前言

构建onnx方式通常有两种：
1、通过代码转换成onnx结构，比如pytorch —> onnx
2、通过onnx 自定义结点，图，生成onnx结构

本文主要是简单学习和使用两种不同onnx结构，
下面以 Tile 结点进行分析

方式

方法一：pytorch --> onnx

暂缓，主要研究方式二

方法二： onnx

import onnx
from onnx import helper
from onnx import TensorProto# 创建一个空的ONNX图
graph = helper.make_graph(nodes=[], name='Tile_Graph', inputs=[], outputs=[])# 创建Tile节点的输入参数
input_data = helper.make_tensor_value_info('input_data', TensorProto.FLOAT, [3, 4])  # 输入数据张量的形状为[3, 4]repeats = helper.make_tensor('repeats', TensorProto.INT64, [2], [2, 3])  # 重复次数为[2, 3]graph.input.extend([input_data])
graph.initializer.extend([repeats])# 创建Tile节点
tile_node = helper.make_node('Tile', ['input_data', 'repeats'], ['output'], name='Tile_Node')  # 创建一个Tile节点# 添加Tile节点到图中
graph.node.extend([tile_node])# 创建Tile节点的输出参数
output = helper.make_tensor_value_info('output', TensorProto.FLOAT, [6, 12])  # 输出张量形状为[6, 12]
graph.output.extend([output])# 创建ONNX模型
model = helper.make_model(graph, producer_name='ONNX_Tile_Example')# 保存ONNX模型到文件
onnx.save(model, 'tile_model.onnx')