RuntimeError: Exporting the operator amax to ONNX opset version 13 is not supported. Please feel fre

报错信息:

RuntimeError: Exporting the operator amax to ONNX opset version 13 is not supported. Please feel free to request support or submit a pull request on PyTorch GitHub.

再将pt转成onnx报错,抓住报错中关键词,是因为在导出onnx的时候,使用了amax这个api报错。但是在训练期间,这个api不会报错。

所以在导出onnx的时候,将amax换成其他,能实现具有相同效果的实现方法。

比如我这里遇到的,

原代码为:

max_scores = scores.amax(dim=-1) # 原码 训练用

被改为:

max_scores = scores.sort(dim=-1, descending=True)[0][..., :1].view(1, -1) # Onnx导出用

注意,不是每次amax都能用以上代码替代,反正要根据实际情况做相应调整。达到同等替换原代码功能的代码的效果。

举一反三,以后遇到类似的,提示某个具体方法引起onnx导出失败,解决方法类似。

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。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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