0

我正在尝试创建一个超级简单的 Tensorflow 网络（一个数据处理 Lambda 层），然后将模型转换为 ONNX，并在从 onnxruntime 调用 ONNX 模型时验证结果是否匹配。我正在使用 Tensorflow v2.5.0。& onnxruntime v1.8.1。

example_input2 = tf.convert_to_tensor([0,1000,2000,2000,2000,3000,3000,4000],dtype=tf.float32)

型号定义：

inp = keras.layers.Input(name="input", type_spec=tf.TensorSpec(shape=[None], dtype=tf.float32))
output = keras.layers.Lambda(lambda x: tf.roll(x,shift=-1,axis=0),name="output") (inp)
model = keras.Model(inp,output,name="pipeline")

然后我可以将我的 example_input2 输入网络：

model.predict(example_input2)

它提供了所需的输出（只需 tf.roll 操作）：

array([1000., 2000., 2000., 2000., 3000., 3000., 4000.,    0.],
  dtype=float32)

伟大的！现在我可以保存我的 tensorflow 模型，

model.save("OnnxInvestigateData/pipeline2", overwrite=True, include_optimizer=False, save_format='tf')

然后在 shell 中，我可以使用 tf2onnx 将其转换为 ONNX 格式：

python -m tf2onnx.convert --opset 14 --saved-model pipeline2 --output pipeline2.onnx

然后，回到 python，我可以加载 onnx 模型并尝试输入相同的输入：

sess = rt.InferenceSession("OnnxInvestigateData/pipeline2.onnx", log_verbosity_level=2)
xinput = example_input2.numpy()
sess.run(['output'],{"args_0":xinput})

它提供与输入匹配的输出，而不是所需的输出（应该是 tf.roll'd by -1）：

[array([   0., 1000., 2000., 2000., 2000., 3000., 3000., 4000.],
       dtype=float32)]

model.predict当我从原始 keras 模型上的 python 中调用时，我完全不知道为什么这里的输出不匹配。有任何想法吗？

4

1 回答 1

1

看起来您在 tf2onnx 中发现了一个错误。这是一个修复： https ://github.com/onnx/tensorflow-onnx/pull/1616

如果您只是在进行测试并且不想等待修复合并，请尝试使用正移位值。

output = keras.layers.Lambda(lambda x: tf.roll(x,shift=2,axis=0),name="output") (inp)

此外，如果您想直接从脚本中的 keras 进行转换，您可以执行以下操作：

onnx_model, _ = tf2onnx.convert.from_keras(model, opset=14)
sess = rt.InferenceSession(onnx_model.SerializeToString())
于 2021-07-14T23:59:55.800 回答