读取onnx模型，打印网络节点信息

要根据 ONNX（Open Neural Network Exchange）模型得到结构代码，你可以使用 ONNX 的 Python 库。这可以帮助你解析 ONNX 模型，并生成相应的结构代码。下面是一个示例代码，它展示了如何使用 ONNX 库来加载一个 ONNX 模型并输出其层次结构。

首先，你需要安装 onnx 和 onnxruntime 库。你可以使用以下命令安装它们：

pip install onnx onnxruntime

然后，你可以使用下面的 Python 代码来加载和解析 ONNX 模型：

import onnx
from onnx import helper, shape_inference

# 加载 ONNX 模型
model_path = 'your_model.onnx'  # 替换为你的 ONNX 模型路径
model = onnx.load(model_path)

# 进行形状推断
model = shape_inference.infer_shapes(model)

# 获取模型图
graph = model.graph

# 打印模型的输入和输出
print("Model inputs:")
for input in graph.input:
    print(f"{input.name}: {input.type.tensor_type.shape.dim}")

print("\nModel outputs:")
for output in graph.output:
    print(f"{output.name}: {output.type.tensor_type.shape.dim}")

# 打印模型中的节点信息
print("\nModel nodes:")
for node in graph.node:
    print(f"Node name: {node.name}, op_type: {node.op_type}")
    print(f"Inputs: {node.input}")
    print(f"Outputs: {node.output}")
    print("Attributes:")
    for attr in node.attribute:
        print(f"  {attr.name}: {helper.get_attribute_value(attr)}")
    print("\n")

# 如果需要，你还可以生成更详细的结构代码
def print_node_details(node):
    print(f"Node name: {node.name}")
    print(f"Operation type: {node.op_type}")
    print("Inputs:")
    for input in node.input:
        print(f"  {input}")
    print("Outputs:")
    for output in node.output:
        print(f"  {output}")
    if node.attribute:
        print("Attributes:")
        for attr in node.attribute:
            print(f"  {attr.name}: {helper.get_attribute_value(attr)}")
    print("\n")

# 遍历并打印详细信息
for node in graph.node:
    print_node_details(node)

解释

1. 加载 ONNX 模型：使用 onnx.load(model_path) 加载指定路径的 ONNX 模型。
2. 形状推断：使用 shape_inference.infer_shapes(model) 对模型进行形状推断，以确保可以获得各层的形状信息。
3. 获取模型图：model.graph 获取模型的计算图。
4. 打印输入和输出：遍历 graph.input 和 graph.output，打印输入和输出节点的名称和形状信息。
5. 打印节点信息：遍历 graph.node，打印每个节点的名称、操作类型、输入、输出以及属性。
6. 详细信息：如果需要更详细的信息，可以定义 print_node_details 函数并调用它。

通过这种方式，你可以解析 ONNX 模型并生成相应的结构代码，了解模型的层次结构和各个节点的信息。