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 08:01:27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

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K