深度学习模型推理onnxruntimer报错

最新推荐文章于 2025-05-14 18:04:01 发布
最新推荐文章于 2025-05-14 18:04:01 发布
阅读量793 收藏 1
点赞数 9
CC 4.0 BY-SA版权
分类专栏： python 文章标签： 深度学习 人工智能 onnxruntime onnx 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.youkuaiyun.com/matt45m/article/details/142345577

onnxruntime.capi.onnxruntime_pybind11_state.Fail: [ONNXRuntimeError] : 1 : FAIL : Load model from liveportrait/warping_spade.onnx failed:Node (/dense_motion_network/GridSample) Op (GridSample) [ShapeInferenceError] Input 0 expected to have rank 4 but has rank 5

发生这个原因是因为ONNX模型文件不兼容ONNX Runtime当前版本所导致的，可以查看当前onnxrumtime的版本：

pip list

在这里插入图片描述

卸掉当前onnxruntime版本：

pip uninstall onnxruntime

在这里插入图片描述
查找当前能安装的所有onnxruntime版本：

pip install onnxruntime==

在这里插入图片描述
安装最新的onnxruntime最新版本：

pip install onnxruntime==1.19.2

在这里插入图片描述

最详细深度学习模型推理时间与FPS的求取方法
热门推荐
千与编程
08-02 2万+
0.5就是检测的准确率，另一个就是FPS,就是模型的推理速度，那么我们如何能够知道模型和视频的推理速度呢？计算模型推理时间在执行模型推理语句前得到时间点，与得到模型推理结果后的时间点进行相减，得到推理时间。在模型推理代码开始与结束出进行设置，对end与start进行相减，得到推理时间的消耗。类似深度学习中目标检测的深度学习模型中有两个非常重要的性能指标，一个是MAP。time clock() 函数以浮点数计算的秒数返回当前的CPU时间。以上是进行视频参数的读取操作。输出当前时间电脑的时间。
【记】onnxruntime源码编译
weixin_45174417的博客
05-12 996
本文详细介绍了如何在Ubuntu 20.04环境下从源码编译安装ONNX Runtime 1.19.2，并解决编译过程中可能遇到的依赖问题。首先，从GitHub下载ONNX Runtime源码并解压，随后根据官方指导手册执行编译命令。在编译过程中，可能会遇到依赖包无法下载的问题，需手动下载并修改依赖路径。编译完成后，进入build目录进行安装，并通过pip安装生成的whl文件。最后，成功调用ONNX Runtime进行验证。整个过程涵盖了从源码下载、编译、安装到调用的完整步骤，适合需要深入研究和定制ONNX
【变化检测】基于HANet建筑物(LEVIR-CD)变化检测实战及ONNX推理
weixin_45679938的博客
09-18 1658
LEVIR-CD 由 637 个超高分辨率（VHR，0.5m/像素）谷歌地球（GE）图像块对组成，大小为 1024 × 1024 像素。这些时间跨度为 5 到 14 年的双时态图像具有显着的土地利用变化，尤其是建筑增长。LEVIR-CD涵盖别墅住宅、高层公寓、小型车库、大型仓库等各类建筑。在这里，我们关注与建筑相关的变化，包括建筑增长（从土壤/草地/硬化地面或在建建筑到新的建筑区域的变化）和建筑衰退。这些双时态图像由遥感图像解释专家使用二进制标签（1 表示变化，0 表示不变）进行注释。
报错ImportError: DLL load failed while importing onnxruntime_pybind11_state: 找不到指定的程序
最新发布
varda8899的博客
05-14 2517
此错误常见于 ONNX Runtime 版本与当前 Python 环境或操作系统不兼容。若使用 GPU 版 ONNX Runtime，需确保 CUDA 版本匹配（如。的版本兼容性或系统环境配置问题。若仍报错，建议提供完整的 Python 版本、操作系统及。需 CUDA 11.4）。根据你的错误信息，出现。输出以供进一步排查。
onnx 推理报错：onnxruntime.capi.onnxruntime_pybind11_state.Fail: [ONNXRuntimeError] : 1 : FAIL : Load mo
m0_71816999的博客
04-02 6428
有可能是你转换的是gpu但是推理是cpu，因此卸载cpu版本，重新安装gpu版本。onnx 模型不匹配。
ONNXRuntime报错：onnxruntime\capi\onnxruntime_providers_shared.dll LoadLibrary failed with error 126
weixin_45303602的博客
09-05 5156
E:onnxruntime:barcode, provider_bridge_ort.cc:995 onnxruntime::ProviderLibrary::Get] LoadLibrary failed with error 126 "找不到指定的模块。" when trying to load onnxruntime_providers_cuda.dll c等错错误
解决安装onnxruntime报错（安装GPU和cpu版本的）
qq_43316734的博客
07-13 8800
下载完成后，在该目录打开终端，进入你创建的虚拟环境，直接使用pip install onnxruntime-1.8.0-cp38-cp38-manylinux_2_17_aarch64.manylinux2014_aarch64.whl。注意要适配python 版本和平台，我这里的是python3.8, Platform: linux-aarch64。pip install onnxruntime最高只能安装到1.4.0版本，需要通过whl安装较新版本（
Error-onnxruntime.capi.onnxruntime_pybind11_state.Fail:
秀呀秀的博客
11-15 2080
