorch 模型转换到 ONNX 模型的方法推理引擎 ONNX Runtime、TensorRT 的使用方法部署流水线 PyTorch - ONNX - ONNX Runtime/TensorRT 的示例及常见部署问题的解决方法MMDeploy C/C++ 推理 SDK。...
pytorch文档地址与ONNX算子文档
baidu_40840693的博客
06-18 3289
https://pytorch.apachecn.org/ https://github.com/onnx/onnx/blob/master/docs/Operators.md
ONNX export failed: Couldn‘t export operator aten::upsample_bilinear2d
so
08-07 412
升级pytroch >1.3 opset_version=10 torch.onnx.export(model, dummy_tensor, output, export_params=True,opset_version=11)
ONNX，从了解到精通
最新发布
qq_37794738的博客
04-01 1782
这篇教程用到的技术很多，需要有一定的基础，博主建议先学会添加算子的方法，走通整个流程之后，再回来填那些坑，比如如何添加Pytorch的具体实现插件，有没有更便捷的添加ONNX插件的方法等等，这些后面博主都会更新；
ONNX export failed on ATen operator grid_sampler because torch.onnx.symbolic.grid_sampler does not e
怡宝2号
09-13 2514
pytorch转onnx时，pytorch中用了F.grid_sample，报错： ‘ONNX export failed on ATen operator grid_sampler because torch.onnx.symbolic.grid_sampler does not exist’ 解决方案 暂时无
onnx2pytorch
10-19
您的问题是 "onnx2pytorch"，我理解为您想了解如何将ONNX模型转换为PyTorch模型。如果是这样，您可以使用ONNX官方提供的工具onnx2pytorch来实现。具体步骤如下： 1. 安装onnx和pytorch 2. 使用onnx2pytorch将ONNX模型转换为PyTorch模型 以下是具体的代码示例： ```python import onnx import torch from onnx2pytorch import ConvertModel # 加载ONNX模型 onnx_model = onnx.load("model.onnx") # 将ONNX模型转换为PyTorch模型 pytorch_model = ConvertModel(onnx_model) # 保存PyTorch模型 torch.save(pytorch_model.state_dict(), "model.pth") ```
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

打赏作者

落花逐流水

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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