onnx如何在中间删除了一个节点，怎么样把剩下的节点连接一起呢

已于 2022-09-16 23:02:01 修改
阅读量1.2k 收藏 4
点赞数 1
分类专栏： ONNX 深度学习算法部署 文章标签： 部署 ONNX
于 2022-09-16 22:49:44 首次发布
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/yangjinyi1314/article/details/126898748
版权
本文探讨了在ONNX模型中删除中间节点后，如何重新连接剩余节点以保持模型完整性的方法。通过查阅CSDN上多位博主的文章，如昌山小屋、洪流之源等，可以学习到修改下层节点输入、添加新Node等技巧。此外，网络资源提供了更多关于ONNX模型裁剪和修改的教程，帮助开发者理解和实践这一过程。
摘要由CSDN通过智能技术生成
了解本专栏 订阅专栏 解锁全文 超级会员免费看
曙光_deeplove
关注
专栏目录
订阅专栏
极智AI | onnx模型增、删、改、查算子节点方法
极智视界
12-05 1202
大家好，我是极智视界，本文介绍一下 onnx 模型增、删、改、查算子节点方法。
ONNX 删除指定的结点
显闻
06-20 1014
onnx 删除指定的节点
ONNX删除节点示例（Deeplabv3plus）
DazeAJD的博客
08-05 4101
onnx模型修改节点
柳叶刀Onnx-GraphSurgeon：对onnx模型的中间端进行增，删，改，获取子图操作（二）
最新发布
自动驾驶实战
07-18 448
ONNX-GraphSurgeon是一个Python库，用于操作ONNX计算图。它提供了丰富的API，支持对计算图进行增删改查等操作。灵活性：可以轻松地修改计算图结构，如添加、删除、替换节点和边。高效性：支持在计算图中进行层融合、模型剪枝等优化操作。易用性：提供了简洁的API，便于开发者快速上手。官方代码地址：ONNX GraphSurgeon 是一个强大的深度学习模型优化工具，它可以帮助我们提高模型的推理速度和资源利用率。
onnx裁剪中间节点
qq_35037684的博客
02-13 3106
最近有遇到需要将onnx模型的中间节点裁剪掉的情况，mxnet转成的caff模型，预处理（减去均值除以方差的操作）写在了模型结构里，量化时要把预处理层单独拿出来，这个操作有两种方法可以实现，一种可以加载mxnet训练好的模型，去掉预处理后再保存；另一种时直接将onnx中对应的两个预处理节点裁掉，这里写一下第二种方法具体实现 import onnx_graphsurgeon as gs import numpy as np import onnx # remove preprocessing node #
【模型转换】onnx删除并新增节点
03-28 6132
仍然以【模型转化】修改onnx节点属性这篇文章中的例子为例来学习onnx的基本操作。这次不再修改Squeeze节点的属性(attribute)，而是删除原有Squeeze节点，再在原来位置添加一个新的Squeeze节点。 1.定位要操作的节点 import onnx ...
删除中间结点（直接用来当前节点操作）
muyu_muyu的博客
10-12 910
题意： 实现一种算法，删除单向链表中间的某个节点（即不是第一个或最后一个节点），假定你只能访问该节点。 示例： 输入：单向链表a->b->c->d->e->f中的节点c 结果：不返回任何数据，但该链表变为a->b->d->e 分析： 首先看到题目，容易想到是 删除结点基本操作， 但是这里 方法中给出的是要删除当前的结点的指针node,没有给出头结点head.所以这里用node进行删除操作` 思路： 1.把当前要删除结点的下一个结点的值，传给当前要删除节点 2.
onnx-su_onnx模型修改_onnx_
09-30
1. **添加Node节点**：在ONNX模型中，Node代表了计算图中的一个运算步骤。ONNX-Surgery允许你向现有模型中插入新的运算节点，这对于扩展模型功能或插入自定义操作至关重要。 2. **修改Node节点**：有时候，我们可能...
【深度学习】pytorch pth模型转为onnx模型后出现冗余节点“identity”，onnx模型的冗余节点“identity”
q742971636的博客
06-12 2031
onnx模型的冗余节点“identity”如下图。
onnx手术刀（ONNX-GraphSurgeon）：对模型的输入端进行增，删，改操作（一）
自动驾驶实战
07-14 633
ONNX-GraphSurgeon是一个Python库，用于操作ONNX计算图。它提供了丰富的API，支持对计算图进行增删改查等操作。灵活性：可以轻松地修改计算图结构，如添加、删除、替换节点和边。高效性：支持在计算图中进行层融合、模型剪枝等优化操作。易用性：提供了简洁的API，便于开发者快速上手。官方代码地址：ONNX GraphSurgeon 是一个强大的深度学习模型优化工具，它可以帮助我们提高模型的推理速度和资源利用率。
【ONNX】删改
qq_37794738的博客
04-07 453
在深度学习模型的部署过程中，对ONNX（Open Neural Network Exchange）模型进行删改是一个常见且重要的步骤。这个过程不仅关系到模型的推理性能和效率，还直接影响到最终部署的成功与否。以下是对ONNX模型进行删改的重要性以及进行这一过程时的重要步骤。
ONNX节点增、删、改、查（网络结构修改）
LOVELACE01的博客
01-04 1653
onnx模型增删改查，模型部署，算法开发
onnx模型如何增加或者去除里面node，即修改图方法
热门推荐
The space of Shining
03-08 1万+
