ONNX - 檔案格式
ONNX 檔案格式基本上是一個容器，它封裝了機器學習模型的整個結構。當您將模型匯出為 ONNX 格式時，生成的的檔案（通常副檔名為 .onnx）包含模型的基於圖的表示。如果您曾經使用過 ImageNet、MobileNet 或 AlexNet 等深度學習架構，您會發現 ONNX 表示非常熟悉。
ONNX 檔案格式是一種靈活的表示機器學習模型的方法，使其能夠在各種框架之間移植。ONNX 模型的核心是由圖組成的，圖是一組計算節點的集合。圖中的每個節點都表示一個特定的操作（例如，卷積、ReLU 啟用），資料按順序透過這些節點移動，就像資料流過神經網路中的層一樣。
在本教程中，我們將詳細瞭解 ONNX 檔案格式，討論它如何構建模型，包括其元件，例如計算圖、節點、運算子和元資料。
ONNX 檔案格式的關鍵元件
ONNX 檔案包含各種元件，有助於描述模型、其結構以及其工作方式。讓我們討論這些元件。
模型
ONNX 檔案表示一個模型，幷包含以下關鍵元素：
- 版本資訊：有關使用的 ONNX 版本的詳細資訊。
- 元資料：有關模型的其他資訊，例如作者或使用的框架。
- 無環計算資料流圖：描述模型內如何執行計算的核心結構。
圖
ONNX 檔案的核心是表示計算流程的圖。可以將其視為模型為處理輸入並生成輸出而經歷的操作的對映。
- 輸入和輸出：描述進入和離開模型的資料。它包括資料型別和形狀（維度）等資訊。
- 計算節點列表：圖中的每個節點都表示一個計算步驟（例如，應用啟用函式）。
- 圖名稱：描述模型整體結構的圖的名稱。
計算節點
每個計算節點執行特定任務，例如將函式應用於輸入資料。
- 輸入：每個節點可能具有零個或多個預定義型別的輸入，這些輸入是其他節點的輸出或外部輸入。
- 輸出：每個節點產生一個或多個輸出，這些輸出傳遞給序列中的下一個計算節點。
- 運算子：這些表示正在應用的操作（例如，矩陣乘法、ReLU 啟用）。
- 運算子引數：每個運算子可能具有一些引數，例如學習率或歸一化因子。
理解圖結構
ONNX 圖的結構是一系列相互連線的計算節點，資料在它們之間流動。可以將其視為神經網路的各層，其中每一層都處理輸入資料並將其傳遞到下一層。
- 圖輸入：這些是資料的起點，在其中定義輸入（例如，CNN 中的影像張量）。
- 圖輸出：資料透過所有計算節點後，會生成最終輸出張量（例如，分類標籤）。
- 計算節點：這些表示模型中的單個操作，例如卷積、啟用 (ReLU)、池化和全連線層。
廣告