import onnx
onnx_model = onnx.load("test.onnx")
graph = onnx_model.graph
node = graph.node
for i in range(len(node)):
print(node[i])
for i in range(len(node)):
if node[i].op_type == 'Conv':
node_rise = node[i]
if node_rise.output[0] == '137':
print(i) # 38
old_scale_node = node[56]
graph.node.remove(old_scale_node) # 删除旧节点
old_scale_node = node[47]
graph.node.remove(old_scale_node)
old_scale_node = node[38]
graph.node.remove(old_scale_node)
onnx.checker.check_model(onnx_model)
onnx.save(onnx_model, 'Snnunet.onnx')
出除onnx不必要的节点
最新推荐文章于 2024-12-15 18:28:33 发布
本文探讨如何在ONNX模型中删除不必要的节点,以提高深度学习模型的效率和推理速度。通过深度优先的方式,分析并去除对最终结果没有影响的计算节点。
1498

被折叠的 条评论
为什么被折叠?



