【推理引擎】ONNX 模型解析

定义模型结构

首先使用 PyTorch 定义一个简单的网络模型：

class ConvBnReluBlock(nn.Module):
    def __init__(self) -> None:
        super().__init__()
        self.conv1 = nn.Conv2d(3, 64, 3)
        self.bn1 = nn.BatchNorm2d(64)
        self.maxpool1 = nn.MaxPool2d(3, 1)
        self.conv2 = nn.Conv2d(64, 32, 3)
        self.bn2 = nn.BatchNorm2d(32)
        self.relu = nn.ReLU()
    def forward(self, x):
        out = self.conv1(x)
        out = self.bn1(out)
        out = self.relu(out)
        out = self.maxpool1(out)
        out = self.conv2(out)
        out = self.bn2(out)
        out = self.relu(out)
        return out

在导出模型之前，需要提前定义一些变量：

model = ConvBnReluBlock()     # 定义模型对象
x = torch.randn(2, 3, 255, 255)      # 定义输入张量

然后使用 PyTorch 官方 API（torch.onnx.export）导出 ONNX 格式的模型：

# way1:
torch.onnx.export(model, (x), "conv_bn_relu_evalmode.onnx", input_names=["input"], output_names=['output'])
# way2:
import torch._C as _C
TrainingMode = _C._onnx.TrainingMode
torch.onnx.export(model, (x), "conv_bn_relu_trainmode.onnx", input_names=["input"], output_names=['output'],
                opset_version=12,                    # 默认版本为9,但是如果低于12，将不能正确导出 Dropout 和 BatchNorm 节点
                training=TrainingMode.TRAINING,      # 默认模式为 TrainingMode.EVAL
                do_constant_folding=False)           # 常量折叠，默认为True，但是如果使用TrainingMode.TRAINING模式，则需要将其关闭
# way3
torch.onnx.export(model,
                (x),
                "conv_bn_relu_dynamic.onnx",
                input_names=['input'],
                output_names=['output'],
                dynamic_axes={'input': {0: 'batch_size', 2: 'input_width', 3: 'input_height'},
                            'output': {0: 'batch_size', 2: 'output_width', 3: 'output_height'}})

可以看到，这里主要以三种方式导出模型，下面分别介绍区别：

way1：如果模型中存在 BatchNorm 或者 Dropout，我们在导出模型前会首先将其设置成 eval 模式，但是这里我们即使忘记设置也无所谓，因为在导出模型时会自动设置（export函数中training参数的默认值为TrainingMode.EVAL）。
way2：如果我们想导出完整的模型结构，包括 BatchNorm 和 Dropout，则应该将 training 属性设置为 train 模式。
way3：如果想要导出动态输入的模型结构，则需要设置 dynamic_axes 属性，比如这里我们将第一、三和四维设置成动态结构，那么我们就可以输入任何Batch大小、任何长宽尺度的RGB图像。

下图分别将这三种导出方式的模型结构使用 Netron 可视化：

分析模型结构

这里参考了BBuf大佬的讲解：【传送门：https://zhuanlan.zhihu.com/p/346511883】

接下来主要针对 way1 方式导出的ONNX模型进行深入分析。

ONNX格式定义：https://github.com/onnx/onnx/blob/master/onnx/onnx.proto

在这个文件中，定义了多个核心对象：ModelProto、GraphProto、NodeProto、ValueInfoProto、TensorProto 和 AttributeProto。

在加载ONNX模型之后，就获得了一个ModelProto，其中包含一些

版本信息(本例中：ir_version = 7)
生成者信息：producer_name: pytorch，producer_version: 1.10，这两个属性主要用来说明由哪些框架哪个版本导出的onnx
核心组件：GraphProto

在 GraphProto 中，有如下几个属性需要注意：

name：本例中：name = 'torch-jit-export'

input 数组：

[name: "input"
type {
  tensor_type {
    elem_type: 1
    shape {
      dim {
        dim_value: 2
      }
      dim {
        dim_value: 3
      }
      dim {
        dim_value: 255
      }
      dim {
        dim_value: 255
      }
    }
  }
}
]

output 数组：

[name: "output"
type {
  tensor_type {
    elem_type: 1
    shape {
      dim {
        dim_value: 2
      }
      dim {
        dim_value: 32
      }
      dim {
        dim_value: 249
      }
      dim {
        dim_value: 249
      }
    }
  }
}
]

node 数组，该数组中包含了模型中所有的计算节点（本例中："Conv_0"、"Relu_1"、"MaxPool_2"、"Conv_3"、"Relu_4"），以及各个节点的属性，：

 [input: "input"
input: "23"
input: "24"
output: "22"
name: "Conv_0"
op_type: "Conv"
attribute {
  name: "dilations"
  ints: 1
  ints: 1
  type: INTS
}
attribute {
  name: "group"
  i: 1
  type: INT
}
attribute {
  name: "kernel_shape"
  ints: 3
  ints: 3
  type: INTS
}
attribute {
  name: "pads"
  ints: 0
  ints: 0
  ints: 0
  ints: 0
  type: INTS
}
attribute {
  name: "strides"
  ints: 1
  ints: 1
  type: INTS
}
,
input: "22"
output: "17"
name: "Relu_1"
op_type: "Relu"
, input: "17"
output: "18"
name: "MaxPool_2"
op_type: "MaxPool"
attribute {
  name: "kernel_shape"
  ints: 3
  ints: 3
  type: INTS
}
attribute {
  name: "pads"
  ints: 0
  ints: 0
  ints: 0
  ints: 0
  type: INTS
}
attribute {
  name: "strides"
  ints: 1
  ints: 1
  type: INTS
}
,
input: "18"
input: "26"
input: "27"
output: "25"
name: "Conv_3"
op_type: "Conv"
attribute {
  name: "dilations"
  ints: 1
  ints: 1
  type: INTS
}
attribute {
  name: "group"
  i: 1
  type: INT
}
attribute {
  name: "kernel_shape"
  ints: 3
  ints: 3
  type: INTS
}
attribute {
  name: "pads"
  ints: 0
  ints: 0
  ints: 0
  ints: 0
  type: INTS
}
attribute {
  name: "strides"
  ints: 1
  ints: 1
  type: INTS
}
,
input: "25"
output: "output"
name: "Relu_4"
op_type: "Relu"
]

通过以上 node 的输入输出信息，可提取出节点之间的拓扑关系，构建出一个完整的神经网络。

initializer 数组：存放模型的权重参数。

[dims: 64
dims: 3
dims: 3
dims: 3
data_type: 1
name: "23"
raw_data: "\220\251\001>\232\326&>\253\227\372 ... 省略一眼望不到头的内容 ... "
dims: 64
data_type: 1
name: "24"
raw_data: "Rt\347\275\005\203\0 ..."
dims: 32
dims: 64
dims: 3
dims: 3
data_type: 1
name: "26"
raw_data: "9\022\273;+^\004\2 ..."
...

至此，我们已经分析完 GraphProto 的内容，下面根据图中的一个节点可视化说明以上内容：

从图中可以发现，Conv 节点的输入包含三个部分：输入的图像（input）、权重（这里以数字23代表该节点权重W的名字）以及偏置（这里以数字24表示该节点偏置B的名字）；输出内容的名字为22；属性信息包括dilations、group、kernel_shape、pads和strides，不同节点会具有不同的属性信息。在initializer数组中，我们可以找到该Conv节点权重（name:23）对应的值(raw_data)，并且可以清楚地看到维度信息（64X3X3X3）。