将pth文件转换为onnx格式
一、torch.onnx.export()详细介绍
1.torch.onnx.export()
torch.onnx.export(model, args, f, export_params=True, verbose=False, training=False, input_names=None, output_names=None, aten=False, export_raw_ir=False, operator_export_type=None, opset_version=None, _retain_param_name=True, do_constant_folding=False, example_outputs=None, strip_doc_string=True, dynamic_axes=None, keep_initializers_as_inputs=None)
2. 功能:
将pth模型转为onnx文件导出。
3.参数
二、pth的保存方式
torch.save(model,'save_path')
torch.save(model,path) 会将model的参数、框架都保存到路径path中,但是在加载model的时候可能会因为包版本的不同报错,所以当保存所有模型参数时,需要将模型构造相关代码文件放在相同路径,否则在load的时候无法索引到model的框架。
torch.save(model.state_dict(),model_path)
建议:使用state_dict()模式保存model,torch.save(model.state_dict(),path),这样保存为字典模式,可以直接load。
三、pth转onnx代码
1.使用torch.save(model,'save_path')方式保存
x = torch.randn(1, 3, 224, 224, device=device)
输入测试数据 数据格式[batch, channl, height, width]
model.eval()
不启用 BatchNormalization 和 Dropout,保证BN和dropout不发生变化,pytorch框架会自动把BN和Dropout固定住,不会取平均,而是用训练好的值,不然的话,一旦test的batch_size过小,很容易就会被BN层影响结果。
注:一定要写上这句话,不然可能会影响onnx的输出结果,经验所知。
import torch
import torch.nn
import onnx
# device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
device = torch.device('cpu')
model = torch.load('***.pth', map_location=device)
model.eval()
input_names = ['input']
output_names = ['output']
x = torch.randn(1, 3, 224, 224, device=device)
torch.onnx.export(model, x, '***.onnx', input_names=input_names, output_names=output_names, verbose='True')
2.使用torch.save(model.state_dict(),model_path)方式保存
该方式保存需要提供网络结构文件。
import torch.onnx
import onnxruntime as ort
from model import Net
# 创建.pth模型
model = Net
# 加载权重
model_path = '***.pth'
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model_statedict = torch.load(model_path, map_location=device)
model.load_state_dict(model_statedict)
model.to(device)
model.eval()
input_data = torch.randn(1, 3, 224, 224, device=device)
# 转化为onnx模型
input_names = ['input']
output_names = ['output']
torch.onnx.export(model, input_data, '***.onnx', opset_version=9, verbose=True, input_names=input_names, output_names = output_names)