简单来说,我们只需要学习一下把大象如何放进冰箱的就行了:
1、把冰箱门打开
使用onnx的原生接口:
onnx_model = onnx.load(onnx_path)
graph = onnx_model.graph
这样我们就可以将模型load出来,并且到到graph信息。
2、把大象放进去
这一步相对来说选择就比较多了,比如你可以选择删除一些节点,修改一下节点,增加一些节点。
删除:这个是最容易的,直接一句话 graph.node.remove(xxx_node)
修改:举个例修改一下input的名称
for input_node in onnx_model.graph.input:
if 'input_xxx' == input_node.name:
print("change input data name")
input_node.name = 'data'
就是拿到某个属性或者信息,然后直接修改就行了。
增加:举个例增加一组图像预处理操作(减均值,除方差)
这一步稍微复杂一点,我们首先要生成一个node或者tensor,然后将这个node或者tensor加入graph中,然后选择性的增加一个node来操作刚刚加入graph的node或者tensor。
首先我们生成一个tensor,就是需要减去的均值
sub_const_node = onnx.helper.make_tensor(name='const_sub',
data_type=onnx.TensorProto.FLOAT,
dims=[1],
vals=[-127.5])
然后我们将刚刚生成的tensor插入graph中
graph.initializer.append(sub_const_node)
然后我们再增加一个减均值的node
sub_node = onnx.helper.make_node(
'Add',
name='pre_sub',
inputs=['data', 'const_sub'],
outputs=['pre_sub'])
然后将node加入graph中
graph.node.insert(0, sub_node)
仿造这样的流程我们继续加入除以方差的操作
# 插入mul
mul_const_node = onnx.helper.make_tensor(name='const_mul',
data_type=onnx.TensorProto.FLOAT,
dims=[1],
vals=[1.0 / 127.5])
graph.initializer.append(mul_const_node)
sub_node = onnx.helper.make_node(
'Mul',
name='pre_mul',
inputs=['pre_sub', 'const_mul'],
outputs=['pre_mul'])
graph.node.insert(1, sub_node)
这样操作之后,我们还需要一步,就是将第一个卷积层的输入改动一下:
# 第一层卷积的输入修改
for id, node in enumerate(graph.node):
for i, input_node in enumerate(node.input):
if 'data' == input_node:
node.input[i] = 'pre_mul'
这样能我们加入node或者tensor的过程基本就结束了
3、把冰箱门关上
这一步我们就可以简单的重组一下graph,然后save模型就行了
graph = onnx.helper.make_graph(graph.node, graph.name, graph.input, graph.output, graph.initializer)
info_model = onnx.helper.make_model(graph)
onnx_model = onnx.shape_inference.infer_shapes(info_model)
onnx.checker.check_model(onnx_model)
onnx.save(onnx_model, onnx_path.replace('nopre', 'fix'))
完事我们就拿到一个修改过的模型了,找一个人脸的模型来示例一下:
红圈就是增加的节点,当然你也可以增加其它节点。注意按照onnx的op要求实现就行了,给一个参考的路径: