如何从 ONNX / PyTorch 中提取图层形状和类型？

Question

我想将 PyTorch 模型“翻译”到另一个框架（非 tf/keras）。

我正在尝试采用 pytorch 模型，并自动转换到其他框架，其中包含类似类型的层（即 conv2d、dense，...）。

有没有办法直接从 pytorch 或通过 onnx 检索模型层、它们的类型、形状和连接？（到目前为止，权重并不重要）

Answer 1

根据对您问题的评论中的讨论：

onnx 中的每个节点都有一个命名输入列表和一个命名输出列表。

对于使用 node.input 访问的输入列表，您可以为每个输入索引提供提供该输入的图形 input_name 或提供该输入的先前输出的名称。还有一些初始化程序，它们是 onnx 参数。

# model is an onnx model
graph = model.graph
# graph inputs
for input_name in graph.input:
    print(input_name)
# graph parameters
for init in graph.init:
    print(init.name)
# graph outputs
for output_name in graph.output:
    print(output_name)
# iterate over nodes
for node in graph.node:
    # node inputs
    for idx, node_input_name in enumerate(node.input):
        print(idx, node_input_name)
    # node outputs
    for idx, node_output_name in enumerate(node.output):
        print(idx, node_output_name)

这里讨论了形状推断，这里讨论了 python 的形状推断

python 的要点可以在这里找到

重现 3 的要点：

from onnx import shape_inference
inferred_model = shape_inference.infer_shapes(original_model)

并在 中找到形状信息inferred_model.graph.value_info。

您还可以使用netron或GitHub来直观地表示该信息。