mindspore框架实现ckpt模型导出ONNX格式

最新推荐文章于 2024-11-28 16:12:08 发布

柏常青

最新推荐文章于 2024-11-28 16:12:08 发布

阅读量920

点赞数 13

CC 4.0 BY-SA版权

分类专栏： Mindspore 文章标签： onnx mindspore

本文链接：https://blog.youkuaiyun.com/beauthy/article/details/140828857

mindspore框架保存及加载模型

详细流程：昇思-保存及加载模型
关键步骤
关键代码

from mindspore import export, load_checkpoint, load_param_into_net
from mindspore import Tensor
import numpy as np
from MobileNet2GarbageCls.MobileNetv2 import *

最低0.47元/天解锁文章

200万优质内容无限畅学

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

柏常青

关注关注

13
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

torch.onnx.export():将pytorch模型转换为.onnx模型

QFJIZHI的博客

04-01

4万+

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=Non...

Mindspore框架循环神经网络RNN模型实现情感分类|（五）模型训练

人工智能视觉分析算法学习实践和经验分享。

07-24

443

Mindspore框架循环神经网络RNN模型实现情感分类|（五）模型训练与推理Mindspore框架循环神经网络RNN模型实现情感分类|（六）模型加载和推理（情感分类模型资源下载）

参与评论您还未登录，请先登录后发表或查看评论

tensorflow/Keras 实现将 ckpt(h5) 转 pb 转 onnx文件

红叶谷 wsp_1138886114的博客

09-22

2242

from keras import backend as K from keras.models import Sequential from keras.layers.core import Flatten, Dense, Dropout from keras.layers.convolutional import Conv2D, MaxPooling2D, ZeroPadding2D from...

【mindspore】【mindspore导出onnx】报类型转换错误

weixin_45666880的博客

06-30

335

问题描述：【操作步骤&问题现象】代码: gitee中的mindspore/models/research/cv/advanced_east/export.py research/cv/advanced_east · MindSpore/models - 码云 - 开源中国 (gitee.com)ckpt：mindspore hub中获取 MindSpore官网运行环境: cpu【截图信息】解答：将kernel_size以tuple类型传入ops.Conv2D即可。原因是model.py部分使用了ops.

Mindspore导出onnx并借助ATC工具转OM模型

weixin_56314292的博客

07-18

2957

二、利用ATC工具将onnx转成om模型，这里我是在200dk A2开发板上直接转的，此开发板是自带atc工具的，转om指令如下：这里需要注意的是用netron打开onnx模型看下，输入端写的啥，写的x就写x：写的image就把x改成image，version那里就对应自己的华为开发板是啥，可以在开发板里面输入 npu-smi info 查看卡的类型，Ascend301B的卡就是我这个指令。注意：开发板需要先分区资源，不然运行不出来，开发板教程参考：这里只需要配开发板环境和创建分区，里面不用装conda。

mindspore模型训练和模型导出为onnx

大鱼的博客

02-24

2443

mindspore是华为深度学习框架，网址为：https://www.mindspore.cn/ 本代码主要参考快速入门的代码，加了模型导出为onnx mindspore在模型搭建上基本上的语法和pytorch差不多只是分为了网络和模型，模型主要拿来训练和预测，而网络就是单纯的网络，网络可以拿来导出模型文件，但是预测只能使用模型训练代码如下： # -*- coding: utf-8 -*- import os import mindspore.nn as nn from mindspore.

