深度学习基础-onnxruntime推理模型

以下是一个完整的示例,展示如何加载 ONNX 模型、获取模型信息并运行推理:

复制代码
import onnxruntime
import numpy as np

# 模型路径
bev_head_onnx_path = "path/to/your/bev_head.onnx"

# 加载模型
session = onnxruntime.InferenceSession(bev_head_onnx_path)

# 获取模型元信息
model_meta = session.get_modelmeta()
print("Model Name:", model_meta.name)
print("Model Version:", model_meta.version)
print("Inputs:", [input.name for input in model_meta.graph_inputs])
print("Outputs:", [output.name for output in model_meta.graph_outputs])

# 准备输入数据
# 假设模型的输入名称为 'volumes',形状为 (1, 3, 224, 224)
volumes = np.random.rand(1, 3, 224, 224).astype(np.float32)

# 运行推理
onnx_results = session.run([], {'volumes': volumes})

# 打印输出结果
print("Output shape:", [result.shape for result in onnx_results])

输出示例

假设模型的输入名称为 'volumes',输出名称为 'output',运行上述代码可能会输出类似以下内容:

复制代码
Model Name: bev_head_model
Model Version: 1.0
Inputs: ['volumes']
Outputs: ['output']
Output shape: [(1, 1000)]

注意事项

  1. 输入名称和形状

    • 输入数据的名称(如 'volumes')和形状必须与 ONNX 模型中定义的输入一致。可以通过 get_modelmeta() 检查输入名称和形状。

    • 如果输入数据的形状不正确,可能会导致运行时错误。

  2. 数据类型

    • 输入数据的类型(如 np.float32)也必须与模型的要求一致。可以通过 model_meta.graph_inputs 检查输入数据类型。
  3. 输出结果

    • session.run() 返回的结果是一个列表,其中每个元素对应一个输出张量。如果模型有多个输出,可以通过指定输出名称列表来选择需要的输出。
  4. 性能优化

    • 如果需要更高的推理性能,可以使用 onnxruntime 的优化选项,例如设置执行提供者(如 CUDAExecutionProvider)或启用图优化。

通过这种方式,你可以方便地加载和运行 ONNX 模型,并获取模型的推理结果。

相关推荐
腾讯数据架构师38 分钟前
k8s 兼容摩尔线程
人工智能·云原生·容器·kubernetes·cube-studio
春末的南方城市1 小时前
AI视频生成进入多镜头叙事时代!字节发布 Waver 1.:一句话生成 10 秒 1080p 多风格视频,创作轻松“一键”达!
人工智能·深度学习·机器学习·计算机视觉·aigc
机器之心1 小时前
节前重磅:开源旗舰模型新SOTA,智谱GLM-4.6问世
人工智能·openai
肖书婷1 小时前
人工智能-机器学习day2
人工智能·机器学习
西猫雷婶1 小时前
pytorch基本运算-torch.normal()函数生成的随机数据添加噪声
人工智能·pytorch·python·深度学习·学习·线性代数·机器学习
He BianGu2 小时前
【项目】Vision Master OpenCV 3.0 版本(预)发行说明
人工智能·数码相机·opencv
无锡布里渊2 小时前
分布式光纤声波振动与AI的深度融合:开启智慧感知新时代
人工智能·温度监测·线性感温火灾监测·线型感温火灾探测器·光纤振动das·防外破·分布式光纤声波振动
Yolo566Q2 小时前
基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化实践技术应用
pytorch·深度学习·分类
阿里云云原生3 小时前
Qoder 负责人揭秘:Qoder 产品背后的思考与未来发展
人工智能
岁月宁静3 小时前
Vue3.5 + SSE 构建高可用 AI 聊天交互层 ——chat.js 模块架构与实现
前端·vue.js·人工智能