onnx.numpy_helper

from_array(array, /[, name])	将数组转换为 TensorProto
from_dict(dict_[, name])	将 Python 字典转换为映射定义。
from_list(lst[, name, dtype])	将列表转换为序列定义。
from_optional(opt[, name, dtype])	将可选值转换为可选定义。
to_array(tensor[, base_dir])	将张量定义对象转换为 numpy 数组。
to_dict(map_proto)	将映射定义转换为 Python 字典。
to_list(sequence)	将序列定义转换为 Python 列表。
to_optional(optional)	将可选定义转换为 Python 可选。

数组

onnx.numpy_helper.from_array(array: ndarray, /, name: str | None = None) → TensorProto

将数组转换为 TensorProto

参数:

• array – numpy 数组。

• name – (可选) 张量的名称。

返回:

转换后的张量定义。

返回类型:

TensorProto

onnx.numpy_helper.to_array(tensor: TensorProto, base_dir: str = '') → ndarray

将张量定义对象转换为 numpy 数组。

如果 dtype 不是原生 numpy dtype，此函数将使用 ml_dtypes。

参数:

• tensor – TensorProto 对象。

• base_dir – 如果存在外部张量，base_dir 可以帮助查找其路径

返回:

转换后的数组。

返回类型:

arr

对于 NumPy 本身不支持的数据类型，数组将以 ml_dtypes 数据类型返回。

序列

onnx.numpy_helper.to_list(sequence: SequenceProto) → list[Any]

将序列定义转换为 Python 列表。

参数:

sequence – SequenceProto 对象。

返回:

转换后的列表。

返回类型:

列表

onnx.numpy_helper.from_list(lst: list[Any], name: str | None = None, dtype: int | None = None) → SequenceProto

将列表转换为序列定义。

参数:

• lst – Python 列表

• name – (可选) 序列的名称。

• dtype – (可选) 输入列表中元素的类型，用于在转换空列表时指定序列值。

返回:

转换后的序列定义。

返回类型:

SequenceProto

字典

onnx.numpy_helper.to_dict(map_proto: MapProto) → dict[Any, Any]

将映射定义转换为 Python 字典。

参数:

map_proto – MapProto 对象。

返回:

转换后的字典。

onnx.numpy_helper.from_dict(dict_: dict[Any, Any], name: str | None = None) → MapProto

将 Python 字典转换为映射定义。

参数:

• dict – Python 字典

• name – (可选) 映射的名称。

返回:

转换后的映射定义。

返回类型:

MapProto

可选

onnx.numpy_helper.to_optional(optional: OptionalProto) → Any | None

将可选定义转换为 Python 可选。

参数:

optional – OptionalProto 对象。

返回:

转换后的可选。

返回类型:

opt

onnx.numpy_helper.from_optional(opt: Any | None, name: str | None = None, dtype: int | None = None) → OptionalProto

将可选值转换为可选定义。

参数:

• opt – Python 可选值

• name – (可选) 可选值的名称。

• dtype – (可选) 输入中元素的类型，用于在转换空值时指定可选值。dtype 必须是有效的 OptionalProto.DataType 值

返回:

转换后的可选定义。

返回类型:

可选