准备你的AI模型

Maptools 端到端映射的起点是onnx模型, onnx是一种神经网络通用的算子图格式, 它包含了能够支持神经网络运行的全部信息. 几乎所有的深度学习框架都支持onnx格式, 因此, Maptools 拥有较强的通用性.

获取onnx模型

通过云盘获得onnx模型

点击 这里 获取现成的onnx模型.

自己动手导出onnx模型

授人以鱼不如授人以渔, 若要将自己训练好的模型导出到的onnx文件, 可以使用torch的onnx工具, 下面展示了一个导出torchvision官方提供的resnet18模型到onnx文件的例子.

编写python脚本:

import torch
import torchvision as tv
import torch.onnx as ox

# 可以换成你自己的模型, 但注意使用torchvision提供的模型时pretrained参数一定要给True，表示使用预训练好的模型
model = tv.models.resnet18(pretrained=True)

ox.export(
    model,
    torch.randn([1,3,224,224]), # 输入数据尺寸，自己定义，但是要和之后的步骤对应起来
    "onnx_models/resnet18.onnx", # 输出路径, 自己定义
    opset_version=11,
    input_names=["input"],
    output_names=["output"]
)

接下来需要使用 onnxsim 工具进行模型简化, 比如将卷积层和BN融合.

运行下面的命令安装 onnxsim :

pip install onnx-simplifier==0.4.17

重要

注意这里必须指定安装 onnxsim 的0.4.17版本, 因为其他版本亲测有bug, 而0.4.17是比较稳定的

运行下面的命令进行模型简化:

onnxsim a.onnx b.onnx

其中 a.onnx 是待简化的模型路径, b.onnx 是简化后的模型的保存路径

警告

切记在对一个onnx模型进行映射之前, 一定要先让你的onnx模型文件过一遍 onnxsim , onnxsim 不仅能够简化模型结构, 还能补全每层的尺寸信息, 只有经过简化和补全的onnx模型才是 Maptools 所能识别的有效输入

从github上获取onnx模型

onnx官方提供了一些常见神经网络的onnx模型, 发布在github上, 点击 这里 下载, 记得下载得到的模型同样要使用 onnxsim 进行简化.

备注

注意从github上获取的onnx模型并不一定能用于 Maptools 映射, 即使经过了onnxsim简化, 因为这些模型的算子图结构可能会千奇百怪, 可能会超出 Maptools 能够识别的范围, 所以建议在执行模型映设置前先使用 netron 工具检查onnx模型的结构是否合理, 请参照 查看onnx模型.

查看onnx模型

可以使用 netron 查看onnx模型的结构和参数, netron 是一款神经网络可视化工具, 点击 这里 使用 netron 的在线版, 然后选择你要查看的onnx模型即可.