ONNX2NCNN工具

最近部署很多onnx转ncnn的操作，发现还是需要有页面操作会比较好，而且需要查询onnx的图，所以写了一个工具来搭配使用

建议搭配Netron 来使用

打开模型

选择打开-》选择onnx模型

显示基础信息

查询onnx模型图

展示信息

点击“展示信息”，那么会自动获取模型的输入输出、节点和权重还有节点属性展示在下面框里面

展示节点信息

在名称输入节点信息，点击展示节点详情，节点展示框能够显示当前的节点信息

展示节点权重信息：

点击展示节点权重，可以权重栏看到对应的权重信息。

展示子节点信息

点击展示子节点信息，会默认查询输出节点，如果输出有多个默认选择第一个，如果需要查询其他，可以输入节点名称 

使用此功能，输入框的名称不会变动

展示父节点信息

点击展示父节点信息，会默认查询输入节点，如果输入有多个默认选择第一个，如果需要查询其他，可以输入节点名称 

使用此功能，输入框的名称不会变动

展示当前节点的权重信息

展示当前节点的权重信息，注意不是名称栏的节点的权重信息，是展示子父节点显示的节点权重。

推理

*注意，推理过后展示节点信息，都会带上形状信息，方便分析

推理能够输出所有输入输出节点的形状信息，这样方便转ncnn的时候遇到有些op不知道形状无法更改，通过形状可以判断自己的模型是否有问题。

如果有些事动态入参，那么显示未-1，那么需要手动更改，这个安装你自己的模型输入来看，比如你们模型传参是1x3x640x640

修改参数，点击修改

可以展示每一步骤的节点形状和类型，注意，内容不会展示太大了

展示节点信息，后续就带上了形状和类型

推理部分节点

有时候推理耗时间，可以选择展示部分节点，或者模型有问题展示不出来也可以选择部分节点进行推理，如下具体需要哪些节点，保留需要的节点，把其他的节点去掉就行

转换ncnn

点击“转换ncnn” 直接转换了

如果有些推理有问题，那么就看看这里

根据上面信息，可以手动修改或者

如包含问题，请使用工具先优化,再尝试生成
pip install onnx-simplifier
python -m onnxsim det_500m_sim.onnx det_500m_sim_sim.onnx

量化优化

这个是官方提供的工具好像对于形状有些问题，可能是我没用对，具体查询另外一遍文章：

ncnn 优化量化_ncnn 量化-优快云博客

具体工具：https://download.youkuaiyun.com/download/p731heminyang/89427714