深度学习模型的格式：你知道多少？

深耕CV

10-30

1430

各主要深度学习模型格式及其在 CPU 和 GPU 上的应用情况~

【昇腾开发全流程】MindSpore华为云模型训练

Sullivan-Hua 的博客

05-28

1465

学会如何安装配置华为云ModelArts、开发板Atlas 200I DK A2。并打通一个Ascend910训练到Ascend310推理的全流程思路。 > 在本篇章，我们首先开始训练阶段！

深度学习框架人工智能操作系统训练&前向推理 PyTorch Tensorflow MindSpore caffe 张量加速引擎TBE 深度学习编译器多面体 polyhedral AI集群框架

万有文的博客

04-03

1344

深度学习框架发展到今天，目前在架构上大体已经基本上成熟并且逐渐趋同。无论是国外的Tensorflow、PyTorch，亦或是国内最近开源的MegEngine、MindSpore，目前基本上都是支持EagerMode和GraphMode两种模式。

如何将MindSpore模型转ONNX格式并使用OnnxRuntime推理---全流程开发指导

skytttttt9394的博客

08-11

1281

使用服务器链接软件在同一个连接会话中，依次连续sshsshssh输入ls，到达此界面即为连接成功！本次Onnx模型推理和导出项目整体难度不大，由于大部分模型都是基于卷积神经网络，各种模型中的算子具有高度重复性，因此可能有很多人选到的模型是所有算子都已经实现的，这种情况下只需要依据指南完成精度推理和交付件编写即可。若开发中遇到问题（如ckpt文件精度不对，需要申请训练资源）请联系华为负责工程师吴工（吴逸群）。预祝大家本次Onnx项目开发顺利，早日提交交付件，都能评上金质量奖！！！...

tensorflow-onnx：将TensorFlow模型转换为ONNX

02-06

tf2onnx-将TensorFlow模型转换为ONNX。构建类型操作系统 Python 张量流 Onnx Opset 状态单元测试-基本 Linux，MacOS * ，Windows * 3.6、3.7、3.8 1.12-1.15、2.1-2.4 7-13 单元测试-完整 Linux，MacOS，Windows 3.6、3.7、3.8 1.12-1.15、2.1-2.4 7-13 支持的版本 ONNX tensorflow-onnx将使用系统上安装的ONNX版本，如果未找到，则安装最新的ONNX版本。我们支持ONNX opset-6至opset-13。默认情况

tensorflow的ckpt文件转pb模型文件

10-28

使用这个python程序可以直接将ckpt文件转成固化的模型文件，用于预测结果，注意修改路径

人脸识别：史上最详细人脸识别adaface讲解-ckpt转onnx模型--第三节

xingjh1的博客

09-07

3729

这章节我会讲解的是我在工作上的项目，人脸识别adaface，以下的讲解为个人的看法，若有地方说错的我会第一时间纠正，如果觉得博主讲解的还可以的话点个赞，就是对我最大的鼓励~

mindspore 模型导出ONNX模型失败

weixin_45666880的博客

07-14

372

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。

mindspore1.6训练模型转ONNX报错

weixin_45666880的博客

06-13

466

问题描述：【操作步骤&问题现象】使用mindspore1.6将ckpt文件转为onnx时报错，提示“Can not find key Conv2DTranspose in convert map.Exporting Conv2DTranspose operator is not yet supported.”【日志信息】（可选，上传日志内容或者附件）Traceback (most recent call last):File "F:/mind_spore/UNet_Plus_Plus_for_MindSpo

将tensorflow 1.x & 2.x转化成onnx文件（以arcface-tf2人脸识别模型为例）

qq_33934427的博客

03-28

7807

将tensorflow 1.x & 2.x转化成onnx文件文章目录将tensorflow 1.x & 2.x转化成onnx文件一、tensorflow 1.x转化成onnx文件1、ckpt文件生成2、打印权重参数名称3、ckpt文件转pb4、ckpt文件转onnx（--checkpoint）二、tensorflow 2.x转化成onnx文件1、ckpt转savemodel（pb）1）错误用法（不能冻结权重生成pb）2）正确用法（saved_model）2、pb转onnx3、小总结（★★★

PyTorch 模型转换为 ONNX 格式

qq_34941290的博客

11-28

1807

在 C++ 进行深度学习模型的工程化时，选择 ONNX 格式通常更为合适，因为它提供了更好的跨平台兼容性和灵活性。PTH 格式虽然在 PyTorch 环境中非常方便，但在 C++ 中的使用受到限制，通常需要额外的转换步骤。ONNX 的开放性和广泛支持使其成为在多种环境中部署深度学习模型的首选格式。