转换之后运行onnx文件就报错： 解决：最好把h5模型重新加载一下，保存save_model文件： 转pb： 转onnx的时候使用的是save_model格式：
0.1MB超轻量Python GUI框架(用模板来快捷制作深度学习模型推理界面)
03-04
0.1MB超轻量Python GUI框架(用模板来快捷制作深度学习模型推理界面).zip 0.1MB超轻量Python GUI框架(用模板来快捷制作深度学习模型推理界面).zip 0.1MB超轻量Python GUI框架(用模板来快捷制作深度学习模型推理界面)....
深度学习｜模型推理：端到端任务处理
三余知行
09-04 3482
神经网络是一种机器学习算法，它的目的是自动学会**端到端**任务的处理逻辑。这里说的端到端，便是指任务的最初输入端到最终输出端。 神经网络的推理过程主要前向传播的过程，我们可以将输入数据通过网络的各个连接进行传递，每个神经元接收到上一层神经元传递的信息，并根据自身的权重和激活函数进行计算，然后将计算结果传递给下一层神经元。通过多个层次的计算和传递，神经网络就具备了对输入数据进行复杂逻辑处理的能力，并产生网络所需的端到端的预测或分类结果。
解决 [ONNXRuntimeError] : 1 : FAIL Non-zero status code returned
05-16
pytorch转onnx模型后，对onnx模型进行runtime时提示以下错误，具体细节如下： onnxruntime.capi.onnxruntime_pybind11_state.Fail: [ONNXRuntimeError] : 1 : FAIL : Non-zero status code returned while running FusedConv node. Name:'Conv_461_Add_463_Relu_464' Status Message: CUDNN error executing cudnnSetTensorNdDescriptor(tensor_, dataType, static_cast<int>(rank), dims.data(), strides.data())。 pdf文件中是对该错误的解决思路。
onnxruntime-1.18.1-cp312-cp312-manylinux_2_27_x86_64.whl
07-29
pycocotools和onnxruntime各个版本的安装包，直接下载pip安装就可以，解决timeout超时问题 pycocotools和onnxruntime各个版本的安装包，直接下载pip安装就可以，解决timeout超时问题 pycocotools和onnxruntime各个版本的安装包，直接下载pip安装就可以，解决timeout超时问题 pycocotools和onnxruntime各个版本的安装包，直接下载pip安装就可以，解决timeout超时问题
halcon22.11深度学习推理的时候报错7709
机器视觉
04-23 2299
由于是在笔记本上训练，没有gpu，只有cpu，所以需要把运行设置手动修改为cpu。*该过程计算并设置由DLModelHandle和给定GPU给出的基于深度学习的模型的最大batch_size,**由于query_available_dl_devices中使用的过滤器，如果可用，第一个设备是GPU。*详细信息请参见set_dl_model_param()和get_dl_model_param()的文档。对于这个操作，一个合适的GPU和需要提供相应的CUDA库。*使用的线程数量可能会影响训练时长。
如何优化深度学习模型以提升推理速度
DeepDriving
07-15 3559
本文介绍深度学习模型优化的方法
pytorch 34 mmdeploy模型转换报错onnxruntime.capi.onnxruntime_pybind11_state.Fail解决方案
a486259的博客
09-30 2917
使用mmdeploy部署mmrotate模型时出现以下报错，虽然不影响模型转换为onnx，但是影响模型的加载。出现这个报错，是因为mmdeploy转换完模型后，要加载onnx模型测试一下，但是onnx模型中存在一些mmrotate自定义实现的onnx算子，而默认的onnxruntime中没有提供。
onnxruntime.capi.onnxruntime_pybind11_state.Fail: [ONNXRuntimeError] : 1 : FAIL : Load model from mn
weixin_46235937的博客
04-24 1万+
cc:110 onnxruntime::Model::Model(onnx::ModelProto&&, const PathString&, const IOnnxRuntimeOpSchemaRegistryList*, const onnxruntime::logging::Logger&) Unknown model file format version.
ONNXRuntimeError Failed to load library libonnxruntime_providers_cuda.so with error
AlanWang4523
08-22 1448
ONNXRuntimeError Failed to load library libonnxruntime_providers_cuda.so with error
告诉上述代码报错的原因onnxruntime.capi.onnxruntime_pybind11_state.InvalidArgument: [ONNXRuntimeError] : 2 : INV...
weixin_35748962的博客
01-02 4892
这个错误的原因是输入的数据类型和预期的数据类型不匹配。根据错误信息，实际输入的数据类型是 unsigned 8-bit integer (tensor(uint8))，而预期的数据类型是浮点数 (tensor(float))。这意味着模型期望输入浮点数，但实际上输入的是无符号 8 位整数。因此，需要确保输入的数据类型与模型期望的数据类型相匹配，才能避免这个错误。 ...
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

打赏作者

知来者逆

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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