模型onnx转ncnn小记

前期准备

Netron

模型准备：onnx模型,这里使用模型face【det_10g.onnx】

大佬文档引用：手工优化ncnn模型结构 - 知乎

ncnn算子描述参考：ncnn 算子操作描述-CSDN博客

模型优化

安装

pip install onnx-simplifier

先把我要转的模型优化合并下，去除多余的op

python -m onnxsim det_10g.onnx det_10g_sim.onnx

模型转换

通过onnx2ncnn  进行转换

onnx2ncnn det_10g_sim.onnx det_10g_sim.param  det_10g_sim.bin

发现还是不行，还遇到不少报错，我这里是改了代码提升更清晰点，具体报错如下：

节点77 名称:【Shape_106】 op=Shape not supported yet!

序号:79 节点：Unsqueeze_112 Unsupported unsqueeze axes !

序号:80 节点：Unsqueeze_113 Unsupported unsqueeze axes !

节点(Resize_124) input[3] 没有权重信息
序号:82 节点:Resize_124 Unsupported Resize scales and sizes are all empty!

节点85 名称:【Shape_126】 op=Shape not supported yet!

序号:87 节点：Unsqueeze_132 Unsupported unsqueeze axes !

序号:88 节点：Unsqueeze_133 Unsupported unsqueeze axes !

节点90 名称:【Shape_136】 op=Shape not supported yet!

节点(Resize_144) input[3] 没有权重信息
序号:92 节点:Resize_144 Unsupported Resize scales and sizes are all empty!

序号:113 节点:Transpose_168 Unsupported transpose type!

序号:116 节点:Transpose_172 Unsupported transpose type!

序号:118 节点:Transpose_175 Unsupported transpose type!

序号:130 节点:Transpose_191 Unsupported transpose type!

序号:133 节点:Transpose_195 Unsupported transpose type!

序号:135 节点:Transpose_198 Unsupported transpose type!

序号:147 节点:Transpose_214 Unsupported transpose type!

序号:150 节点:Transpose_218 Unsupported transpose type!

序号:152 节点:Transpose_221 Unsupported transpose type!

 
如包含问题，请使用工具先优化,再尝试生成
pip install onnx-simplifier
python -m onnxsim det_10g.onnx det_10g_sim.onnx

定位问题

通过Netron  打开det_10g_sim.onnx

根据手工优化ncnn模型结构 - 知乎 文件学习一遍

搜索Shape_106 这个，查询出下面一堆。

解析下这个结构：

通过发现，其实这个就是提取 节点【Conv_104】 输出的 形状，假如是：1x1x320x160

shape就是取出：1x1x320x160

1、第一个Gather（左边） :就是取第三位 就是160

2、第二个Gather（右边）:就是取第二位 就是320

3、通过Unsqueeze 添加维度： 第一个Gather的160 变为 [160]，第二个Gather的320 变为 [320]

4、然后Concat就是连接，把这两个连接起来，但是我们看到Concat是有三个输入，我们继续看图

我们看到三个参数，通过图可以看到 第一个参数是[1,56]  第二个参数是左边的Gater，最终的值是[320] 第三个参数是左边的Gater值，最终的值是[160],最终把几个连接起来就是[1,56,320,160]

这个数组可以给到resize使用，给Conv变换维度使用，其实通过图也可以看出来这个的操作的作用。就是把如下中的B 变换维度和A一样，然后再让他们进行相加操作。

但是知道了作用又能咋办呢，ncnn里面有没有这几个操作，没有获取shape的算子替换，通过大佬的文章展示，需要合并这几个操作 ，直接用一个 Interp 操作来替代放大缩小。但是关键对此模型不熟悉，而且是动态参数，那咋办呢。

解决问题

通过对onnx 进行一下推理，把Resize的输入值和输出值 打印出来，那么就知道如何使用了。

这边打印如下：通过netron 查询Resize的名称是 Resize_124


*序号1:Conv_0
  输入节点:
    0:input.1
    1:547
    2:549
  输出节点:
    0:277 类型=Float,shape=1x28x320x320,len=2867200,val=数据过大或为空，不展示