MindSpore保存模型的格式疑惑

weixin_45666880的博客

11-04

473

MindSpore支持保存两种类型的数据：训练参数和网络模型（模型中包含参数信息）。请问MindSpore保存模型的格式和TensorFlow一样为.ckpt吗？那导出为onnx格式后进行模型转换的.om格式又是什么？网络模型包括MindIR、AIR和ONNX三种格式文件。训练参数指的是Checkpoint格式文件。

mindspore的ckpt转onnx

最新发布

04-01

<think>好的，我需要帮助用户将MindSpore的检查点文件（ckpt）转换为ONNX格式。根据用户提供的引用信息，我应该先整理出转换的基本步骤。首先，用户需要加载ckpt文件中的模型参数，然后导出为ONNX格式。在这个过程中，可能会遇到一些算子不支持的问题，比如引用[2]提到的Conv2DTranspose不支持，这时候需要查找解决方案，比如替换算子或自定义映射。另外，引用[3]中提到类型转换错误，需要确保传入的参数类型正确，例如kernel_size应该用tuple类型而不是int64。接下来，我应该分步骤详细说明如何操作，包括加载模型、处理不支持的算子、导出ONNX文件以及验证转换结果。最后，根据用户提供的示例问题，生成几个相关问题，帮助用户进一步了解可能遇到的问题和优化方法。需要确保回答结构清晰，使用正确的中文表达，并且正确引用站内的资料。</think>将MindSpore的检查点文件（.ckpt）转换为ONNX格式需遵循以下步骤： ### 一、模型加载与参数恢复 1. **定义网络结构** 需确保网络结构与训练时完全一致，包括层名称、参数类型（如Conv2D的`kernel_size`需用tuple类型传入[^3]）。 2. **加载检查点文件** 使用`load_checkpoint()`和`load_param_into_net()`加载参数： ```python from mindspore import load_checkpoint, load_param_into_net net = YourNetwork() # 替换为实际模型定义 param_dict = load_checkpoint("model.ckpt") load_param_into_net(net, param_dict) ``` ### 二、导出为ONNX格式 1. **静态图模式导出** MindSpore需在**GRAPH_MODE**下导出： ```python from mindspore import Tensor, export, context import numpy as np context.set_context(mode=context.GRAPH_MODE) input_tensor = Tensor(np.ones([1,3,224,224], dtype=np.float32)) # 替换实际输入尺寸 export(net, input_tensor, file_name="model.onnx", file_format="ONNX") ``` 2. **处理算子兼容性问题** - **不支持的算子**：如遇到类似`Conv2DTranspose`的报错[^2]，需： * 检查[MindSpore官方支持算子列表](https://www.mindspore.cn/docs) * 使用`nn.Conv2dTranspose`代替`ops.Conv2DTranspose` * 自定义算子映射（需修改onnx_exporter.cc） - **类型错误**：如`kernel_size`应传tuple而非int[^3]，需显式转换： ```python self.conv = ops.Conv2D(..., kernel_size=(3,3)) # 正确示例 ``` ### 三、验证ONNX模型使用ONNX Runtime进行推理验证： ```python import onnxruntime import numpy as np session = onnxruntime.InferenceSession("model.onnx") inputs = {session.get_inputs()[0].name: np.ones([1,3,224,224], dtype=np.float32)} outputs = session.run(None, inputs) # 应与原模型输出一致[^4] ``` ### 四、常见问题解决方案 | 问题类型 | 解决方案 | |---------|----------| | 算子不支持 | 1. 替换为已支持算子<br>2. 自定义映射规则[^1] | | 输入维度错误 | 检查`export`输入的Tensor维度是否匹配网络输入 | | 类型转换失败 | 显式指定参数为tuple/list类型[^3] |