sam和mobilesam导出onnx的问题

已于 2023-10-07 11:30:31 修改
阅读量891 收藏 2
点赞数
分类专栏： 深度学习算法部署 ONNX 文章标签： 深度学习 人工智能
于 2023-10-06 10:57:33 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/133606341
版权
在尝试将sam和mobilesam模型导出为ONNX格式时遇到错误，包括不支持的OPSET版本16和'Torch._C.Value' object不可迭代的TypeError。通过升级PyTorch到1.12和使用opset 13，或直接修改源码解决了问题。
摘要由CSDN通过智能技术生成

环境：python==3.10，torchvision==0.12.0+cu113  onnx==1.12.0   onnxruntime==1.13.1

一、问题

我们在mobilesam工程（sam工程一样的）导出onnx的时候默认出现：

”ValueError: Unsupported ONNX opset version: 16“

然后我们就按照一些资料，将opset降低到使用13，结果还是不行：

”

repeat_interleave
for idx, r_split in enumerate(r_splits):
TypeError: 'torch._C.Value' object is not iterable
(Occurred when translating repeat_interleave).

”

二、解决方法

（1）升级pytorch版本

I create a new conda env, use pytorch=1.12, and opset=13, solve the problem.

Try PyTorch 2.0. The requirements are likely PyTorch 2.0 and opset version 17.

（2）修改源码

/home/wt-yjy/miniconda3/envs/sam/lib/python3.10/site-packages/mobile_sam/modeling/mask_decoder.py

修改后：


                

        

        

    




        

            

                

                

                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
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    2
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
                
  • 
                  
                    打赏
                    
                  
                  
    打赏
    
                
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          

                

                        订阅专栏
                










                



	

		

			

				
					
大模型——MobileSAM的Onnxruntime cpp部署

				
			

			

				

					如果想成为中心，那么就到中心去吧。
				

				

					09-11
					
					1440
					
				

			

		

		

			
				
该项目旨在为Segment Anything和MobileSAM创建一个纯 C++ 推理 api ，在运行时不依赖于 Python。代码存储库包含一个带有测试程序的 C++ 库，以便于将接口轻松集成到其他项目中。模型加载大约需要 10 或 1 秒，单次推理大约需要 20 毫秒，使用 Intel Xeon W-2145 CPU（16 线程）获得。在运行时，如果在 CPU 上运行，该接口可能消耗大约 6GB 或 1GB 内存，如果在 CUDA 上运行，则可能消耗 16GB 或 1GB 内存。

			
		

	



                

              
                



	

		

			

				
					
SAM分割模型onnx导出模型问题：Exporting the operator repeat-interleave to ON

					
最新发布

				
			

			

				

					07-01
				

			

		

		

			
				
问题汇总：遇到的报错有：  Unsupported ONNX opset version: 17  Exporting the operator repeat_interleave to ONNX opset version 11 is not supported  TypeError: 'torch._C.Value' object is not iterable ...

			
		

	



                


  
              

                


	

		

			

				
					
SAM分割模型onnx导出模型问题：Exporting the operator repeat_interleave to ONNX opset version 11 is not supported

				
			

			

				

					dw的博客
				

				

					07-01
					
					428
					
				

			

		

		

			
				
问题汇总：遇到的报错有：

Unsupported ONNX opset version: 17

Exporting the operator repeat_interleave to ONNX opset version 11 is not supported

TypeError: 'torch._C.Value' object is not iterable(Occurred when translating repeat_interleave).


问题解决:

1.历程：尝试改了opset=

			
		

	





	

		

			

				
					
mobileSAM onnx模型

				
			

			

				

					05-31
				

			

		

		

			
				
将MobileSAM模型导出为ONNX格式可以带来一些优势和用途：

跨平台部署： ONNX是一种开放式的跨平台模型表示格式，支持多种深度学习框架。通过将MobileSAM模型导出为ONNX格式，你可以在不同的深度学习框架中加载和运行该模型，从而实现跨平台部署。

移动端部署： ONNX格式的模型可以在移动设备上进行部署，包括智能手机、平板电脑等。MobileSAM模型本身就是设计用于移动设备的轻量级模型，将其导出为ONNX格式可以更轻松地集成到移动应用程序中。

模型优化： 导出为ONNX格式后，你可以使用ONNX提供的工具对模型进行优化和微调，以提高模型的性能和效率。例如，你可以使用ONNX Runtime来运行和推理ONNX格式的模型，它提供了针对移动设备和嵌入式系统的优化。

模型转换和集成： 有时候，你可能需要将MobileSAM模型与其他模型进行集成或转换为其他格式。通过首先将其导出为ONNX格式，可以更容易地与其他模型进行整合，并且可以利用ONNX的丰富工具生态系统进行后续处理和转换。

			
		

	



		

			
		



	

		

			

				
					
MobileSAM大模型在Onnxruntime的C++部署实践

				
			

			

				

					weixin_41888295的博客
				

				

					04-15
					
					432
					
				

			

		

		

			
				
本文将介绍如何使用Onnxruntime在C++环境中部署MobileSAM大模型，包括环境准备、模型转换、加载模型、数据预处理和推理等步骤。通过实际操作和代码示例，帮助读者理解和掌握大模型在C++环境中的部署方法。

			
		

	





	

		

			

				
					
【SAM导出】使用torch.onnx.export将pth格式导出为onnx格式（Pytorch代码详解）

				
			

			

				

					qq_43426908的博客
				

				

					04-29
					
					1210
					
				

			

		

		

			
				
一般情况下，我们保存模型的格式都是pth的，最近根据一个项目需求，需要把pth格式转换为onnx格式，方便后面的调取，故此学习理解了一下，记录将SAM模型导出为onnx的过程。

			
		

	





	

		

			

				
					
让SAM再快一点！轻量级模型MobileSAM：一张图像10ms！

				
			

			

				

					CV_Autobot的博客
				

				

					06-30
					
					410
					
				

			

		

		

			
				
作者|happy 编辑|极市平台点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【大模型】技术交流群导读本文提出一种"解耦蒸馏"方案对SAM的ViT-H解码器进行蒸馏，同时所得轻量级编码器可与SAM的解码器"无缝兼容"。在推理速度方面，MobileSAM处理一张图像仅需10ms，比FastSAM的处理速度快4倍。Faster Segment A...

