# onnx_tools

Python API: `modelconverter.utils.onnx_tools`

转换后端共享的 ONNX 图实用程序。

包含 modelconverter 在将 ONNX 模型交给平台供应商工具链之前对其应用的传递：将配置的输入归一化（通道反转、均值减法和缩放）烘焙到图中，并使用 `onnxsim`、`onnxruntime` 和 `onnx_graphsurgeon`
简化、优化和融合图。

## 类

### ONNXModifier

ONNX 模型修改器类，用于优化和修改 ONNX 模型。

#### 方法

##### init

```python
def __init__(model_path: Path, output_path: Path, skip_optimization: bool = False, skip_constant_folding: bool = False):
```

加载 ONNX 模型并准备进行修改。

参数

 * `model_path` (`Path`): 基础 ONNX 模型的路径。
 * `output_path` (`Path`): 保存修改后的 ONNX 模型的路径。
 * `skip_optimization` (`bool`): 是否跳过加载和导出模型时执行的图优化。
 * `skip_constant_folding` (`bool`): 是否跳过简化过程中的常量折叠。

##### compare_outputs

```python
def compare_outputs(from_modelproto: bool = False) -> bool:
```

比较两个 ONNX 模型的输出。

参数

 * `from_modelproto` (`bool`): 如果为 `True`，则比较内存中的模型与其先前的状态，而不是比较磁盘上的模型文件。

返回

 * `bool`: 如果两个模型的输出匹配，则为 `True`，否则为 `False`。

##### modify_onnx

```python
def modify_onnx(substitute_sub_with_add: bool = True, substitute_div_with_mul: bool = True, fuse_add_mul_to_bn: bool = True, fuse_comb_add_mul_to_conv: bool = True, fuse_single_add_mul_to_conv: bool = True, fuse_split_concat_to_conv: bool = True) -> bool:
```

通过应用一系列优化来修改 ONNX 模型。

每个标志启用一个步骤。如果某个步骤改变了模型的输出，则会回滚该步骤。

参数

 * `substitute_sub_with_add` (`bool`): 是否用 `Add` 节点替换 `Sub` 节点。
 * `substitute_div_with_mul` (`bool`): 是否用 `Mul` 节点替换 `Div` 节点。
 * `fuse_add_mul_to_bn` (`bool`): 是否将 `Add` 和 `Mul` 节点融合到 `BatchNormalization` 节点中。
 * `fuse_comb_add_mul_to_conv` (`bool`): 是否将 `Add` 和 `Mul` 节点的组合融合到 `Conv` 节点中。
 * `fuse_single_add_mul_to_conv` (`bool`): 是否将单个 `Add` 和 `Mul` 节点融合到 `Conv` 节点中。
 * `fuse_split_concat_to_conv` (`bool`): 是否将 `Split` 和 `Concat` 节点融合到 `Conv` 节点中。

返回

 * `bool`: 如果模型被修改并导出，则为 `True`，否则为 `False`。

#### 属性

##### model_path

基础 ONNX 模型的路径。

##### output_path

保存修改后的 ONNX 模型的路径。

## 函数

### get_opset_version

```python
def get_opset_version(model: onnx.ModelProto) -> int:
```

返回 ONNX 模型的默认域 opset 版本。

参数

 * `model` (`onnx.ModelProto`): 搜索其 `opset_import` 的模型。

返回

 * `int`: 为默认（空）域声明的 Opset 版本。

抛出

 * `ONNXException`: 如果模型未声明默认域 opset。

### onnx_attach_normalization_to_inputs

```python
def onnx_attach_normalization_to_inputs(model_path: Path, save_path: Path, input_configs: dict[str, InputConfig], *, reverse_only: bool = False) -> Path:
```

将输入归一化烘焙到 ONNX 模型的图中。

对于每个需要归一化的输入，在输入前面插入通道反转（`Split` 和 `Concat`）、均值减法（`Sub`）和缩放（乘以比例的倒数 `Mul`）节点，以便图本身计算

yc = (xc − meanc)⋅(1)/(scalec)

对于每个通道 c。结果模型将保存并使用 ONNX 检查器进行验证。均值和比例归一化支持任何已知通道数；颜色通道反转需要正好三个通道。标量均值或比例广播到每个通道。

参数

 * `model_path` (`Path`): 源 ONNX 模型的路径。
 * `save_path` (`Path`): 修改后的模型保存到的路径。
 * `input_configs` (`dict[str, InputConfig]`): 以输入名称为键的输入配置。
 * `reverse_only` (`bool`): 如果为 `True`，则仅应用通道反转，并忽略均值和比例值。

返回

 * `Path`: 如果任何输入需要修改，则为 `save_path`，否则为未修改的 `model_path`。

抛出

 * `ONNXException`: 如果预处理请求或源模型无效。
 * `PreprocessingEmbeddingError`: 如果无法将有效的预处理嵌入到此 ONNX 图中。

## 属性

### FLOATING_TENSOR_TYPES
