onnx转ncnn报错Shape not supported yet! Gather not supported yet # axis=0 Unsupported unsqueeze axes ! U

最新推荐文章于 2024-02-26 00:04:21 发布
最新推荐文章于 2024-02-26 00:04:21 发布
阅读量4.2k 收藏 8
点赞数 5
分类专栏： 问题－解决
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_42068948/article/details/114584935
版权 
# 在将pt模型转为onnx之后，将onnx转成ncnn
./onnx2ncnn ~/projects/pytorch-classification/mobilenet.onnx mobilenet.param mobilenet.bin

# 如果网络结构中用到了reshape或者view，可能会报以下错误
Shape not supported yet!
Gather not supported yet!
  # axis=0
Unsupported unsqueeze axes !
Unknown data type 0

# pt转换的onnx有很多冗余需要简化
# 可以借助onnx-simplifier
pip install onnx-simplifier
python -m onnxsim mobilenet.onnx mobilenet_sim.onnx 

# 然后再在ncnn的环境下执行,就可以成功转换
./onnx2ncnn ~/projects/pytorch-classification/mobilenet_sim.onnx mobilenet.param mobilenet.bin
码中白马
关注
  • 5
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
OcrLiteAndroidNcnn:Chineseocr Lite Android Onnx To Ncnn Demo，超轻量级中文OCR Android Demo，支持ncnn推理
05-24
OcrLiteAndroidNcnn Project下载 有整合好源码和依赖库的完整工程项目，文件比较大，可到Q群共享内下载，找以Project开头的压缩包文件 如果想自己折腾，则请继续阅读本说明 Demo APK下载 编译好的demo文件可以到Q群共享内下载 或者 介绍 Chineseocr Lite Android Ncnn Demo，超轻量级中文OCR Android Demo，支持ncnn推理 (DBNet+AngleNet+CRNN) 把onnx模型格式转为ncnn格式，并使用ncnn推理框架进行OCR识别。 代码和模型均源自chineseocr lite的onnx分支 详情请查看 采用ncnn神经网络前向计算框架 说明 封装为独立的Library。 Native层以C++编写。 demo app以Kotlin-JVM编写。 Android版与其它版本不同，包含了几个应用场景，
YOLOv8-pose在ncnn框架下部署代码，包括onnx、*.bin、*.param
05-05
YOLOv8-pose在ncnn框架下部署过程记录（包含ncnn、pnnx安装以及模型结构更改及转换） https://blog.csdn.net/Rachel321/article/details/130381788
pytorch转onnx再转ncnn出错
qq_33346150的博客
12-20 1386
原因：pytorch转换的onnx有很多冗余需要简化 pytorch转onnx再转ncnn出错 pytorch生成onnx转换模型时有一些冗余，我们用工具简化一下onnx模型 执行下面命令 pip install onnx-simplifier python -m onnxsim face.onnx face_sim.onnx 转换就是正常的了 附上大佬的github链接：https://github.com/biubug6/Face-Detector-1MB-with-landmark/issues/1
pt模型转ncnn模型
qq_21258589的博客
02-26 560
修改模型 注意不是看行号。3.onnx转ncnn。
4.27 构建onnx结构模型-Unsuqeeze
weixin_45063703的博客
12-30 436
构建onnx方式通常有两种：1、通过代码转换成onnx结构，比如pytorch —> onnx2、通过onnx 自定义结点，图，生成onnx结构本文主要是简单学习和使用两种不同onnx结构，下面以Unsuqeeze结点进行分析。
MODNet官方onnx及其转换的ncnn模型、NCNN量化后模型
04-01
1、MODNet官方提供的onnx模型； 2、MODNet官方onnx模型转ncnn； 3、ncnn int8量化后的模型。
onnx模型转 ncnn 模型全连接层输出shape不对问题解决
liguiyuan的博客
06-02 976
模型的为5个分类，onnx的输出为[1, 5] 是正确的，但是跑ncnn模型发现输出为 [1, 8, 5] ，经过打印log分析，是 softmax层前面的 fc层导致的问题。A * B = [1, 200] * [5, 200] ，这个矩阵是不能正常计算的，由于维度不同不能直接计算，但是在执行代码的时候没出错的原因，可能是由于gemm分块计算的原因，然后最后输出为。A * B + C，对应的维度为 [1, 200] * [200, 5] + [5] => [1, 5] 输出维度正确。
onnx转ncnn的一个坑
whaosoft143ai的博客
03-16 900