			
		

	





	

		

			

				
					
SAM和system文件复制工具.zip

				
			

			

				

					02-05
				

			

		

		

			
				
标题中的“SAM和system文件复制工具”指的是一个用于复制Windows操作系统中的SAM（Security Accounts Manager）文件和system文件的专用程序。SAM文件存储了系统中所有用户的账号信息，包括用户名、密码哈希等关键...

			
		

	





	

		

			

				
					
Atmel推出SAM G54和SAM G55

				
			

			

				

					01-20
				

			

		

		

			
				
公司（NASDAQ：ATML）今日宣布推出SAM G54和SAM G55，扩展了其屡获奖项的基于Cortex?-M4的MCU产品SAM G系列。   新系列定位于快速兴起的物联网（IoT）市场，为其中包括健身手环和智能手表、传感器集线器管理、医疗...

			
		

	





	

		

			

				
					
分割一切模型 Fast SAM C++推理部署---onnxruntime（有核心代码）

				
			

			

				

					勿忘初心,方得始终
				

				

					08-12
					
					2197
					
				

			

		

		

			
				
使用C++部署FastSAM模型

			
		

	





	

		

			

				
					
[segment-anything]使用onnxruntime部署sam模型，速度提高30倍！

				
			

			

				

					m0_75272311的博客
				

				

					04-22
					
					9684
					
				

			

		

		

			
				
使用onnxruntime部署segment-anything模型

			
		

	





	

		

			

				
					
pytorch tensorboardX可视化问题：AttributeError: ‘torch._C.Value‘ object has no attribute ‘debugName‘记录

				
			

			

				

					开飞机的小毛驴儿
				

				

					09-27
					
					1350
					
				

			

		

		

			
				
pytorch 版本使用1.1.0 参照下列命令

1
2
3
pip3 install
https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl ##（CUDA 10.0）
https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl ##（CUDA 9.0)


和tensorboardx使用 1.8版本

1
pip i.

			
		

	





	

		

			

				
					
Python3报错TypeError: '***' object is not iterable

					
热门推荐

				
			

			

				

					weixin_44316575的博客
				

				

					04-12
					
					9万+
					
				

			

		

		

			
				
首先看一下这个报错信息“TypeError: '***' object is not iterable”，意思是说：“类型错误:'***'对象不可迭代”。

首先了解一下什么事迭代。



迭代器

迭代是Python最强大的功能之一，是访问集合元素的一种方式。

迭代器是一个可以记住遍历的位置的对象。

迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。...

			
		

	





	

		

			

				
					
object is not iterable 对象不可迭代

				
			

			

				

					Jenny____的博客
				

				

					02-24
					
					1万+
					
				

			

		

		

			
				
for var in nc_file.variables:
	print(var,end='\n')
	for attr in nc_file[var].ncattrs:
		print('%s:%s'%(attr,nc_file[var].getncattr(attr)))
	print()
程序报错：



			
		

	





	

		

			

				
					
pytorch报错TypeError: ‘torch.Size‘ object is not callable解决方案

				
			

			

				

					qq_52868635的博客
				

				

					10-11
					
					9395
					
				

			

		

		

			
				
在深度学习的过程中，用pytorch遇到了TypeError: 'torch.Size' object is not callable的报错以及解决方案。

			
		

	





	

		

			

				
					
解决：ValueError: Unsupported ONNX opset version: 15

				
			

			

				

					nianjiuhuiyi的博客
				

				

					10-21
					
					1389
					
				

			

		

		

			
				
解决pth模型转onnx模型遇到的“ValueError: Unsupported ONNX opset version: 17”这类的问题。

			
		

	





	

		

			

				
					
【图像分割】大模型SegmentAnything、FastSAM与MobileSAM对比

				
			

			

				

					qq_45752541的博客
				

				

					10-09
					
					2475
					
				

			

		

		

			
				
sam作为首个分割一切的zero shot 图像分割模型，展现出了强大性能。紧随其后，今年陆续出了FastSAM 与 MobileSAM两个加速版本。博主已经安装，亲测效果很棒

			
		

	





	

		

			

				
					
MobileSAM onnx

				
			

			

				

					10-13
				

			

		

		

			
				
MobileSAM是一种基于MobileNetV2和SAM(Spatial Attention Module)的轻量级图像分类模型，ONNX是一种用于表示深度学习模型的开放式格式。因此，MobileSAM onnx指的是将MobileSAM模型转换为ONNX格式的过程。

在将MobileSAM模型转换为ONNX格式之前，需要先将其训练好的权重文件转换为ONNX格式。这可以通过使用ONNX-TensorFlow工具来实现。具体步骤如下：

1. 使用TensorFlow加载MobileSAM模型，并将其训练好的权重文件加载到模型中。
2. 使用tf2onnx工具将TensorFlow模型转换为ONNX格式。



			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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