*序号2:Relu_2
  输入节点:
    0:277 类型=Float,shape=1x28x320x320,len=2867200,val=数据过大或为空，不展示
  输出节点:
    0:279 类型=Float,shape=1x28x320x320,len=2867200,val=数据过大或为空，不展示

*序号3:Conv_3
  输入节点:
    0:279 类型=Float,shape=1x28x320x320,len=2867200,val=数据过大或为空，不展示
    1:551
    2:553
  输出节点:
    0:280 类型=Float,shape=1x28x320x320,len=2867200,val=数据过大或为空，不展示

*序号4:Relu_5
  输入节点:
    0:280 类型=Float,shape=1x28x320x320,len=2867200,val=数据过大或为空，不展示
  输出节点:
    0:282 类型=Float,shape=1x28x320x320,len=2867200,val=数据过大或为空，不展示

*序号5:Conv_6
  输入节点:
    0:282 类型=Float,shape=1x28x320x320,len=2867200,val=数据过大或为空，不展示
    1:555
    2:557
  输出节点:
    0:283 类型=Float,shape=1x56x320x320,len=5734400,val=数据过大或为空，不展示

*序号6:Relu_8
  输入节点:
    0:283 类型=Float,shape=1x56x320x320,len=5734400,val=数据过大或为空，不展示
  输出节点:
    0:285 类型=Float,shape=1x56x320x320,len=5734400,val=数据过大或为空，不展示

*序号7:MaxPool_9
  输入节点:
    0:285 类型=Float,shape=1x56x320x320,len=5734400,val=数据过大或为空，不展示
  输出节点:
    0:286 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号8:Conv_10
  输入节点:
    0:286 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:559
    2:561
  输出节点:
    0:287 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号9:Relu_12
  输入节点:
    0:287 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:289 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号10:Conv_13
  输入节点:
    0:289 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:563
    2:565
  输出节点:
    0:290 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号11:Add_15
  输入节点:
    0:290 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:286 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:292 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号12:Relu_16
  输入节点:
    0:292 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:293 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号13:Conv_17
  输入节点:
    0:293 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:567
    2:569
  输出节点:
    0:294 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号14:Relu_19
  输入节点:
    0:294 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:296 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号15:Conv_20
  输入节点:
    0:296 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:571
    2:573
  输出节点:
    0:297 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号16:Add_22
  输入节点:
    0:297 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:293 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:299 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号17:Relu_23
  输入节点:
    0:299 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:300 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号18:Conv_24
  输入节点:
    0:300 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:575
    2:577
  输出节点:
    0:301 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号19:Relu_26
  输入节点:
    0:301 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:303 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号20:Conv_27
  输入节点:
    0:303 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:579
    2:581
  输出节点:
    0:304 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号21:Add_29
  输入节点:
    0:304 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:300 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:306 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号22:Relu_30
  输入节点:
    0:306 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:307 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示

*序号23:Conv_31
  输入节点:
    0:307 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
    1:583
    2:585
  输出节点:
    0:308 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号24:Relu_33
  输入节点:
    0:308 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:310 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号25:Conv_34
  输入节点:
    0:310 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:587
    2:589
  输出节点:
    0:311 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号26:AveragePool_36
  输入节点:
    0:307 类型=Float,shape=1x56x160x160,len=1433600,val=数据过大或为空，不展示
  输出节点:
    0:313 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示

