mxnet转onnx 之 onnx_mxnet.export_model失败原因

最新推荐文章于 2025-03-06 00:05:06 发布

ML_AI

最新推荐文章于 2025-03-06 00:05:06 发布

阅读量1.8k

点赞数

分类专栏： onnx 文章标签：网状模型

本文链接：https://blog.youkuaiyun.com/Merria28/article/details/104746733

版权

在尝试将mxnet模型转换为onnx时遇到错误，起初因onnx版本过高导致转换失败。通过降低onnx版本到1.2.1，并使用python36及visual studio 2017环境，解决了MXNetError。但转换仍报相同错误，问题待解决。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

mxnet模型转换onnx折腾了很久，终于搞清楚失败原因

转换代码参考： https://github.com/onnx/tutorials/blob/master/tutorials/MXNetONNXExport.ipynb

一开始的环境：

windows 10
visual studio 2019
python37
mxnet==1.4.1

pip install onnx 安装的是最新的1.6.0版本

运行到 “onnx_mxnet.export_model” 这一句代码的时候提示invalid *** array，然后就不能转换了

mxnet.base.MXNetError: [10:25:05] C:\Jenkins\workspace\mxnet-tag\mxnet\src\ndarray\ndarray.cc:1805: Check failed: fi->Read(data) Invalid NDArray file format

好嘛，我查资料说是onnx1.2.1版本可以转换成功，（也有说1.2.2,1.3.0都可以的） pip install onnx==1.2.1竟然失败

好，我源码安装，参考https://github.com/onnx/onnx/readme.md 一样失败源码折腾了近两天啊

要疯了

终于找到资料这么说的：</

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ML_AI

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

mxnet转onnx及caffe2推理报 Unrecognized attribute:spatial

gangeqian2的博客

05-31

763

概述本文主要解决Mxnet 转onnx，以及onnx模型caffe2推理中遇到的两个可能的报错。 (1)Don’t know how to map unexprected argument spatial(from operator SpatialBN) (2)onnx.onnx_cpp2py_export.checker.ValidationError: Unrecognized attribute:spatial for operator BatchNormalization 问题：（1）mxne

【mxnet转onnx报错】Unrecognized attribute: spatial for operator BatchNormalization

深海游鱼

10-13

1232

问题描述 mxnet版本：1.7.0 (latest) onnx版本：1.7.0 (latest) 按照Exporting to ONNX format教程中的方法导出mxnet模型，报错情况如下： >>> python mx2onnx.py INFO:root:Converting json and weight file to sym and params [10:45:36] src/nnvm/legacy_json_util.cc:209: Loading symbol sav

2 条评论您还未登录，请先登录后发表或查看评论

MMdnn：MMdnn是一组工具，可帮助用户在不同的深度学习框架之间进行互操作。例如模型转换和可视化。在Caffe，Keras，MXNet，Tensorflow，CNTK，PyTorch Onnx和CoreML之间转换模型

02-06

MMdnn MMdnn是一个综合的跨框架工具，用于转换，可视化和诊断深度学习（DL）模型。 “ MM”代表模型管理，“ dnn”代表深度神经网络。主要功能包括：我们实现了一个通用转换器，可以在框架之间转换DL模型，这意味着您可以使用一个框架训练模型，然后使用另一个框架进行部署。模型再训练在模型转换期间，我们生成一些代码片段以简化以后的重新训练或推断。模型搜索和可视化我们提供了一个以帮助您找到一些流行的模型。我们提供了一个以更直观地显示网络体系结构。模型部署我们提供一些准则，以帮助您将DL模型部署到另一个硬件平台。我们提供指南以帮助您加快使用TensorRT的推理

李宏毅DLHLP.17.BERT and its family.1/2.Introduction and Fine-tune

老毛的博客

11-05

570

文章目录介绍介绍本门课程是2020年李宏毅老师新课：Deep Learning for Human Language Processing（深度学习与人类语言处理）课程网站 B站视频公式输入请参考：在线Latex公式

【深度学习实践】深入浅出ONNX模型详解

03-06

4016

本文将提供一个非常详细的 ONNX 介绍，包括它的基本概念、主要特性、模型转换、生态系统、支持的框架以及优化和量化技术。此外，我会提供 Python 和 C++ 代码示例，既包括通用的推理代码，也涵盖特殊模型（如 ResNet、YOLO、BERT 等）的调用方式。

mindspore 模型导出ONNX模型失败

weixin_45666880的博客

07-14

363

脚本如下：报错信息如下解答：不支持的，当前MindSpore的onnx格式导出只支持resnet系列的网络。

onnx mxnet输出层结果对比

zhaosuyuan的博客

06-27

136

onnx和mxnet转换输出层结果及其cos相似度计算对比。

mxnet模型转onnx模型

liguiyuan的博客

12-03

2996

1.安装mxnet开发环境这里我安装的是gpu的版本，直接使用命令安装即可： sudo pip3 install mxnet-cu100 也可以在安装的时候用 -i https://mirrors.aliyun.com/pypi/simple指定阿里源，安装速度会快很多。 2.模型转换代码 import numpy as np import mxnet as mx from mxnet.contrib import onnx as onnx_mxnet sym = './model..

onnx模型部署 python_基于mxnet的resnet50模型转ONNX部署的问题记录

weixin_32258195的博客

02-02

1091

本文记录基于mxnet训练得到的resnet50模型在转为onnx格式部署时发生的两个错误及解决办法batchnorm层 spatial参数不识别batchnorm层定义 fix_gamma=True 导致的onnx模型参数错误环境os: ubuntu 16.04Mxnet : 1.6.0onnx: 1.6.0cuda: 10.2cudnn: 8.0模型转换import osimport mxne...

