通过ONNX从PyTorch转换到CoreML时缺少权重向量

我试图通过ONNX将PyTorch模型转换为CoreML，但是ONNX-->CoreML转换缺少权重向量

我遵循的是做出以下声明的教程：

步骤3：将模型转换为CoreML 它与运行

convert

功能一样简单。生成的对象是coremltools MLModel对象，您可以将其保存到文件中，然后在XCode中导入。

cml=onnx\u coreml.convert（模型）

不幸的是，当我尝试这样做时，它失败得可怕

这是我的密码：

#convert.py
进口火炬
导入torch.onnx
从torch.autograd导入变量
导入onnx
从onnx\u coreml导入转换
从沙漏\模型导入沙漏
型号1
火炬型号=沙漏（接头数量=14，尺寸=256）
state_dict=torch.load（“沙漏模型”{}.model.format（模型号））
火炬型号。负载状态指令（状态指令）
火炬车模型列车（错误）
torch_model.eval（）
#模型的虚拟输入
x=变量（torch.randn（1,3256256，dtype=torch.float32））
#导出模型
onnx\u filename=“test\u hourglass.onnx”
torch\u out=torch.onnx.export（torch\u型号，x，onnx\u文件名，export\u参数=False）
#在ONNX模型中重新加载
onnx\u model=onnx.load（onnx\u文件名）
#检查IR是否形成良好
onnx.checker.check\u模型（onnx\u模型）
#打印图形的可读表示形式
graph=onnx.helper.printable_图（onnx_model.graph）
打印（图形）
coreml_模型=转换（onnx_模型，
添加自定义图层=真，
image\u input\u name=[“input”]，
图像输出名称=[“输出”]）
coreml\u model.save（'test\u hourglass.mlmodel'））

以下是

打印（图形）

行给出的内容

图形火炬jit导出(
%0[浮动，1x3x256x256]
%1[浮动，64x3x5x5]
%2[浮动，64]
%3[浮动，64x64x5x5]
%4[浮动，64]
%5[浮动，64x64x5x5]
%6[浮动，64]
%7[浮动，64x64x5x5]
%8[浮动，64]
%9[浮动，64x64x5x5]
%10[浮动，64]
%11[浮动，64x64x5x5]
%12[浮动，64]
%13[浮动，64x64x5x5]
%14[浮动，64]
%15[浮动，64x64x1x1]
%16[浮动，64]
%17[浮动，14x64x1x1]
%18[浮动，14]
) {
%19=Conv[dictions=[1,1]，group=1，kernel_shape=[5,5]，pads=[2,2,2]，strips=[1,1]]（%0，%1，%2）
%20=Relu（%19）
%21=MaxPool[kernel_shape=[4,4]，pads=[0,0,0,0]，strips=[4,4]]（%20）
%22=Conv[dictions=[1,1]，group=1，kernel_-shape=[5,5]，pads=[2,2,2]，strips=[1,1]]（21，%3，%4）
%23=Relu（%22）
%24=MaxPool[kernel_shape=[4,4]，pads=[0,0,0,0]，strips=[4,4]]（23）
%25=Conv[dictions=[1,1]，group=1，kernel_-shape=[5,5]，pads=[2,2,2]，strips=[1,1]]（24，%5，%6）
%26=Relu（%25）
%27=Conv[dictions=[1,1]，group=1，kernel_-shape=[5,5]，pads=[2,2,2]，strips=[1,1]]（26，%7，%8）
%28=Relu（%27）
%29=Conv[dictions=[1,1]，group=1，kernel_-shape=[5,5]，pads=[2,2,2]，strips=[1,1]]（28%9%10）
%30=Relu（%29）
%31=上采样[高度\比例=4，模式='最近'，宽度\比例=4]（%30）
%32=添加（%31，%23）
%33=Conv[dictions=[1,1]，group=1，kernel_shape=[5,5]，pads=[2,2,2]，strips=[1,1]（%32，%11，%12）
%34=Relu（%33）
%35=上采样[高度\比例=4，模式='最近'，宽度\比例=4]（%34）
%36=添加（%35，%20）
%37=Conv[dictions=[1,1]，group=1，kernel_shape=[5,5]，pads=[2,2,2]，strips=[1,1]（%36，%13，%14）
%38=Relu（%37）
%39=Conv[dictions=[1,1]，group=1，kernel_shape=[1,1]，pads=[0,0,0,0]，strips=[1,1]]（38%，15%，16）
%40=Relu（%39）
%41=Conv[dictions=[1,1]，group=1，kernel_shape=[1,1]，pads=[0,0,0,0]，strips=[1,1]]（40%，17%，18）
%42=Relu（%41）
返回%42
}

这是错误消息：

1/24：转换节点类型Conv
回溯（最近一次呼叫最后一次）：
文件“convert.py”，第38行，在
图像输出名称=[“输出”]）
文件“/Users/stephenf/Developer/miniconda3/envs/pytorch/lib/python3.6/site packages/onnx_coreml/converter.py”，第396行，转换格式
_转换_节点（生成器、节点、图形、错误）
文件“/Users/stephenf/Developer/miniconda3/envs/pytorch/lib/python3.6/site packages/onnx\u coreml/\u operators.py”，第994行，在转换节点中
返回转换器（生成器、节点、图形、错误）
文件“/Users/stephenf/Developer/miniconda3/envs/pytorch/lib/python3.6/site-packages/onnx\u-coreml/\u-operators.py”，第31行，in-convert\u conv
“在图形初始值设定项中找不到权重张量：{}”。格式（权重\名称，）
文件“/Users/stephenf/Developer/miniconda3/envs/pytorch/lib/python3.6/site packages/onnx\u coreml/\u error\u utils.py”，第71行，缺少初始值设定项
格式（node.op_类型，node.inputs[0]，node.outputs[0]，err_消息）
ValueError:Conv类型的op中缺少初始值设定项错误，输入名称为0，输出名称为19。错误消息：在图形初始值设定项中未找到权重张量：1

据我所知，重量张量

%1[FLOAT，64x3x5x5]

缺失。这就是我保存模型的方式：

torch.save（model.state\u dict（），“沙漏模型”{}.model.format（历元））

ONNX可以很好地加载它——这只是我从ONNX转换到CoreML的步骤

如果您能帮我解决这个问题，我们将不胜感激。我肯定我做了很多错事，但我现在只需要把这个东西出口

---

谢谢，

您正在使用

export\u params=False

调用

torch.onnx.export

，如上所述，它正在保存没有实际参数张量的模型体系结构。最近的文档没有对此进行详细说明，但我们可以假设，由于未找到

权重张量

错误，您将得到

尝试使用

export_params=True

，您应该可以看到保存的模型的大小是如何显著增加的

很高兴它有帮助

---

Andres

嗨，我不是CoreML专家，但您在调用时是否尝试过

export_params=True