*序号27:Conv_37
  输入节点:
    0:313 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示
    1:591
    2:593
  输出节点:
    0:314 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号28:Add_39
  输入节点:
    0:311 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:314 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:316 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号29:Relu_40
  输入节点:
    0:316 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:317 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号30:Conv_41
  输入节点:
    0:317 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:595
    2:597
  输出节点:
    0:318 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号31:Relu_43
  输入节点:
    0:318 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:320 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号32:Conv_44
  输入节点:
    0:320 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:599
    2:601
  输出节点:
    0:321 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号33:Add_46
  输入节点:
    0:321 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:317 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:323 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号34:Relu_47
  输入节点:
    0:323 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:324 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号35:Conv_48
  输入节点:
    0:324 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:603
    2:605
  输出节点:
    0:325 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号36:Relu_50
  输入节点:
    0:325 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:327 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号37:Conv_51
  输入节点:
    0:327 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:607
    2:609
  输出节点:
    0:328 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号38:Add_53
  输入节点:
    0:328 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:324 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:330 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号39:Relu_54
  输入节点:
    0:330 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:331 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号40:Conv_55
  输入节点:
    0:331 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:611
    2:613
  输出节点:
    0:332 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号41:Relu_57
  输入节点:
    0:332 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:334 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号42:Conv_58
  输入节点:
    0:334 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:615
    2:617
  输出节点:
    0:335 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号43:Add_60
  输入节点:
    0:335 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:331 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:337 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号44:Relu_61
  输入节点:
    0:337 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:338 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示

*序号45:Conv_62
  输入节点:
    0:338 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:619
    2:621
  输出节点:
    0:339 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号46:Relu_64
  输入节点:
    0:339 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
  输出节点:
    0:341 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号47:Conv_65
  输入节点:
    0:341 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
    1:623
    2:625
  输出节点:
    0:342 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号48:AveragePool_67
  输入节点:
    0:338 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
  输出节点:
    0:344 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号49:Conv_68
  输入节点:
    0:344 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
    1:627
    2:629
  输出节点:
    0:345 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号50:Add_70
  输入节点:
    0:342 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
    1:345 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
  输出节点:
    0:347 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号51:Relu_71
  输入节点:
    0:347 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
  输出节点:
    0:348 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号52:Conv_72
  输入节点:
    0:348 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
    1:631
    2:633
  输出节点:
    0:349 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号53:Relu_74
  输入节点:
    0:349 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
  输出节点:
    0:351 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号54:Conv_75
  输入节点:
    0:351 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
    1:635
    2:637
  输出节点:
    0:352 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号55:Add_77
  输入节点:
    0:352 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
    1:348 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
  输出节点:
    0:354 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号56:Relu_78
  输入节点:
    0:354 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
  输出节点:
    0:355 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示

*序号57:Conv_79
  输入节点:
    0:355 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
    1:639
    2:641
  输出节点:
    0:356 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号58:Relu_81
  输入节点:
    0:356 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:358 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号59:Conv_82
  输入节点:
    0:358 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:643
    2:645
  输出节点:
    0:359 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号60:AveragePool_84
  输入节点:
    0:355 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
  输出节点:
    0:361 类型=Float,shape=1x88x20x20,len=35200,val=数据过大或为空，不展示

*序号61:Conv_85
  输入节点:
    0:361 类型=Float,shape=1x88x20x20,len=35200,val=数据过大或为空，不展示
    1:647
    2:649
  输出节点:
    0:362 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号62:Add_87
  输入节点:
    0:359 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:362 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:364 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号63:Relu_88
  输入节点:
    0:364 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:365 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号64:Conv_89
  输入节点:
    0:365 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:651
    2:653
  输出节点:
    0:366 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号65:Relu_91
  输入节点:
    0:366 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:368 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号66:Conv_92
  输入节点:
    0:368 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:655
    2:657
  输出节点:
    0:369 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号67:Add_94
  输入节点:
    0:369 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:365 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:371 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号68:Relu_95
  输入节点:
    0:371 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:372 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号69:Conv_96
  输入节点:
    0:372 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:659
    2:661
  输出节点:
    0:373 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号70:Relu_98
  输入节点:
    0:373 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:375 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号71:Conv_99
  输入节点:
    0:375 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:663
    2:665
  输出节点:
    0:376 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号72:Add_101
  输入节点:
    0:376 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:372 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:378 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号73:Relu_102
  输入节点:
    0:378 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:379 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示