记录一个解决onnx转ncnn时op不支持的trick,最近准备整理一下使用TNN、MNN和NCNN的系列笔记，好记性不如烂笔头（记性也不好），方便自己以后踩坑的时候爬的利索点~这里 ，目前70多C++推理例子，能编个lib来用，感兴趣的同学可以看看，就不多介绍了首先说明一下，选择什么样的推理引擎完全是个人喜好，所以这篇短文仅记录技术问题。今天，想捏一下SCRFD的C++推理，我的习惯通常是同时捏多个版本，比如MNN、NCNN、TNN和ONNXRuntime。 whaosoft aiot http://14
pytorch转MNN或NCNN解决
Try_再努力一点
01-31 1100
Pytorch转NCNN： 1、先将torch模型转成ONNX模型； 2、再讲ONNX模型转成NCNN模型；如果遇到Unsqueeze not supported yet!或Shape not supported yet!问题解决方法：使用ONNX Simplifier 简化模型。 3、pip installonnx-simplifier 完成安装后，执行：python-m onnxsim input_onnx_model output_onnx_model 完成模型简化。 4、ONN...
手把手教学在windows系统上将pytorch模型转为onnx，再转为ncnn的全过程
weixin_42280271的博客
04-10 1111
最近呢，在忙一个项目，需要将pytorch训练的模型部署在移动端。然后遇到也遇到了一些坑，简单的记录一下整个过程，转换的模型就使用经典的分类网络模型mobilenet_v2。
【CNN记录】tensorflow中reduceMax、reduceMin、reduceSum、reduceMean介绍
夏天Alex
11-21 1493
reducemin等
mobilefacenet-mxnet:基于insightface训练mobilefacenet的相关步骤及ncnn转换流程
05-18
5月16日更新 经多位网友的共同实验，原方案部分情况下迭代次数稍微不足，导致最终识别率略有小差异，为了相对容易获得论文的最佳结果，对训练方案进行简单更新，实际训练也可根据数据acc训练是否已稳定来判断lr下降的迭代次数： 适当增大softmax迭代次数，4万-->12万； 增大arcface第一级lr0.1的迭代次数，8万-->12万； ps：无闲置机器，暂不再更新log。该项目训练步骤，已验证mobilefacenet可复现，良心大作，期待作者后续的研究。 5月14日更新 更新两个实验测试： arcface_loss_test2-4：接lr0.1已经训练12万次的模型，增强lr0.1步骤的训练8万次，自身acc小幅提升，下降lr后，最终部分结果中lfw最佳结果99.517%，agedb有模型已提升至96.033%+ arcface_loss_test2-5：接arcface_loss_t
【paddle转onnx】工程包Paddle2ONNX
最新发布
02-26
Paddle2ONNX 支持将 PaddlePaddle 模型格式转化到 ONNX 模型格式。通过 ONNX 可以完成将 Paddle 模型到多种推理引擎的部署，包括 TensorRT/OpenVINO/MNN/TNN/NCNN/RKNN，以及其它对 ONNX 开源格式进行支持的推理引擎或硬件。
pytorch转ncnn目标检测源码
08-22
pytorch转ncnn目标检测源码，对应博客https://blog.csdn.net/weixin_45915902/article/details/103416431
tensorflow模型转ncnn的操作方式
09-16
主要介绍了tensorflow模型转ncnn的操作方式，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
C++ pytoch -> onnx -> ncnn
11-27
C++ pytoch -> onnx -> ncnn
深度学习之模型转换(pytorch2onnx2ncnn)详细介绍
09-01
深度学习之模型转换(pytorch2onnx2ncnn)，适用于使用深度学习框架NCNN进行嵌入式移动端的模型部署
yolov5转化成onnx的模型和 NCNN模型
08-05
yolov5转化成onnx的模型和 NCNN模型
use ncnn with pytorch or onnx
03-03 157
Here is a practical guide for converting pytorch model to ncnn resnet18 is used as the example pytorch to onnx The official pytorch tutorial for exporting onnx model Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX — PyTorch Tutorials 1
onnx 转 ncnn 指令
03-26
是什么？ ONNX 是一种用于表示深度学习模型的格式，而 NCNN 则是一个高性能神经网络推理框架。将 ONNX 模型转化为 NCNN 模型可以在不同平台上实现高效的推理。以下是 ONNX 转 NCNN 的指令： ```bash ./onnx2ncnn <model.onnx> <model.param> <model.bin> ``` 其中，`model.onnx` 是 ONNX 模型文件，`model.param` 和 `model.bin` 则是转换后的 NCNN 模型文件。执行该命令后，系统将自动执行 ONNX 模型到 NCNN 模型的转换过程。

“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 8
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