MMDeploy项目中的ONNXRuntime导出错误分析与解决方案
2025-06-27 19:50:06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
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
273

🎉 (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
923
551

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
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

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)。
Jupyter Notebook
74
64

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
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8