前言

构建onnx方式通常有两种：
1、通过代码转换成onnx结构，比如pytorch —> onnx
2、通过onnx 自定义结点，图，生成onnx结构

本文主要是简单学习和使用两种不同onnx结构，
下面以 Unfold 结点进行分析

方式

方法一：pytorch --> onnx

暂缓，主要研究方式二

方法二： onnx

import onnx
from onnx import helper, numpy_helper
from onnx import TensorProto

# 创建一个unfold onnx node
node = helper.make_node(
    'Unfold',
    inputs=['input', 'kernel_shape', 'dilations', 'pads', 'strides'],
    outputs=['output'],
)

# 创建一个简单的onnx模型
graph = helper.make_graph(
    [node],
    'unfold_model',
    inputs=[
        helper.make_tensor_value_info('input', TensorProto.FLOAT, [1, 3, 224, 224]),
        helper.make_tensor_value_info('kernel_shape', TensorProto.INT64, [2]),
        helper.make_tensor_value_info('dilations', TensorProto.INT64, [2]),
        helper.make_tensor_value_info('pads', TensorProto.INT64, [4]),
        helper.make_tensor_value_info('strides', TensorProto.INT64, [2]),
    ],
    outputs=[
        helper.make_tensor_value_info('output', TensorProto.FLOAT, [1, 3, 224, 224]),
    ],
)

model = helper.make_model(graph)
onnx.save(model, 'unfold_model.onnx')