mxnet模型转onnx遇到的问题

猫猫与橙子的博客

07-16

2883

1.No conversion function registered for op type BlockGrad yet #12682 解决方法： >> pip install mxnet --pre 参考链接：https://github.com/apache/incubator-mxnet/issues/12682 2.Unrecognized attribute: s...

mxnet转onnx

jacke121的专栏

02-22

1782

转换代码： import numpy as np import mxnet as mx from mxnet.contrib import onnx as onnx_mxnet sym = './model-symbol.json' params = './model-0000.params' input_shape = (1, 3, 112, 112) onnx_file = './mobilefacenet.onnx' converted_model_path = onnx_mxnet.e

onnx 转 mxnet 保存静态文件

weixin_41798111的博客

01-19

586

将onnx转为mxnet可读取的静态模型及参数

Mxnet转Onnx 踩坑记录

Chauvin的博客

06-23

1374

使用将MXNET模型转换为ONNX的过程中有很多算子不兼容，在此对那些不兼容的算子替换。

torch自定义算子转onnx模型报错

qq_42001765的博客

11-24

3234

【代码】torch自定义算子转onnx模型报错。

MXNet转onnx问题点记录

zhaokai5的博客

09-08

1135

MXNet转onnx问题点记录MXnet转onnx时碰到的问题记录主要问题总结 MXnet转onnx时碰到的问题记录最近将mxnet转onnx时碰到很多问题，在查找过程中发现解决方法，特记录下；转换过程主要参考如下链接中的解决方法 mxnet模型转onnx模型作者liguiyuan112 Insightface中ArcFace MxNet2ONNX踩坑 MXNet Symbol Batch Normalization fix_gamma=True转ONNX方法主要问题转换时BN层出现错误 on

批训练错误之got an unexpected keyword...

热门推荐

ThunderF的博客

07-05

2万+

目录提要原始情况初步调试继续调试最后反思提要最近我在学习莫烦的神经网络的批训练时，遇到了一个问题，就是在创建dataset时报__init__() got an unexpected keyword argument 'data_tensor'，我找了很久都没有有效的结果。但是我偶然尝试了一下结果成功了，下面就...

MXNet的安装以及一些常见错误处理

深度学习领域优质创作者，优快云博客专家

01-26

1万+

mxnet的安装以及在这过程种会遇到的一些问题处理，虚拟环境的创建，Jupyter Notebook不能加载MXNet的解决办法，

onnx转模型时遇到错误onnx.onnx_cpp2py_export.checker.ValidationError的解决思路

滑了丝的螺丝钉

07-24

1367

onnx.onnx_cpp2py_export.checker.ValidationError: 图中的节点必须按拓扑排序，但是节点的输入“905”：名称：Conv_272 OpType：Conv 不是任何先前节点的输出。错误的原因是在模型检查时发现有些节点的输入在前，输出在后，比如在节点的output ‘905’ 之前就出现了input ‘905’，这肯定是不符合onnx模型格式的；将打印结果保存下来分析后发现input “905”出现的确实比output “905”要早，问题就出现在这；

Pytorch导出模型为onnx

qq_41822101的博客

03-26

871

本文介绍了pytorch下三种不同类型的模型转换至onnx的方法

onnx mxnet

02-27

### ONNX 与 MXNet 的互操作性 ONNX（开放神经网络交换）是一种用于表示深度学习模型的标准格式，旨在促进不同框架间的模型转换和共享。对于 MXNet 用户而言，ONNX 提供了一种便捷的方式来进行模型的导入导出。 #### 将 MXNet 模型转换为 ONNX 格式为了使 MXNet 构建的模型能够在其他支持 ONNX 的平台上运行，可以通过 `mxnet.contrib.onnx` 工具包来完成这一过程[^3]： ```python import mxnet as mx from mxnet import gluon, nd from mxnet.gluon.model_zoo.vision import get_model from mxnet.contrib.onnx.onnx2mx.import_onnx import convert_from_string # 加载预训练好的 MXNet 模型 model_name = 'resnet18_v1' pretrained_net = get_model(model_name, pretrained=True) # 导出成 ONNX 文件 dummy_input = nd.random.uniform(shape=(1, 3, 224, 224)) export_path = './' + model_name + '.onnx' gluoncv.utils.export_block(export_path, pretrained_net, preprocess=False, layout='NCHW') ``` 这段代码展示了如何保存一个经过训练后的 ResNet-18 V1 网络到本地磁盘作为 `.onnx` 文件。需要注意的是，在实际应用中可能还需要调整输入张量形状以及其他参数设置以适应具体需求。 #### 从 ONNX 转换至 MXNet 当拥有一个已经存在于 ONNX 中的模型并希望将其迁移到 MXNet 进行进一步开发或优化时，则可利用相同的工具集反向操作——即加载 ONNX 并创建对应的 MXNet Symbol 或 HybridBlock 实例: ```python from mxnet.contrib.onnx.onnx2mx.import_model import import_model sym_file = "./resnet18_v1-symbol.json" params_file = "./resnet18_v1-0000.params" symbol, arg_params, aux_params = import_model(sym_file, params_file) mod = mx.mod.Module(symbol=symbol, context=mx.cpu(), label_names=None) mod.bind(for_training=False, data_shapes=[('data', (1, 3, 224, 224))]) mod.set_params(arg_params, aux_params, allow_missing=True) ``` 上述脚本说明了怎样读取由 ONNX 表达的 ResNet-18 结构及其权重数据，并构建相应的 MXNet Module 对象以便后续处理。通过这种方式，不仅能够简化跨平台移植的工作流程，而且有助于加速 AI 应用程序的研发周期以及提高生产效率。