config
最后更新
modelconverter.utils.config描述转换的配置模型。转换由 YAML 文件(参见 configs/defaults.yaml)描述,该文件被解析为此处定义的 pydantic 模型。顶层 Config 为每个阶段包含一个 SingleStageConfig,每个阶段描述输入模型、其输入和输出、校准数据以及平台特定选项(HailoConfig、RVC2Config、RVC3Config 和 RVC4Config)。用户未提供的值将从输入模型本身的元数据中填充,以便在每个后端 Docker 映像中运行的导出器接收到模型的完全解析描述。类
BlobBaseConfig
属性
compile_tool_args
compile_tool 的附加参数。它们优先于默认参数。compress_to_fp16
mo_args
Config
Yaml
1input_model: models/yolov6n.onnx
2encoding:
3 from: RGB
4 to: BGR
5calibration:
6 path: models/coco128stages 的单个条目下嵌套的相同字段。有关每个字段及其默认值,请参阅 configs/defaults.yaml。方法
get_stage_config
Python
1def get_stage_config(stage: str | None) -> SingleStageConfig:stage(str | None): 阶段名称。只有当配置只有一个阶段时才能为None。
SingleStageConfig: 所请求阶段的配置。
ValueError: 如果未给出阶段名称且配置有多个阶段。KeyError: 如果不存在给定名称的阶段。
属性
name
rich_logging
stages
EncodingConfig
from 字段(在 Python 中命名为 from_)是原始模型期望的编码。to 字段是转换后的模型在运行时接收的编码。如果两者不同,则在输入前添加通道反转,以便转换后的模型接收 to 数据,而原始图仍接收 from 数据。属性
from_
Encodings
属性
activation_encodings
param_encodings
HailoConfig
属性
alls
alls) 的附加行。batch_size
compression_level
0 和 5 之间。disable_compilation
force_onnx_names
.har 和 .hef 模型上使用 ONNX 名称。hw_arch
optimization_level
0 和 4 之间,或 -100 以禁用所有优化。ImageCalibrationConfig
属性
generated_from_random
generated_layout
max_images
path
<dataset_name>:<split> 形式的 LDF 数据集标识符;它在验证期间下载并存储为本地路径。resize_method
InputConfig
mean_values 和 scale_values:RVC4 导出器将它们烘焙到 ONNX 图中,RVC2 和 RVC3 将它们传递给 OpenVINO 模型优化器,Hailo 将它们放入模型脚本中。方法
requires_input_preprocessing
Python
1def requires_input_preprocessing(*, reverse_only: bool = False) -> bool:reverse_only(bool): 如果为True,则只考虑通道反转,忽略均值和比例值。
bool: 如果编码不同,或者(除非设置了reverse_only)如果设置了任何非中性均值或比例值,则为True。
validate_input_contract
Python
1def validate_input_contract(*, validate_values: bool = True):validate_preprocessing
Python
1def validate_preprocessing(*, reverse_only: bool = False) -> int:reverse_only(bool): 仅验证请求的编码转换。
int: 已解析的输入通道数。
ValueError: 如果输入契约不足或不一致。
属性
calibration
calibration_preprocessing
channel_count
C 可信时返回正通道计数。encoding
encoding_mismatch
from 和 to 编码是否不同。frozen_value
is_color_input
is_raw_input
mean_values
scale_values 具有相同的选项。scale_values
mean_values 后,输入被除以的每通道值。可以作为单个数字、列表或预设名称(例如 "imagenet")给出。LinkCalibrationConfig
属性
output
stage 输出的名称。script
stage 输出的 Python 脚本。可以是源代码本身,也可以是 .py 文件的路径,其内容在验证期间读取。必须提供 output 或 script。stage
ONNXOptimizationsConfig
方法
all_disabled
Python
1def all_disabled(self) -> bool:属性
fuse_add_mul_to_bn
Conv 节点后面的 Add/Sub 和 Mul 节点融合到 BatchNormalization 节点中。fuse_comb_add_mul_to_conv
Conv 节点前面的 Add 和 Mul 节点的组合融合到 Conv 节点中。fuse_single_add_mul_to_conv
Conv 节点前面的单个 Add 或 Mul 节点融合到 Conv 节点中。fuse_split_concat_to_conv
Conv 节点前面的 Split 和 Concat 节点融合到 Conv 节点中。substitute_div_with_mul
Div 节点替换为 Mul 节点和该常量的倒数副本。substitute_sub_with_add
Sub 节点替换为 Add 节点和该常量的负数副本。OutputConfig
方法
validate_layout
Python
1def validate_layout(self) -> Self:Self: 经过验证的模型。
ValueError: 如果布局的长度与形状的长度不匹配。
属性
data_type
layout
"NCHW"。需要提供 shape;如果只给出 shape,则从形状推断默认布局。name
shape
PlatformConfig
属性
disable_calibration
QuantizationOverrides
Encodings 对象,否则它不会有意地通过 Encodings 强制转换。方法
from_path
Python
1def from_path(path: Path) -> QuantizationOverrides:from_payload
Python
1def from_payload(payload: dict[str, Any]) -> QuantizationOverrides:load_payload
Python
1def load_payload(self) -> dict[str, Any]:serialize