*序号74:Conv_103
  输入节点:
    0:338 类型=Float,shape=1x88x80x80,len=563200,val=数据过大或为空，不展示
    1:neck.lateral_convs.0.conv.weight
    2:neck.lateral_convs.0.conv.bias
  输出节点:
    0:380 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示

*序号75:Conv_104
  输入节点:
    0:355 类型=Float,shape=1x88x40x40,len=140800,val=数据过大或为空，不展示
    1:neck.lateral_convs.1.conv.weight
    2:neck.lateral_convs.1.conv.bias
  输出节点:
    0:381 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示

*序号76:Conv_105
  输入节点:
    0:379 类型=Float,shape=1x224x20x20,len=89600,val=数据过大或为空，不展示
    1:neck.lateral_convs.2.conv.weight
    2:neck.lateral_convs.2.conv.bias
  输出节点:
    0:382 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示

*序号77:Shape_106
  输入节点:
    0:381 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:383 类型=Int64,shape=4,len=4,val=1,56,40,40

*序号78:Gather_108
  输入节点:
    0:383 类型=Int64,shape=4,len=4,val=1,56,40,40
    1:384
  输出节点:
    0:385 类型=Int64,shape=,len=1,val=40

*序号79:Gather_111
  输入节点:
    0:383 类型=Int64,shape=4,len=4,val=1,56,40,40
    1:387
  输出节点:
    0:388 类型=Int64,shape=,len=1,val=40

*序号80:Unsqueeze_112
  输入节点:
    0:385 类型=Int64,shape=,len=1,val=40
  输出节点:
    0:389 类型=Int64,shape=1,len=1,val=40

*序号81:Unsqueeze_113
  输入节点:
    0:388 类型=Int64,shape=,len=1,val=40
  输出节点:
    0:390 类型=Int64,shape=1,len=1,val=40

*序号82:Concat_122
  输入节点:
    0:_v_286
    1:389 类型=Int64,shape=1,len=1,val=40
    2:390 类型=Int64,shape=1,len=1,val=40
  输出节点:
    0:399 类型=Int64,shape=4,len=4,val=1,56,40,40

*序号83:Resize_124
  输入节点:
    0:382 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示
    1:392
    2:392
    3:399 类型=Int64,shape=4,len=4,val=1,56,40,40
  输出节点:
    0:401 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示

*序号84:Add_125
  输入节点:
    0:381 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
    1:401 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:402 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示

*序号85:Shape_126
  输入节点:
    0:380 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示
  输出节点:
    0:403 类型=Int64,shape=4,len=4,val=1,56,80,80

*序号86:Gather_128
  输入节点:
    0:403 类型=Int64,shape=4,len=4,val=1,56,80,80
    1:384
  输出节点:
    0:405 类型=Int64,shape=,len=1,val=80

*序号87:Gather_131
  输入节点:
    0:403 类型=Int64,shape=4,len=4,val=1,56,80,80
    1:387
  输出节点:
    0:408 类型=Int64,shape=,len=1,val=80

*序号88:Unsqueeze_132
  输入节点:
    0:405 类型=Int64,shape=,len=1,val=80
  输出节点:
    0:409 类型=Int64,shape=1,len=1,val=80

*序号89:Unsqueeze_133
  输入节点:
    0:408 类型=Int64,shape=,len=1,val=80
  输出节点:
    0:410 类型=Int64,shape=1,len=1,val=80

*序号90:Shape_136
  输入节点:
    0:402 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:413 类型=Int64,shape=4,len=4,val=1,56,40,40

*序号91:Slice_140
  输入节点:
    0:413 类型=Int64,shape=4,len=4,val=1,56,40,40
    1:394
    2:396
    3:394
  输出节点:
    0:417 类型=Int64,shape=2,len=2,val=1,56

*序号92:Concat_142
  输入节点:
    0:417 类型=Int64,shape=2,len=2,val=1,56
    1:409 类型=Int64,shape=1,len=1,val=80
    2:410 类型=Int64,shape=1,len=1,val=80
  输出节点:
    0:419 类型=Int64,shape=4,len=4,val=1,56,80,80

