Exporting the operator silu to ONNX opset version 12 is not supported

最新推荐文章于 2024-05-17 16:49:14 发布

知音数码图文

最新推荐文章于 2024-05-17 16:49:14 发布

阅读量526

点赞数 8

文章标签：深度学习神经网络 pytorch

本文链接：https://blog.csdn.net/qq_21258589/article/details/135348032

版权

export failure: Exporting the operator silu to ONNX opset version 12 is not supported. Please open a bug to request ONNX export support for the missing operator

怀疑低版本的opset不支持

运行问题依旧

该版本的opset不支持silu操作

个人路径+Lib\site-packages\torch\nn\modules\ activation.py

activation.py 这个文件，修改第394行代码

def forward(self, input: Tensor) -> Tensor:
    return input * torch.sigmoid(input)  # 改成这一行代码
    #return F.silu(input, inplace=self.inplace)//原代码

优惠劵

知音数码图文

关注关注

8
点赞
踩
10

收藏

觉得还不错? 一键收藏
0
评论
Exporting the operator silu to ONNX opset version 12 is not supported

onnx
复制链接

扫一扫

highchars图表exporting.js

04-21

highchars图表用到的基础js，还有其他js需要用到的会一同上传

RuntimeError: Exporting the operator grid_sampler to ONNX opset version 11 is not support

欢迎订阅 -- 小源笔迹

09-08

1586

grid_sampler是比较经典的算子不支持问题，在pytorch1.12之后已经支持了，而我这里要求的版本是torch=1.8.0，该了torch版本后，之后的推理平台又会有版本限制所以不能改。然后用mmcv库中的bilinear_grid_sample()来替换grid_sample函数。二者是等价的，可以去torch官网看具体的api。具体做法就是定位到你出错的代码位置，一般就是grid_sample函数的定义位置。如果还是报错则重新写bilinear_grid_sample函数，具体代码如下。

参与评论您还未登录，请先登录后发表或查看评论

解决the operator silu to ONNX opset version 12 is not supported问题

qq_43450443的博客

04-10

1755

再次运行export.py发现仍然报错the operator silu to ONNX opset version 11 is not supported。问题：使用yolov5-7.0的export.py导出onnx文件时报错。我的环境是虚拟环境py38，于是到py38中依次找到以下路径。打开activation.py找到第394行代码修改。解决方法：在export.py种找到。解决方法：查看python解释器。再次运行export.py。

torch转onnx遇到的坑（一）

热门推荐

JoeyChen1219的博客

11-10

1万+

Pytorch转ONNX遇到的问题及解决方案ONNX不支持torch.linspaceONNX不支持torch中的grid_sampler操作动态输入问题 ONNX不支持torch.linspace 报错提示 RuntimeError: Exporting the operator linspace to ONNX opset version 11 is not supported. Please feel free to request support or submit a pull request o

silu to ONNX opset version 12 is not supported

jacke121的专栏

09-08

3159

silu to ONNX opset version 12 is not supported

ONNX: export failure: Exporting the operator silu to ONNX opset version 12 is not suppo

weixin_61785507的博客

09-09

3340

ONNX: export failure: Exporting the operator silu to ONNX opset version 12 is not suppo。

RuntimeError: Exporting the operator uniform to ONNX opset version 12 is not supported.

我的小天地 ^_^

01-10

4404

pt转onnx报错： RuntimeError: Exporting the operator uniform to ONNX opset version 12 is not supported. Please open a bug to request ONNX export support for the missing operator. 原因考虑是转换的时候，不可以在forward中动态获取值再进行运算，而应该在init中就完成相应的操作。不便上传图片，有问题留言。 ...

onnx踩坑记录

zhang2362167998的博客

03-28

931

TypeError: forward() takes 2 positional arguments but 3 were given ONNX export of operator adaptive pooling, since output_size is not constant Exporting the operator grid_sampler to ONNX opset version 13 is not supported. RuntimeError: view size is not co

the operator silu to ONNX opset version 10 is not supported

jacke121的专栏

06-01

3705

1. 在yolov5s的pytorch模型转换onnx模型时报如下错误：RuntimeError: step!=1 is currently not supported 原因主要是低版本的opset不支持切片操作导致的；把模型转换的代码改成如下所示即可，即使用版本11以上的opset：torch.onnx.export(model, img, "xxx.onnx", verbose=True,opset_version=11,export_params=True) 2. 解决该问题后可能会继续出现如下错误：

onnx模型转换opset版本和固定动态输入尺寸

we34dfg的博客

11-21

2397

背景：之前我想把onnx模型从opset12变成opset12，太慌乱就没找着，最近找到了官网上有示例的，大爱onnx官网，分享给有需求没找着的小伙伴们。

Linux系统下导出ORACLE数据库出现Exporting questionable statistics.错误处理

09-11

Linux系统下导出ORACLE数据库出现Exporting questionable statistics.错误处理

地图整饰与输出_exporting_maps_

09-30

Engine secondary development

EXP-00091 Exporting questionable statistics

04-13

NULL 博文链接：https://xujq.iteye.com/blog/1714222

RuntimeError: Exporting the operator affine_grid_generator to ONNX opset version 9 is not supported.

