onnx.helper¶
用于创建 ONNX 图组件的辅助函数¶
所有用于创建 ONNX 图的函数。
- onnx.helper.make_attribute(key: str, value: Any, doc_string: str | None = None, attr_type: int | None = None) AttributeProto [source]¶
根据值类型创建 AttributeProto。
- onnx.helper.make_attribute_ref(name: str, attr_type: AttributeProto.AttributeType, doc_string: str | None = None) AttributeProto [source]¶
创建一个 AttributeProto,它引用父函数中给定名称和类型的属性。
- onnx.helper.make_empty_tensor_value_info(name: str) ValueInfoProto [source]¶
- onnx.helper.make_function(domain: str, fname: str, inputs: Sequence[str], outputs: Sequence[str], nodes: Sequence[NodeProto], opset_imports: Sequence[OperatorSetIdProto], attributes: Sequence[str] | None = None, attribute_protos: Sequence[AttributeProto] | None = None, doc_string: str | None = None, overload: str | None = None, value_info: Sequence[ValueInfoProto] | None = None) FunctionProto [source]¶
- onnx.helper.make_graph(nodes: Sequence[NodeProto], name: str, inputs: Sequence[ValueInfoProto], outputs: Sequence[ValueInfoProto], initializer: Sequence[TensorProto] | None = None, doc_string: str | None = None, value_info: Sequence[ValueInfoProto] | None = None, sparse_initializer: Sequence[SparseTensorProto] | None = None) GraphProto [source]¶
构造 GraphProto
- 参数:
nodes – NodeProto 列表
name (string) – 图的名称
inputs – ValueInfoProto 列表
outputs – ValueInfoProto 列表
initializer – TensorProto 列表
doc_string (string) – 图的文档字符串
value_info – ValueInfoProto 列表
sparse_initializer – SparseTensorProto 列表
- 返回:
GraphProto
- onnx.helper.make_map(name: str, key_type: int, keys: list[Any], values: SequenceProto) MapProto [source]¶
使用指定的键值对参数创建 Map。
转换标准: - 键和值必须具有相同的元素数量 - keys 中的每个键必须是同一类型 - values 中的每个值必须是同一类型
- onnx.helper.make_map_type_proto(key_type: int, value_type: TypeProto) TypeProto [source]¶
创建 map TypeProto。
- onnx.helper.make_model(graph: GraphProto, **kwargs: Any) ModelProto [source]¶
构造 ModelProto
- 参数:
graph (GraphProto) – make_graph 的返回值
**kwargs – 要添加到返回实例的任何属性
- 返回:
ModelProto
- onnx.helper.make_node(op_type: str, inputs: Sequence[str], outputs: Sequence[str], name: str | None = None, doc_string: str | None = None, domain: str | None = None, overload: str | None = None, **kwargs: Any) NodeProto [source]¶
构造 NodeProto。
- 参数:
op_type (string) – 要构造的算子的名称
inputs (list of string) – 输入名称列表
outputs (list of string) – 输出名称列表
name (string, default None) – NodeProto 的可选唯一标识符
doc_string (string, default None) – NodeProto 的可选文档字符串
domain (string, default None) – NodeProto 的可选域。如果为 None,我们将使用默认域(为空)
overload (string, default None) – 可选字段,用于解析对模型本地函数的调用
**kwargs (dict) – 节点的属性。
make_attribute()
中记录了可接受的值。
- 返回:
NodeProto
- onnx.helper.make_operatorsetid(domain: str, version: int) OperatorSetIdProto [source]¶
构造 OperatorSetIdProto。
- 参数:
domain (string) – 算子集 ID 的域
version (integer) – 算子集 ID 的版本
- 返回:
OperatorSetIdProto
- onnx.helper.make_opsetid(domain: str, version: int) OperatorSetIdProto [source]¶
构造 OperatorSetIdProto。
- 参数:
domain (string) – 算子集 ID 的域
version (integer) – 算子集 ID 的版本
- 返回:
