1、Creating An ONNX Model

原创于 2022-12-20 20:02:27 发布 · 177 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #人工智能

onnx_graphsurgeon 专栏收录该内容

5 篇文章

订阅专栏

这段代码展示了如何使用GraphSurgeon库创建一个全局Lp池化的ONNX模型。首先导入所需库，然后定义输入变量X和输出变量Y，接着创建一个GlobalLpPool节点，并设置参数p为2。最后，构建图并保存为ONNX模型文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

请添加图片描述


import onnx_graphsurgeon as gs
import numpy as np
import onnx

X = gs.Variable(name="X", dtype=np.float32, shape=(1, 3, 5, 5))
Y = gs.Variable(name="Y", dtype=np.float32, shape=(1, 3, 1, 1))
node = gs.Node(op="GlobalLpPool", attrs={"p": 2}, inputs=[X], outputs=[Y])

graph = gs.Graph(nodes=[node], inputs=[X], outputs=[Y])
onnx.save(gs.export_onnx(graph), "test_globallppool.onnx")
import onnx_graphsurgeon as gs
import numpy as np
import onnx

X = gs.Variable(name="X", dtype=np.float32, shape=(1, 3, 5, 5))
Y = gs.Variable(name="Y", dtype=np.float32, shape=(1, 3, 1, 1))
node = gs.Node(op="GlobalLpPool", attrs={"p": 2}, inputs=[X], outputs=[Y])

graph = gs.Graph(nodes=[node], inputs=[X], outputs=[Y])
onnx.save(gs.export_onnx(graph), "test_globallppool.onnx")