pyxiaosheng的博客

11-03

859

pth转onnx报错

【个人记录】torch转onnx对上TensorRT的grid_sample接口（4D/5D）进行加速

weixin_42492254的博客

10-16

2567

custom的grid_sample对接tenosrrt进行加速

torch to onnx加速，复杂网络pytorch转onnx报错记录及解决

unique_zhao的博客

12-18

2084

torch转onnx中问题的解决思路，设计interpolate算子，instance norm， grid sampler

[Debug] pytorch导出onnx模型时不支持roll操作

ccheiheihei的博客

07-01

1055

BUG:RuntimeError: Exporting the operator roll to ONNX opset version 11 is not supported. Please open a bug to request ONNX export support for the missing operator.

YOLO-V5训练自己的数据集

AIer_life的博客

05-04

1268

YOLO-V5训练自己的数据集一、环境配置 github上下载 yolo-5 项目代码（个人觉得大佬的代码写的太香了！）按照项目中的 requirements 安装相关包，这里需要注意的一点是由于我个人本机是3090的卡，然后cuda是11.4的版本，当我直接按照requirements中安装 torch 和 torchvision 出现与cuda版本兼容的问题（可能是我电脑的原因），于是乎，我就采取下面方式安装 torch 和torchvision。 pip install torch===1.

深度学习结合影像组学--肺癌预后的深度学习：一项回顾性多队列放射学研究：文献速递

最新发布

weixin_38594676的博客

05-17

558

这种分层允许评估肿瘤进展，建立预后，为有效的临床沟通提供标准术语，最重要的是，从化疗和手术到放疗和靶向治疗，确定适当的治疗计划。这部分是由于昨天的统计数据与今天更先进的治疗选择之间不可避免的差距，以及在平衡临床医生识别分层特征并在护理点应用分层算法的能力的同时，将患者分成符合历史数据的组之间的实际挑战。我们的临床黄金标准的局限性，结合我们对肿瘤内异质性的改进理解，表明需要开发可以在个体患者水平上运作的个性化生物标志物，而不是在人群水平上，最终导致更健壮的患者分层，并为精准肿瘤学实践奠定基础。

报错RuntimeError: Exporting/importing meta graphs is not supported when eager execution is enabled. No graph exists when eager execution is enabled.

06-01

这个错误通常是由于你的TensorFlow版本启用了Eager Execution（即立即执行模式），而在Eager Execution模式下，无法导出/导入Meta Graph。解决这个问题的方法之一是禁用Eager Execution。你可以使用以下代码在TensorFlow 2.0中禁用Eager Execution： ```python import tensorflow as tf tf.compat.v1.disable_eager_execution() ``` 如果你正在使用TensorFlow 1.x，则可以按照以下方式禁用Eager Execution： ```python import tensorflow as tf tf.compat.v1.disable_eager_execution() ``` 如果你需要使用Eager Execution，但又需要导出/导入Meta Graph，则可以使用`tf.compat.v1.Session()`来创建一个不启用Eager Execution的会话。例如，你可以按照以下方式导出Meta Graph： ```python import tensorflow as tf # 构建计算图 x = tf.placeholder(tf.float32, shape=[None, 784], name='x') y = tf.placeholder(tf.float32, shape=[None, 10], name='y') W = tf.Variable(tf.zeros([784, 10]), name='W') b = tf.Variable(tf.zeros([10]), name='b') logits = tf.matmul(x, W) + b loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=y)) train_op = tf.train.GradientDescentOptimizer(0.5).minimize(loss) # 创建会话并导出Meta Graph with tf.compat.v1.Session() as sess: sess.run(tf.compat.v1.global_variables_initializer()) saver = tf.compat.v1.train.Saver() saver.save(sess, 'my-model', global_step=0, write_meta_graph=True) ``` 在这个示例中，我们使用`tf.compat.v1.Session()`创建了一个不启用Eager Execution的会话，并使用`saver.save()`方法导出了Meta Graph，使得我们可以在其他地方导入该图。

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交