Exporting the operator hardsigmoid to ONNX opset version 11 is not supported

panhtt

已于 2022-07-25 15:51:07 修改

阅读量1.9k

点赞数 1

分类专栏：算法文章标签： pytorch 深度学习人工智能

于 2022-07-25 15:38:43 首次发布

本文链接：https://blog.youkuaiyun.com/panhtt/article/details/125975819

版权

算法专栏收录该内容

4 篇文章

订阅专栏

博客主要讲述了在尝试将PyTorch的MobileNetV3模型转换为ONNX格式时遇到的RuntimeError，错误源于F.hardsigmoid函数在ONNX opset version 11中不受支持。作者提供了问题的解决方案，即用F.hardtanh替换F.hardsigmoid，并给出了修改后的SqueezeExcitation类的代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问题：

在将 MobileNetv3 模型从 PyTorch 转为 ONNX 时报错：

Error: RuntimeError: Exporting the operator hardsigmoid to ONNX opset version 11 is not supported. Please feel free to request support or submit a pull request on PyTorch GitHub.

运行环境：

PyTorch 版本：1.8.0

在网上找了很多文章，大部分都是写的一样的，就是将nn.Hardswish替换为自己实现的 Hardswitch，实际上，这个版本的 PyTorch 中，nn.Hardswish是可以转换成功的（老版本成不成功不清楚），报错的根本原因是 mobilenetv3 代码中使用了 F.hardsigmoid函数，解决办法是将代码中的 hardsigmoid 函数替换为 hardtanh 函数，如下：

class SqueezeExcitation(nn.Module):

    def __init__(self, input_channels: int, squeeze_factor: int = 4):
        super().__init__()
        squeeze_channels = _make_divisible(input_channels // squeeze_factor, 8)
        self.fc1 = nn.Conv2d(input_channels, squeeze_channels, 1)
        self.relu = nn.ReLU(inplace=True)
        self.fc2 = nn.Conv2d(squeeze_channels, input_channels, 1)

    def _scale(self, input: Tensor, inplace: bool) -> Tensor:
        scale = F.adaptive_avg_pool2d(input, 1)
        scale = self.fc1(scale)
        scale = self.relu(scale)
        scale = self.fc2(scale)
        return F.hardsigmoid(scale, inplace=inplace)  # 此行报错
        # return F.hardtanh(scale + 3, 0., 6., inplace=inplace) / 6.  # 更换为此行

    def forward(self, input: Tensor) -> Tensor:
        scale = self._scale(input, True)
        return scale * input