MMDeploy项目中的ONNXRuntime导出错误分析与解决方案
2025-06-27 01:56:07作者:霍妲思
问题背景
在使用MMDeploy工具将PointPillars模型导出为ONNX格式时,开发者遇到了一个典型的运行时错误。错误信息显示:"[ONNXRuntimeError] : 1 : FAIL : Node (MatMulBnFusion_Gemm) Op (Gemm) [ShapeInferenceError] First input does not have rank 2"。这个错误发生在模型转换的最后阶段,当尝试加载生成的ONNX模型进行可视化时。
错误分析
错误本质
这个错误的核心在于ONNX Runtime在执行形状推断时发现了一个不匹配的问题。具体来说:
- 操作类型:错误发生在Gemm(通用矩阵乘法)操作上
- 节点名称:MatMulBnFusion_Gemm(表明这是一个经过融合的矩阵乘法和批量归一化操作)
- 具体问题:该操作的第一个输入张量的秩(rank)不是2,而Gemm操作要求输入必须是二维矩阵
深层原因
这种错误通常源于以下几个方面:
- ONNX操作集版本不兼容:PointPillars模型使用的某些操作可能需要特定版本的ONNX操作集支持
- ONNX Runtime版本问题:不同版本的ONNX Runtime对操作的支持程度和优化策略有所不同
- 模型转换过程中的优化问题:在PyTorch到ONNX的转换过程中,某些优化可能导致张量形状不符合预期
解决方案
版本匹配
经过验证,以下ONNX Runtime版本可以解决此问题:
- ONNX Runtime 1.12:与ONNX操作集版本11兼容,适合PointPillars模型
- ONNX Runtime 1.16:也被证实可以正常工作
实施步骤
-
卸载当前版本:
pip uninstall onnxruntime
-
安装兼容版本:
pip install onnxruntime==1.16.0
-
重新执行导出流程:
python mmdeploy/tools/deploy.py \ mmdeploy/configs/mmdet3d/voxel-detection/voxel-detection_onnxruntime_dynamic.py \ pointpillars/pointpillars_hv_secfpn_8xb6-160e_kitti-3d-3class.py \ pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class_20220301_150306-37dc2420.pth \ /path/to/input.bin \ --work-dir mmdeploy_model/pointpillars \ --device cpu
预防措施
为了避免类似问题,建议:
- 查阅兼容性文档:在开始模型转换前,仔细阅读MMDeploy和ONNX Runtime的版本兼容性说明
- 使用虚拟环境:为每个项目创建独立的虚拟环境,避免版本冲突
- 记录环境配置:使用
pip freeze > requirements.txt
记录所有依赖版本 - 分步验证:先导出小规模模型验证流程,再处理完整模型
技术扩展
ONNX Runtime版本管理
ONNX Runtime的版本选择需要考虑多个因素:
- 操作集支持:不同版本支持的操作集(opset)版本不同
- 性能优化:新版通常包含更多优化,但也可能引入兼容性问题
- 硬件支持:特定版本可能对某些硬件加速有更好的支持
MMDeploy最佳实践
- 模型准备:确保原始模型能在原生框架中正常运行
- 中间检查:在转换过程中检查中间ONNX模型的有效性
- 逐步调试:遇到问题时,尝试简化模型结构定位问题源
通过理解这些原理和采取适当措施,开发者可以更顺利地完成3D检测模型的部署工作。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava02GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0287- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

🎉 (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
852
505

deepin linux kernel
C
21
5

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
240
283

🔥🔥🔥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

智能无人机路径规划仿真系统是一个具有操作控制精细、平台整合性强、全方向模型建立与应用自动化特点的软件。它以A、B两国在C区开展无人机战争为背景,该系统的核心功能是通过仿真平台规划无人机航线,并进行验证输出,数据可导入真实无人机,使其按照规定路线精准抵达战场任一位置,支持多人多设备编队联合行动。
JavaScript
78
55

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
7
0

基于全新 DevUI Design 设计体系的 Vue3 组件库,面向研发工具的开源前端解决方案。
TypeScript
614
74

React Native鸿蒙化仓库
C++
175
260

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

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
331
1.07 K