# onnx_compatibility

Python API: `modelconverter.utils.onnx_compatibility`

用于平滑ONNX版本之间差异的辅助工具。

ONNX是所有平台都可以接受的输入格式，因此modelconverter必须应对给定镜像中ONNX包提供的任何内容：辅助函数在不同版本之间来来去去，而对于单个protobuf来说太大的模型则将其权重保存在伴随文件中。此模块将缺失的辅助函数重新打补丁，并收集包的其余部分所需的外部数据处理。

## 函数

### ensure_onnx_helper_compatibility

```python
def ensure_onnx_helper_compatibility():
```

将标量转换辅助函数重新打补丁到`onnx.helper`中。

ONNX 1.21删除了`float32_to_bfloat16`和`float32_to_float8e4m3`，而ONNX
GraphSurgeon仍然导入它们。这里重新引入了这两个函数，它们是在`ml_dtypes`之上实现的，并且仍然提供它们的ONNX版本保持不变。

### get_external_data_paths

```python
def get_external_data_paths(model_path: PathType) -> list[Path]:
```

返回保存模型外部张量数据的每个伴随文件。

使用`all_tensors_to_one_file=False`保存的模型为每个张量保留一个文件，因此不一定只有一个文件。

### has_external_data

```python
def has_external_data(model_path: PathType) -> bool:
```

模型是否将其任何张量保存在伴随文件中。

重新保存模型的调用者会将所有张量合并到一个新文件中，因此他们只需要知道是否存在外部数据，而不需要知道它当前位于何处。

### save_onnx_model

```python
def save_onnx_model(model: onnx.ModelProto, output_path: PathType, *, save_as_external_data: bool = False, location: str | None = None):
```

保存ONNX模型，可选地将其张量保存在旁边。

当请求外部数据时，初始化器将写入模型旁边的一个伴随文件中，替换同名的早期文件。节点属性中保存的张量保留在模型文件中。

参数

 * `model` (`onnx.ModelProto`): 要保存的模型。
 * `output_path` (`PathType`): 写入模型的路径。
 * `save_as_external_data` (`bool`): 是否将张量数据存储在伴随文件中，而不是模型文件本身。
 * `location` (`str | None`): 该伴随文件的名称。默认为模型文件名后附加`_data`。