有时候我们通过pytorch导出onnx模型，需要修改一下onnx的图结构，怎么修改呢？ 下面两个Python实例可以提供了修改思路。 Changing the graph is easier than recreating it with make_graph, just use append, remove and insert.参考https://github.com/onnx/onnx/i...
力扣237. 删除链表中的节点（与下一个节点交换）
小麦China的博客
03-02 291
力扣237. 删除链表中的节点（与下一个节点交换） 请编写一个函数，使其可以删除某个链表中给定的（非末尾）节点。传入函数的唯一参数为 要被删除的节点 。 现有一个链表 --head =[4,5,1,9]，它可以表示为: 示例 1： 输入：head = [4,5,1,9], node = 5 输出：[4,1,9] 解释：给定你链表中值为5的第二个节点，那么在调用了你的函数之后，该链表应变为 4 -> 1 -> 9. 示例 2： 输入：head = [4,5,1,9], node ...
onnxruntime 使用，删除、修改
zxxx66的博客
09-07 2242
输出中间层数据（python） import onnx from onnx import helper model = onnx.load(“C:/Users/Desktop/fastscnn_0907_fix.onnx”) #名字命名为想要输出层对应的节点名，参数类型、维度，需要自己给出 info = helper.make_tensor_value_info(‘552’,onnx.TensorProto.INT64, [1,1280, 1280]) #将构建的输出插入到模型中 model.graph.
onnx修改教程
weixin_41521681的博客
01-16 8014
1. 载入ONNX文件 输出该模型的节点个数，还有节点中的属性信息，当然也包含静态图的链路形状。 import onnx onnx_model = onnx.load("test.onnx") graph = onnx_model.graph node = graph.node for i in range(len(node)): print(node[i]) 2. 搜索目标节点 for i in range(len(node)): if node[i].op_type == 'Con
4.6.tensorRT基础(1)-实际模型上onnx文件的各种操作
周同学的博客
07-16 1370
4.6.tensorRT基础(1)-实际模型上onnx文件的各种操作
onnx合二为一
wuhongwuyan的博客
10-18 1310
onnx合并
onnx如何在中间删除了一个节点,怎么样把剩下的节点连接一起呢
04-30
ONNX是一种开源的神经网络交换格式，它可以让不同的深度学习框架之间的模型相互转换和交流。在这种格式中删除一个节点的操作相对简单，只需要修改该节点的输入输出节点即可。 首先，需要定位需要删除的节点，查看该节点的输入和输出节点。然后，将节点的输入节点的输出节点改为该节点的输出节点，将节点的输出节点的输入节点改为节点的输入节点。这样，就保持了所有节点的顺序和连接，并且中间的节点被删除了。node节点可视化如下图： ![node](https://img-blog.csdn.net/20180106211023567) 以上操作可以通过ONNX官网提供的Python API实现。下面是一个示例代码： ```python import onnx from onnx import shape_inference from onnx import helper from onnx import numpy_helper # 加载ONNX模型 model = onnx.load("model.onnx") # 获取需要删除的节点 node_to_delete = model.graph.node[3] # 修改输入节点和输出节点 for i in range(len(node_to_delete.input)): for j in range(len(node_to_delete.output)): old_input = node_to_delete.input[i] old_output = node_to_delete.output[j] for node in model.graph.node: if old_input in node.output: node.output.remove(old_input) node.output.append(old_output) if old_output in node.input: node.input.remove(old_output) node.input.append(old_input) # 删除节点 model.graph.node.remove(node_to_delete) # 保存修改后的模型 onnx.checker.check_model(model) onnx.save(model, "new_model.onnx") ``` 在这个示例代码中，我们首先加载了一个ONNX模型，并从中获取需要删除的节点。然后，我们通过循环遍历该节点的输入和输出节点，修改了它们之间的连接关系。最后，我们从模型中删除了该节点，保存了修改后的模型。
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

打赏作者

曙光_deeplove

你的鼓励是我努力的最大源泉

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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