转换onnx_PyTorch 到 ONNX 到 Tensorflow 到 TFLite的坑

最新推荐文章于 2024-06-15 09:34:43 发布
最新推荐文章于 2024-06-15 09:34:43 发布
阅读量1k 收藏 1
点赞数 1
文章标签： 转换onnx
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/weixin_35598388/article/details/112570342
版权

.view()

在 Pytorch 中，经常会对某个具体的 Tensor 做变换的处理。但在 PyTorch 转换到 ONNX 的过程中，例如 

fea = fea.view(1, -1, 1, 1)

ONNX 会错误将 view 的纬度扩张变成 Reshape 节点，如下图所示

db00e9d74ed92af125b89c71cbe1da2a.png

但是在 Reshape 节点转换到 Tensorflow 的时候，Reshape 节点就变成了 Where 节点和若干节点的组合以防止出现纬度扩张的时候的 Bug，如下图所示

a2825dee2f9f4dc528a43734029faa40.png

虽然这样子处理貌似稳妥，但是在后续 TF 模型转换到 TFLite 的时候，TFLite 是不支持 Where 节点的。在翻阅 PyTorch Discuss 和 Stackoverflow 的众多讨论后发现大部分人也都是在这里弃坑。

为了避免这个自动转换的问题，这里正确的处理方式为

fea =
最低0.47元/天 解锁文章
花伦儿
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
探索AI模型转换新工具：ONNX到TFLite的无缝迁移
gitblog_00079的博客
04-18 1196
探索AI模型转换新工具：ONNX到TFLite的无缝迁移 项目地址:https://gitcode.com/MPolaris/onnx2tflite 在人工智能领域，模型的可移植性是至关重要的。不同框架之间的兼容性和效率直接影响了开发者的工作流程和应用性能。为此，我们想要向大家推荐一个非常实用的开源项目——onnx2tflite，它是一个方便的工具，能够帮助开发者将ONNX模型无缝地转换为Goog...
onnx_tflite_yolov3:转换工具，可将YOLO v3暗网权重转换为TF Lite模型（YOLO v3 PyTorch> ONNX> TensorFlow> TF Lite）和TensorRT（YOLO v3 Pytorch> ONNX> TensorRT）
05-18
介绍 一种转换工具，可将YOLO v3暗网权重转换为TF Lite模型（YOLO v3 PyTorch> ONNX> TensorFlow> TF Lite）和TensorRT模型（dynamic_axes分支）。 先决条件 python3 torch==1.3.1 torchvision==0.4.2 onnx==1.6.0 onnx-tf==1.5.0 onnxruntime-gpu==1.0.0 tensorflow-gpu==1.15.0 码头工人 docker pull zldrobit/onnx:10.0-cudnn7-devel 用法 1.下载预训练的Darknet权重： cd weights wget https://pjreddie.com/media/files/yolov3.weights 2.将YOLO v3模型从Darknet权重转换为ONNX模
推荐使用tflite2onnx——无缝转换你的模型
最新发布
gitblog_00076的博客
06-15 478
推荐使用tflite2onnx——无缝转换你的模型 项目地址:https://gitcode.com/zhenhuaw-me/tflite2onnx 在深度学习的世界里，模型的互操作性对于加速研究和部署至关重要。今天，我们要向大家推荐一个强大且实用的工具：tflite2onnx。这个开源项目旨在帮助开发者轻松地将TensorFlow Lite（TFLite）模型转换为ONNX格式，极大地拓宽了模型...
onnx转tflite
kalahali的博客
03-14 4648
由于pytorch的输入是NCHW，转成ONNX也是NCHW，再使用onnx-tf转成tflite时，输入也是NCHW，所以在某些需要以NHWC为输入的算子上（如conv），就会在该算子的前后分别多出一个transpose算子（第一个用于NCHW->NHWC，第二个用于NHWC->NCHW），这也是onnx-tf转换的生硬之处，多出的算子会对推理速度有一些影响。导出onnx文件注意下opset version，需要设置为与onnx兼容的版本，理论上是可以向下兼容至7。
onnx转tflite模型
LuchangLi 的专栏
11-21 2680
onnx转tflite模型
pth转onnx，onnx转tflite，亲测有效
Stefan的博客
10-20 3863
pytorch模型转onnx模型，onnx模型转tflite模型。
pytorch-＞onnx-＞tf-＞tflite
m0_37591905的博客
10-20 2012
1.pytorch->onnx try: import onnx print('\nStarting ONNX export with onnx %s...' % onnx.__version__) f = opt.weights.replace('.pth', '.onnx').replace('.pt', '.onnx') # filename torch.onnx.export(model, img, f, verbo
Python_YOLOv5在PyTorch ONNX CoreML TFLite.zip
05-23
这个压缩包"Python_YOLOv5在PyTorch ONNX CoreML TFLite.zip"显然包含了将YOLOv5模型转换为不同平台兼容格式的资源，比如PyTorch、ONNX、CoreML和TFLite。 1. **PyTorch**: PyTorch是Facebook开发的一个开源深度...
TensorRT-Yolov5的tensorrt部署-TF2+TFlite+ONNX+TRT-优质算法部署项目实战.zip
02-28
