在 python 中使用 Onnx 模型运行推理？答案

【问题标题】：Run inference using Onnx model in python?在 python 中使用 Onnx 模型运行推理？
【发布时间】：2018-12-01 05:20:20
【问题描述】：

我正在尝试检查我的 .onnx 模型是否正确，并且需要运行推理来验证相同的输出。

我知道我们可以在 Python 中使用 coremltools 对 .mlmodel 运行验证 - 基本上是加载模型和输入并获得预测。我正在尝试为 .onnx 模型做类似的事情。

我找到了 MXNet 框架，但我似乎不明白如何导入模型 - 我只有 .onnx 文件，除了 onnx 模型之外，MXNet 还需要一些额外的输入。

在 Python 中还有其他简单的方法可以做到这一点吗？我猜这是一个常见问题，但似乎找不到任何相关的库/框架来像 coremltools for .mlmodel 那样轻松地做到这一点。

我不想将 .onnx 转换为另一种类型的模型（比如 PyTorch），因为我想按原样检查 .onnx 模型，而不用担心转换是否正确。只需要一种方法来加载模型和输入、运行推理并打印输出。

这是我第一次遇到这些格式，所以任何帮助或见解将不胜感激。

谢谢！

【问题讨论】：

标签： python machine-learning predict onnx

【解决方案1】：

我想出了一个使用 Caffe2 的方法 - 只是发布以防将来有人尝试做同样的事情。

主代码SN-P是：

import onnx
import caffe2.python.onnx.backend
from caffe2.python import core, workspace

import numpy as np

# make input Numpy array of correct dimensions and type as required by the model

modelFile = onnx.load('model.onnx')
output = caffe2.python.onnx.backend.run_model(modelFile, inputArray.astype(np.float32))

也很重要的是要注意，输入到run_model只能是numpy数组或字符串。输出将是后端的对象.Outputs类型。我能够从中提取输出 numpy 数组。

我能够在 CPU 上执行推理，因此不需要使用 GPU 安装 Caffe2（需要 CUDA 和 CDNN）。

【讨论】：