有哪些企业网站平台,怎么用服务器做局域网网站,怎么搭建网站 优帮云,网络营销方式及特点前言 构建onnx方式通常有两种#xff1a; 1、通过代码转换成onnx结构#xff0c;比如pytorch — onnx 2、通过onnx 自定义结点#xff0c;图#xff0c;生成onnx结构 本文主要是简单学习和使用两种不同onnx结构#xff0c; 下面以 Less 结点进行分析 方式 方法一 1、通过代码转换成onnx结构比如pytorch — onnx 2、通过onnx 自定义结点图生成onnx结构 本文主要是简单学习和使用两种不同onnx结构 下面以 Less 结点进行分析 方式 方法一pytorch -- onnx 暂缓主要研究方式二 方法二 onnx import onnx from onnx import TensorProto, helper, numpy_helper import numpy as npdef run():print(run start....\n)less helper.make_node(Less,nameLess_0,inputs[input1, input2],outputs[output1],)input1_data np.load(./tensor.npy) # 16, 397# input1_data np.load(./data.npy) # 16, 398 test# print(finput1_data shape:{input1_data.shape}\n)# input1_data np.zeros((16,398))initializer [ helper.make_tensor(input1, TensorProto.FLOAT, [16,397], input1_data)]cast_nodel helper.make_node(op_typeCast,inputs[output1],outputs[output2],nametest_cast,toTensorProto.FLOAT,)value_info helper.make_tensor_value_info(output2, TensorProto.BOOL, [16,397])graph helper.make_graph(nodes[less, cast_nodel],nametest_graph,inputs[helper.make_tensor_value_info(input2, TensorProto.FLOAT, [16,1])],outputs[helper.make_tensor_value_info(output2,TensorProto.FLOAT, [16,397])],initializerinitializer,value_info[value_info],)op onnx.OperatorSetIdProto()op.version 11model helper.make_model(graph, opset_imports[op])model.ir_version 8print(run done....\n)return modelif __name__ __main__:model run()onnx.save(model, ./test_less_ori.onnx)run import onnx import onnxruntime import numpy as np# 检查onnx计算图 def check_onnx(mdoel):onnx.checker.check_model(model)# print(onnx.helper.printable_graph(model.graph))def run(model):print(frun start....\n)session onnxruntime.InferenceSession(model,providers[CPUExecutionProvider])input_name1 session.get_inputs()[0].name input_data1 np.random.randn(16,1).astype(np.float32)print(finput_data1 shape:{input_data1.shape}\n)output_name1 session.get_outputs()[0].namepred_onx session.run([output_name1], {input_name1: input_data1})[0]print(fpred_onx shape:{pred_onx.shape} \n)print(frun end....\n)if __name__ __main__:path ./test_less_ori.onnxmodel onnx.load(./test_less_ori.onnx)check_onnx(model)run(path)