首页
/ ONNX模型优化:将卷积权重从Constant节点迁移到Initializer

ONNX模型优化:将卷积权重从Constant节点迁移到Initializer

2025-05-12 13:48:29作者:齐冠琰

背景介绍

在深度学习模型部署过程中,ONNX(Open Neural Network Exchange)格式已成为行业标准。ONNX模型使用图结构表示神经网络,其中包含两种主要的权重存储方式:Initializer(初始化器)和Constant(常量节点)。Initializer是ONNX推荐的标准方式,而Constant节点则会将权重作为计算图的一部分。

问题分析

在实际工作中,我们可能会遇到ONNX模型将卷积层权重存储在Constant节点而非Initializer中的情况。这种存储方式会导致模型图的initializer列表为空,可能影响后续的模型优化和部署流程。通过Netron可视化工具可以看到,这些权重确实存在于图中,但存储形式不符合最佳实践。

解决方案

我们可以使用ONNX Script库提供的IR(中间表示)接口来解决这个问题。具体步骤如下:

  1. 加载模型:使用ONNX Script的IR模块加载原始模型
  2. 识别卷积权重:遍历图中的Constant节点,识别出作为卷积权重的节点
  3. 创建Initializer:将这些Constant节点的张量值提取出来,创建对应的Initializer
  4. 替换引用:将图中所有对该Constant节点的引用替换为对新Initializer的引用
  5. 清理节点:安全地移除原始的Constant节点
  6. 保存模型:将优化后的模型保存到新文件

实现代码

from onnxscript import ir
from onnxscript.ir import convenience as ir_convenience

def convert_constants_to_initializers(model_path, output_path):
    # 加载原始模型
    model = ir.load(model_path)
    
    def is_conv_weight(node):
        # 检查节点输出是否被卷积层用作权重
        uses = {(node.op_type, idx) for node, idx in node.outputs[0].uses()}
        return ("Conv", 1) in uses
    
    # 遍历图中的所有节点
    for node in model.graph:
        if node.op_type == "Constant" and is_conv_weight(node):
            # 获取Constant节点的张量值
            value = node.outputs[0]
            tensor = node.attributes["value"].value
            
            # 创建对应的Initializer
            initializer_name = value.name
            assert initializer_name
            initializer = ir.Value(name=initializer_name, const_value=tensor)
            model.graph.initializers[initializer_name] = initializer
            
            # 替换所有引用
            ir_convenience.replace_all_uses_with(value, initializer)
            
            # 移除Constant节点
            model.graph.remove(node, safe=True)
    
    # 保存优化后的模型
    ir.save(model, output_path)

技术细节

  1. 安全移除节点:使用safe=True参数确保只有在节点输出不再被使用时才移除
  2. 引用替换replace_all_uses_with函数会自动更新图中所有对该值的引用
  3. Initializer存储:Initializer会被存储在模型的graph.initializers字典中,键为张量名称

应用场景

这种转换在以下场景特别有用:

  • 准备模型进行量化时,需要所有权重都在Initializer中
  • 优化模型图结构,减少不必要的计算节点
  • 提高模型加载效率,Initializer比Constant节点更高效
  • 统一模型格式,便于后续处理工具链兼容

注意事项

  1. 执行转换前建议备份原始模型
  2. 转换后应验证模型输出是否与原始模型一致
  3. 对于大型模型,此操作可能会消耗较多内存
  4. 确保ONNX Script版本与模型版本兼容

通过这种方法,我们可以有效地优化ONNX模型的结构,使其更符合最佳实践,为后续的部署和优化工作打下良好基础。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
505
42
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70