关于 ONNX export failed: Couldn‘t export operator aten::upsample_bilinear2d 解决方案

最新推荐文章于 2024-03-30 17:35:55 发布
最新推荐文章于 2024-03-30 17:35:55 发布
阅读量844 收藏 1
点赞数 2
分类专栏： pytorch 文章标签： python
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/zouxiaolv/article/details/108522499
版权

关于torch导出onnx时候无法导出 upsample_bilinear2d的问题：
有人说直接将bilinear换成nearest，但是模型效果自然打折扣
完美的解决方案如下

torch.onnx.export(model, dummy_tensor, output, export_params=True,opset_version=11)

这里只需要在后面多加一个 opset_version = 11 就可以解决
但是前提是你的pytorch版本需要大于1.3.0

 

 

或者

https://blog.csdn.net/baidu_34172099/article/details/105192688?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

zouxiaolv
关注
专栏目录
Pytorch转ONNX转TesnorRT加速推理过程
qq_33287871的博客
04-22 1196
前言 我们训练好深度学习模型后，这时其仍然需在特定的深度学习框架下运行，往往不能进行高性能推理。 NVIDIA提供了一套高效推理的框架——TensorRT，可将已训练好的模型转为TensorRT引擎格式，然后进行高效推理。 对于Pytorch用户而言，该技术路线为：pytorch model–>onnx file–>TensorRT engine 因此，我们需要做的只有三步： 将Pytorch模型转为ONNX作为中间格式； 将ONNX文件转为TensorRT引擎（格式包括：FP32、FP16、
pytorch转onnx遇到的问题汇总
juluwangriyue的博客
06-11 3438
1、关于torch导出onnx时候无法导出 upsample_bilinear2d的问题： 有人说直接将bilinear换成nearest，但是模型效果自然打折扣 完美的解决方案如下 torch.onnx.export(model, dummy_tensor, output, export_params=True,opset_version=11) 这里只需要在后面多加一个 opset_version = 11 就可以解决 但是前提是你的pytorch版本需要大于1.3.0 2、ONNX export f
RuntimeError: ONNX export failed: Couldn't export operator aten::avg_pool2d
孙荣达的博客
05-24 6702
RuntimeError: ONNX export failed: Couldn’t export operator aten::avg_pool2d 用ONNX做模型转换从pytorch转换成ONNX做算法移植，resNet50，32都没问题，但是到resNet18，ONNX模型无法导出报错。 看了一下问题，avg_pool2d层的问题复上源码 首先，如果你是使用了avg_pool2d，那很好办...
关于 ONNX export failed: Couldn't export operator aten::upsample_bilinear2d 解决方案
info_black_hole的博客
04-16 3315
关于torch导出onnx时候无法导出 upsample_bilinear2d的问题： 有人说直接将bilinear换成nearest，但是模型效果自然打折扣 完美的解决方案如下 torch.onnx.export(model, dummy_tensor, output, export_params=True,opset_version=11) 这里只需要在后面多加一个 opset_versio...
Couldn‘t export operator aten::upsample_bilinear2d
baidu_34172099的博客
03-30 1273
这是在pytorch在向onnx转移模型时候遇到的问题，虽然onnx并不是完全支持pytorch所有层，但是上采样这个还是可以的，导致这个的原因是upsample_blinear2d丢失导致，所以在envs下的pytorch的onnx文件夹下找到 symbolic_opset9.py，把里面720行左右相似的语句修改为如下（建议修改之前先复制一份文件备份）： upsample_bilinear1d...
ONNX export failed: Couldn‘t export operator aten::upsample_bilinear2d
so
08-07 418
升级pytroch >1.3 opset_version=10 torch.onnx.export(model, dummy_tensor, output, export_params=True,opset_version=11)
RuntimeError: ONNX export failed: Couldn‘t export operator aten::upsample_bilinear2d
DYF的博客
02-04 1685
pth --> onnx报错 RuntimeError: ONNX export failed: Couldn't export operator aten::upsample_bilinear2d 解决： torch.onnx.export(model, input, onnx_path, verbose=True, input_names=input_names, output_names=output_names) #增加：opset_version=11 torch.onnx.e
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
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....
亲测解决../aten/src/ATen/native/cuda/NLLLoss2d.cu:xxx: Assertion `t ＞= 0 && t ＜ n_classes` failed
狂小虎/Anthony Dave的博客 KuangXiaoHu's Blogs
12-26 1482
这个问题关键在于，就是数据的标签必须在0到数据标签总数之间。小虎的数据是因为遇到了-1的label，解决方法是把label范围给限定在提示的范围内。
RuntimeError: ONNX export failed: Couldn‘t export Python operator SwishImplementation
qq_38675397的博客
07-18 4527
将pytorch模型转为onnx模型，代码如下 weights_path = '模型权重的路径' net = EfficientNet.from_name('efficientnet-b2', {'num_classes': 2}) net.load_state_dict(torch.load(weights_path)) net.eval() torch.onnx.export(net, input, 'efficientnet_ss.onnx') 报错：RuntimeError: ONNX ex
Pytorch——初探onnx（1）解决upsample_bilinear2d转换问题
weixin_45709671的博客
07-07 4404
问题 将pytorch的pth文件读取后转换为ONNX格式，尝试使用下述代码将model导出为onnx格式 onnx.export(model, input_image, 'model.onnx') 出现了如下错误 RuntimeError: ONNX export failed: Couldn‘t export operator aten::upsample_bilinear2d 环境 目前测试发现pytorch1.6及以下均存在此问题 复现 下述代码中使用的mode为bilinear，align_co
torch.onnx.export转模型遇到的错误
hukongtao1994的博客
08-02 2147
# 遇到的错误 RuntimeError: Cannot insert a Tensor that requires grad as a constant. Consider making it a parameter or input, or detaching the gradient # 解决办法 把模型构建过程中的list([])换成pytorch原生的nn.ModuleList()。
pytorch导出onnx不成功的时候如何解决？ - 学习记录
点云算法工程师
10-28 903
可以看到，其实已经支持了，但还是导不出。所以这里要先注册一下这个算子。python1导不出onnx，可以去。• 使用onnx-surgeon。• 一般是用在加速某些算子上使用。查看一下，是否支持了这个算子。主要是这个函数，用来注册算子。
pytorch导出onnx时遇到不支持的算子怎么解决
zhaoyqcsdn的博客
01-10 1749
然后再自己实现custom_domain::customOp2这个算子，如果用TensorRT，就需要自己实现一个插件。
Exporting the operator ‘aten::scaled_dot_product_attention‘ to ONNX opset version 14 is not support.
零碎@流年絮语 的博客
12-01 2254
我将 pytorch从2.0 版本降至 pytorch1.13 版本之后，就可以运行了。更换版本也未能解决，正要写算子进行替换时，不小心重装了另一个版本的pytorch。
onnx导出报错：Exporting the operator hardsigmoid to ONNX opset version 12 is not supported.
m0_67349550的博客
03-30 922
当export.py下的--opset参数default=14/15/16时会报错“Unsupported ONNX opset version: 16”；执行python export.py --weights 我的路径/best.pt --include onnx --device 0。在你项目使用的虚拟环境下的Lib\site-packages\torch\onnx\symbolic_opset9.py，添加。查很多帖子，有的是改--opset为某个数字就可以了，但我的不行。onnx版本为1.16。
基于 onnx 的 pytorch 模型结构可视化
健康工作每一天
06-17 5162
有时候为了更好的分析现有模型结构，可能需要对模型进行可视化。这里推荐一个在线的可视化图片生成工具 —— netron。通过网页端简单上传 模型就能生成对应模型
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
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