Python
1def serialize(self) -> dict[str, Any] | str:rvc4.encodings 值一样序列化。属性
payload
source_path
QuantizationOverridesItem
方法
serialize_is_symmetric
Python
1def serialize_is_symmetric(value: bool | None) -> str | None:is_symmetric 序列化为 JSON 输出中的字符串。参数value(bool | None):is_symmetric字段的值。
str | None: 值的字符串表示,如果值为None,则为None。
属性
bitwidth
dtype
is_symmetric
max
min
offset
scale
RandomCalibrationConfig
属性
data_type
max_images
max_value
mean
min_value
std
RVC2Config
属性
n_workers
number_of_shaves
superblob 时强制为 8。superblob
.superblob 文件而不是常规 .blob。RVC3Config
属性
pot_target_device
RVC4Config
方法
validate_encodings
Python
1def validate_encodings(value: ParamValue | QuantizationOverrides | Encodings) -> QuantizationOverrides | Encodings | None:value(ParamValue | QuantizationOverrides | Encodings):None、JSON 字符串、JSON 文件路径或已解析的映射。
QuantizationOverrides | Encodings | None: 原始编码源,如果未给出值,则为None。
validate_quantization_overrides
Python
1def validate_quantization_overrides(self) -> Self:encodings。--quantization_overrides PATH 和 --quantization_overrides=PATH 形式都从 snpe_onnx_to_dlc_args 中删除,并且引用的 JSON 文件存储为原始 encodings 源。返回Self: 经过验证的模型。
ValueError: 如果缺少原始覆盖路径,提供了多个原始覆盖,或者原始覆盖与encodings结合使用。
属性
disable_calibration
encodings
htp_socs
keep_raw_images
normalize_io_encodings
optimization_level
quantization_mode
CUSTOM 外的所有模式都覆盖用户提供的 SNPE 参数。snpe_dlc_graph_prepare_args
snpe-dlc-graph-prepare 的附加参数。snpe_dlc_quant_args
snpe-dlc-quant 的附加参数。snpe_onnx_to_dlc_args
snpe-onnx-to-dlc 的附加参数。它们优先于默认参数。strict_quantization_overrides
use_per_channel_quantization
use_per_row_quantization
MatMul 和 FullyConnected 操作使用逐行量化。SingleStageConfig
方法
get_platform_config
Python
1def get_platform_config(platform: Platform) -> PlatformConfig:validate_disable_onnx_optimizations
Python
1def validate_disable_onnx_optimizations(data: Params) -> Params:disable_onnx_optimizations。已弃用
自 0.5.6 版起已弃用:请改用
onnx_optimizations: false。data(Params): 原始阶段配置。
Params: 如果启用了已弃用选项,则所有 ONNX 优化都已禁用的配置。
ValueError: 如果启用了disable_onnx_optimizations并且也指定了onnx_optimizations。
validate_onnx_optimizations
Python
1def validate_onnx_optimizations(data: Params) -> Params:onnx_optimizations 的简写值。参数data(Params): 原始阶段配置。
Params: 如果使用了简写值,则onnx_optimizations被替换为 ONNXOptimizationsConfig 的配置,所有优化都已启用或禁用。
validate_onnx_simplification
Python
1def validate_onnx_simplification(data: Params) -> Params:disable_onnx_simplification。已弃用
自 0.5.6 版起已弃用:请改用
onnx_simplification: false。data(Params): 原始阶段配置。
Params: 如果启用了已弃用选项,则onnx_simplification设置为False的配置。
ValueError: 如果启用了disable_onnx_simplification并且也指定了onnx_simplification。
属性
hailo
input_bin
.bin 文件路径。对于 IR 模型,从 input_model 派生。input_file_type
input_model 的后缀派生。input_model
inputs
intermediate_outputs_remote_url
keep_intermediate_outputs
onnx_optimizations
onnx_simplification
False 以禁用简化。output_remote_url
outputs
put_file_plugin
rvc2
rvc3
rvc4
函数
broadcast_preprocessing_values
Python
1def broadcast_preprocessing_values(values: list[float], channels: int | None) -> list[float]:generate_renamed_onnx
Python
1def generate_renamed_onnx(onnx_path: PathType, rename_dict: dict[str, str], output_path: PathType):rename_dict 中的每个节点输入和输出都替换为新名称。如果原始模型使用了外部数据,则模型将保存为外部数据。参数onnx_path(PathType): 要重命名的 ONNX 模型的路径。rename_dict(dict[str, str]): 从旧张量名称到新张量名称的映射。output_path(PathType): 保存重命名模型的路径。