OperatorSetIdProto
- onnx.helper.make_model_gen_version(graph: GraphProto, **kwargs: Any) ModelProto [source]¶
- onnx.helper.make_optional(name: str, elem_type: OptionalProto.DataType, value: google.protobuf.message.Message | None) OptionalProto [source]¶
创建一个带有指定值参数的 Optional。
- onnx.helper.make_optional_type_proto(inner_type_proto: TypeProto) TypeProto [source]¶
创建一个可选的 TypeProto。
- onnx.helper.make_sequence(name: str, elem_type: SequenceProto.DataType, values: Sequence[Any]) SequenceProto [source]¶
创建一个带有指定值参数的 Sequence。
- onnx.helper.make_sequence_type_proto(inner_type_proto: TypeProto) TypeProto [source]¶
创建一个 sequence TypeProto。
- onnx.helper.make_sparse_tensor(values: TensorProto, indices: TensorProto, dims: Sequence[int]) SparseTensorProto [source]¶
构造一个 SparseTensorProto
- 参数:
values (TensorProto) – 值
indices (TensorProto) – 索引
dims – 形状
- 返回:
SparseTensorProto
- onnx.helper.make_sparse_tensor_type_proto(elem_type: int, shape: Sequence[str | int | None] | None, shape_denotation: list[str] | None = None) TypeProto [source]¶
根据数据类型和形状创建一个 SparseTensor TypeProto。
- onnx.helper.make_sparse_tensor_value_info(name: str, elem_type: int, shape: Sequence[str | int | None] | None, doc_string: str = '', shape_denotation: list[str] | None = None) ValueInfoProto [source]¶
根据数据类型和形状创建一个 SparseTensor ValueInfoProto。
- onnx.helper.make_tensor(name: str, data_type: int, dims: Sequence[int], vals: Any, raw: bool = False) TensorProto [source]¶
创建一个带有指定参数的 TensorProto。如果 raw 为 False,此函数将根据 data_type 选择相应的 proto 字段来存储值。如果 raw 为 True,则使用“raw_data” proto 字段来存储值,此时值应该是 bytes 类型。
- onnx.helper.make_tensor_sequence_value_info(name: str, elem_type: int, shape: Sequence[str | int | None] | None, doc_string: str = '', elem_shape_denotation: list[str] | None = None) ValueInfoProto [source]¶
根据数据类型和形状创建一个 Sequence[Tensors] ValueInfoProto。
- onnx.helper.make_tensor_type_proto(elem_type: int, shape: Sequence[str | int | None] | None, shape_denotation: list[str] | None = None) TypeProto [source]¶
根据数据类型和形状创建一个 Tensor TypeProto。
- onnx.helper.make_training_info(algorithm: GraphProto, algorithm_bindings: list[tuple[str, str]], initialization: GraphProto | None, initialization_bindings: list[tuple[str, str]] | None) TrainingInfoProto [source]¶
类型映射¶
- onnx.helper.get_all_tensor_dtypes() KeysView[int] [source]¶
从 TensorProto 获取所有张量类型。
- 返回:
TensorProto 中的所有张量类型
- onnx.helper.np_dtype_to_tensor_dtype(np_dtype: np.dtype) TensorProto.DataType [source]¶
将 numpy 的 dtype 转换为相应的张量类型。在将 numpy 数组转换为张量时可以使用。
- 参数:
np_dtype – numpy 的数据类型
- 返回:
TensorsProto 的数据类型
- onnx.helper.tensor_dtype_to_field(tensor_dtype: int) str [source]¶
将 TensorProto 的 data_type 转换为相应的存储字段名称。在创建张量时可以使用。
- 参数:
tensor_dtype – TensorProto 的数据类型
- 返回:
字段名称
- onnx.helper.tensor_dtype_to_np_dtype(tensor_dtype: int) dtype [source]¶
将 TensorProto 的 data_type 转换为相应的 numpy dtype。在创建张量时可以使用。
- 参数:
tensor_dtype – TensorProto 的数据类型
- 返回:
numpy 的数据类型
工具¶
其他函数¶
|
|
|
|
|
|
|
|
|
|
|
|
|
将 GraphProto 显示为字符串。 |
|
|
|
|
|
|
|