mindspore.onnx.export

mindspore.onnx.export(net, *inputs, file_name, input_names=None, output_names=None, export_params=True, keep_initializers_as_inputs=False, dynamic_axes=None)

将MindSpore网络模型导出为ONNX文件。

说明

• 支持模型大小超过2GB导出ONNX，当检测到模型大小超过2GB时，模型的参数会保存在额外的二进制文件中，与ONNX文件保存在同级目录。

• 当 file_name 没有后缀时，系统会自动添加后缀 .onnx 。

参数：

• net (Union[Cell, function]) - MindSpore网络结构。

• inputs (Union[Tensor, list, tuple, Number, bool]) - 网络的输入，如果网络有多个输入，需要一同传入。

• file_name (str) - 导出模型的文件名称。

• input_names (list, 可选) - 按顺序为图的输入节点修改名称。默认值： None 。

• output_names (list, 可选) - 按顺序为图的输出节点修改名称。默认值： None 。

• export_params (bool, 可选) - 如果设置为False，参数（权重）将不会被导出到ONNX模型中，而作为模型的输入节点。默认值： True 。

• keep_initializers_as_inputs (bool, 可选) - 如何设置为True，所有的初始化值（模型参数、模型权重）也将被添加为图的输入，当运行导出的ONNX模型时，如果想替换某一或所有权重，请设置为True。默认值：False 。

• dynamic_axes (dict[str, dict[int, str]], 可选) - 将输入节点张量的轴指定为动态的（运行时）。默认值： None 。

  • 参数格式为{"输入节点": {轴索引: "轴名称"}}，例如：{"input1": {0:"batch_size", 1: "seq_len"}, "input2": {{0:"batch_size"}}。

  • 默认情况下，导出的模型的所有输入张量的形状与 inputs 中给定的形状完全匹配。

异常：

• ValueError - 参数 net 的类型不为 mindspore.nn.Cell 对象。

• ValueError - 参数 input_names 的类型不为list。

• ValueError - 参数 output_names 的类型不为list。

• ValueError - 参数 dynamic_axes 的类型不为dict。

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> from mindspore import Tensor
>>>
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/master/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> input_tensor = Tensor(np.ones([1, 1, 32, 32]).astype(np.float32))
>>> ms.onnx.export(net, input_tensor, file_name='lenet.onnx', input_names=['input1'], output_names=['output1'])