本项目实战旨在深入探讨TensorRT在Yolov5模型上的应用，通过TensorFlow 2 (TF2)、TensorFlow Lite (TFlite)、ONNX（Open Neural Network Exchange）以及NVIDIA的TensorRT (TRT)进行高效部署。这些工具和技术的结合...
pytorch-to-tflite-example:将在PyTorch中定义和预训练的MobileNetV3Small转换为TFLite量化模型
05-04
pytorch到tflite的例子 将在PyTorch中定义和预训练的MobileNetV3Small转换为TFLite量化模型 要求 Python> = 3.6.0 Python套件： Keras==2.2.4 onnx==1.5.0 onnx2keras==0.0.3 tensorflow==1.14.0 torch==1.1.0...
PINTO_model_zoo：一个共享TensorFlow Keras生成的经过训练的模型的调整结果的存储库。 训练后量化（权重量化，整数量化，完全整数量化，Float16量化），量化意识训练。 TensorFlow Lite。 OpenVINO。 CoreML。 TensorFlow.js。 TF-TRT。 MediaPipe。 ONNX。 [.tflite，.h5，.pb，saved_model，tfjs，t​​ftrt，mlmodel，.xml.bin，.onnx]
02-06
PINTO_model_zoo 使用模型之前，请阅读每个文件夹正下方的LICENSE文件的内容。... TensorFlow Lite，OpenVINO，CoreML，TensorFlow.js，TF-TRT，MediaPipe，ONNX [.tflite，.h5，.pb，Saved_model，tf
tflite2onnx:将TensorFlow Lite模型（* .tflite）转换为ONNX
05-03
tflite2onnx-将TensorFlow Lite模型转换为ONNX tflite2onnx将TensorFlow Lite（TFLite）模型（ *.tflite ）转换为ONNX模型（ *.onnx ），并正确处理了数据布局和量化语义（有关详细信息，请*.onnx）。 强调 如果您想将TensorFlow模型（冻结图*.pb ， SavedModel或其他格式）转换为ONNX，请尝试 。 或者，您可以先将其为TFLite（ *.tflite ）模型，然后再将TFLite模型转换为ONNX。 微软在tf2onnx实现了另一个TensorFlow Lite至ONNX模型转换器（我们于2020年5月开源tflite2onnx ）。 tf2onnx似乎能够像我们一样转换量化，并且似乎能够转换尚不支持的RNN网络。 如果tflite2onnx缺少任何功能，请尝试tf2onnx --t
Pytorch转tflite方式
09-16
主要介绍了Pytorch转tflite方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
onnx-simplifier:简化您的Onnx模型
04-29
ONNX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 ,
pytorch模型、ONNX模型 转成tensorflow模型(pb格式 or tflite格式）
yao52119471的博客
12-23 4266
pytorch模型、ONNX模型 转成tensorflow模型(pb格式 or tflite格式） 帮转以下模型 #1： onnx 转tensorflow模型(pb格式 or tflite格式）； #2： pytorch模型 转 onnx模型 再转tensorflow模型(pb格式 or tflite格式）； 自己写的代码，需要的或者需要帮转模型的请加qq442622355 ...
Onnx 转为 TF backend
weixin_30957413的博客
11-04 910
ONNX 转为 TF backend
模型转换pytorch-＞onnx-＞saved_model-＞tflite
qq_41669468的博客
12-07 2580
目前的很多模型使用pytorch框架进行训练，移植到android时，需要将模型进行转换：ncnn, tflite等（）
Reshape and ssd Permute onnx转换caffe代码
m0_37192554的博客
12-20 1104
caffe 中两个层的参数如下 layer { name: "reshape" type: "Reshape" bottom: "input" top: "output" reshape_param { ##字典里面一个字典 shape { dim: 0 # copy the dimension from below ...
深度学习模型转换与部署那些事(含ONNX格式详细分析)
gdamichael的博客
11-14 6737
转自http://bindog.github.io/blog/2020/03/13/deep-learning-model-convert-and-depoly/ 背景 深度学习模型在训练完成之后，部署并应用在生产环境的这一步至关重要，毕竟训练出来的模型不能只接受一些公开数据集和榜单的检验，还需要在真正的业务场景下创造价值，不能只是为了PR而躺在实验机器上 在现有条件下，一般涉及到模型的部署就要涉及到模型的转换，而转换的过程也是随着对应平台的不同而不同，一般工程师接触到的平台分为GPU云平台、手机和其
RtinaFace Mxnet模型转TNN,附Reshape层踩坑
damon93的博客
03-17 790
RtinaFace Mxnet模型转TNN,附Reshape层踩坑背景说明模型转换过程我的环境mxnet to caffecaffe to tnn [Reshape层踩坑]模型结果错误排查修复方法思考 背景说明 我从下面这个位置获取到的RetinaFace模型是mxnet的: yangfly: RetinaFace-MobileNet0.25 (baidu cloud:nzof). TNN提供的模型转换选项如下: {onnx2tnn,caffe2tnn,tf2tnn,tflite2tnn} 并不支持m

“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
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