tensorflow转onnx记录

安装tf2onnx以及onnxruntime

pip install onnxruntime
pip install tf2onnx

tf 转为onnx步骤为如下：

1. 将tf动态图冻结，生成冻结后的pb文件
2. 使用tf2onnx 将pb文件转为onnx文件

将tf动态图冻结使用如下代码：

def export_frozen_graph(model, model_dir, name_pb) :
	f = tf.function(lambda x: model(inputs=x))
	f = f.get_concrete_function(x=(tf.TensorSpec(model.inputs[0].shape, model.inputs[0].dtype)))
	frozen_func = convert_variables_to_constants_v2(f)
	frozen_func.graph.as_graph_def()

	print("-" * 50)
	print("Frozen model inputs: ")
	print(frozen_func.inputs)
	print("Frozen model outputs: ")
	print(frozen_func.outputs)

	tf.io.write_graph(graph_or_graph_def=frozen_func.graph,
					  logdir=model_dir,
					  name=name_pb,
					  as_text=False)

使用tf2onnx 将pb文件转为onnx文件时需要在终端执行，需要指出的是大部分tf模型的输入layout都是NHWC，而ONNX模型的输入layout为NCHW，因此建议在转换的时候加上--inputs-as-nchw这个选项，其他选项可以参考文档，非常详细，具体运行命令如下：

python -m tf2onnx.convert --input yolo.pb --output model.onnx --outputs Identity:0,Identity_1:0,Identity_2:0 --inputs x:0 --inputs-as-nchw x:0 --opset 10

参数说明：

• input 输入的pb模型
• output 输出的onnx文件名
• inputs 输入层名字，有多个输入时，中间用逗号隔开
• outputs 输出层名字，有多个输出时，中间用逗号隔开
• –inputs-as-nchw 将输入作为nchw格式，注意加上输入层名字
• –opset onnx 版本号

通过程序直接转：

tf2onnx.convert.from_keras(model, inputs_as_nchw=[model.inputs[0].name], output_path=model_filepath + 'yolo.onnx') --opset 10