登录
首页 >  文章 >  python教程

PyTorch导出ONNX模型加载ONNXRuntime指南

时间:2025-03-28 10:53:10 313浏览 收藏

本文提供PyTorch导出ONNX模型后,使用ONNX Runtime进行推理的完整指南。文章详细解释了如何利用`torch.onnx.export`导出模型,并重点解决ONNX Runtime加载PyTorch模型时遇到的常见错误:“runtimeerror: input must be a list of dictionaries or a single numpy array”。文中通过两种方法演示如何将PyTorch张量转换为ONNX Runtime所需的NumPy数组,从而成功加载并运行ONNX模型,有效避免类型不匹配问题,实现PyTorch与ONNX Runtime的无缝衔接。 关键词:PyTorch, ONNX, ONNX Runtime, 模型推理, NumPy, 模型转换

如何用ONNX Runtime正确加载和推理PyTorch导出的ONNX模型?

PyTorch ONNX模型的加载与推理详解

本文详细阐述如何加载并使用torch.onnx.export导出的ONNX模型进行推理。torch.onnx.export函数可将PyTorch模型转换为ONNX格式,方便在其他框架中部署。然而,直接使用PyTorch张量作为ONNX Runtime的输入会导致错误。

文中示例展示了使用torch.onnx.export导出模型,以及使用ONNX Runtime推理时遇到的错误:“runtimeerror: input must be a list of dictionaries or a single numpy array for input 'x'.” 该错误指出ONNX Runtime要求输入数据为NumPy数组,而非PyTorch张量。

解决方法:将PyTorch张量转换为NumPy数组

关键在于将PyTorch张量转换为NumPy数组。 以下是两种正确的代码示例:

方法一:

1
2
3
4
5
6
7
8
9
10
11
import onnxruntime
import numpy
import torch
 
resnet_onnx = onnxruntime.InferenceSession('onnx.pb')
 
# x = torch.ones(2, 2)  # 错误:输入类型为torch.tensor
x = numpy.ones((2, 2), dtype=numpy.float32)  # 正确:输入类型为numpy.ndarray
 
inputs = {resnet_onnx.get_inputs()[0].name: x}
print(resnet_onnx.run(None, inputs))

此方法将输入x的类型从torch.tensor更改为numpy.ndarray,并指定数据类型为numpy.float32,解决了类型不匹配问题。

方法二:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import onnxruntime as ort
import numpy as np
 
# 加载模型
sess = ort.InferenceSession("onnx.pb")
 
# 准备输入数据
input_data = np.ones((2, 2)).astype("float32")
 
# 运行模型
output_data = sess.run(None, {"x": input_data})[0]
 
# 输出模型的预测结果
print(output_data)

此方法同样使用NumPy数组作为输入,并清晰地展示了如何获取模型输出。

两种方法均成功加载并运行导出的ONNX模型,核心在于确保输入数据的类型与ONNX Runtime的要求一致。 使用NumPy数组是避免错误的关键步骤。

好了,本文到此结束,带大家了解了《PyTorch导出ONNX模型加载ONNXRuntime指南》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

相关阅读
更多>
最新阅读
更多>
课程推荐
更多>