*序号93:Resize_144
  输入节点:
    0:402 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
    1:392
    2:392
    3:419 类型=Int64,shape=4,len=4,val=1,56,80,80
  输出节点:
    0:421 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示

*序号94:Add_145
  输入节点:
    0:380 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示
    1:421 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示
  输出节点:
    0:422 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示

*序号95:Conv_146
  输入节点:
    0:422 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示
    1:neck.fpn_convs.0.conv.weight
    2:neck.fpn_convs.0.conv.bias
  输出节点:
    0:423 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示

*序号96:Conv_147
  输入节点:
    0:402 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
    1:neck.fpn_convs.1.conv.weight
    2:neck.downsample_convs.0.conv.bias
  输出节点:
    0:424 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示

*序号97:Conv_148
  输入节点:
    0:382 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示
    1:neck.fpn_convs.2.conv.weight
    2:neck.downsample_convs.1.conv.bias
  输出节点:
    0:425 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示

*序号98:Conv_149
  输入节点:
    0:423 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示
    1:neck.downsample_convs.0.conv.weight
    2:neck.downsample_convs.0.conv.bias
  输出节点:
    0:426 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示

*序号99:Add_150
  输入节点:
    0:424 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
    1:426 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
  输出节点:
    0:427 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示

*序号100:Conv_151
  输入节点:
    0:427 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
    1:neck.downsample_convs.1.conv.weight
    2:neck.downsample_convs.1.conv.bias
  输出节点:
    0:428 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示

*序号101:Add_152
  输入节点:
    0:425 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示
    1:428 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示
  输出节点:
    0:429 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示

*序号102:Conv_153
  输入节点:
    0:427 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
    1:neck.pafpn_convs.0.conv.weight
    2:neck.pafpn_convs.0.conv.bias
  输出节点:
    0:430 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示

*序号103:Conv_154
  输入节点:
    0:429 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示
    1:neck.pafpn_convs.1.conv.weight
    2:neck.pafpn_convs.1.conv.bias
  输出节点:
    0:431 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示

*序号104:Conv_155
  输入节点:
    0:423 类型=Float,shape=1x56x80x80,len=358400,val=数据过大或为空，不展示
    1:667
    2:669
  输出节点:
    0:432 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示

*序号105:Relu_157
  输入节点:
    0:432 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示
  输出节点:
    0:434 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示

*序号106:Conv_158
  输入节点:
    0:434 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示
    1:671
    2:673
  输出节点:
    0:435 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示

*序号107:Relu_160
  输入节点:
    0:435 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示
  输出节点:
    0:437 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示

*序号108:Conv_161
  输入节点:
    0:437 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示
    1:675
    2:677
  输出节点:
    0:438 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示

*序号109:Relu_163
  输入节点:
    0:438 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示
  输出节点:
    0:440 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示

*序号110:Conv_164
  输入节点:
    0:440 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示
    1:bbox_head.stride_cls.(8, 8).weight
    2:bbox_head.stride_cls.(8, 8).bias
  输出节点:
    0:441 类型=Float,shape=1x2x80x80,len=12800,val=数据过大或为空，不展示

*序号111:Conv_165
  输入节点:
    0:440 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示
    1:bbox_head.stride_reg.(8, 8).weight
    2:bbox_head.stride_reg.(8, 8).bias
  输出节点:
    0:442 类型=Float,shape=1x8x80x80,len=51200,val=数据过大或为空，不展示

*序号112:Mul_166
  输入节点:
    0:442 类型=Float,shape=1x8x80x80,len=51200,val=数据过大或为空，不展示
    1:bbox_head.scales.0.scale
  输出节点:
    0:443 类型=Float,shape=1x8x80x80,len=51200,val=数据过大或为空，不展示

*序号113:Conv_167
  输入节点:
    0:440 类型=Float,shape=1x80x80x80,len=512000,val=数据过大或为空，不展示
    1:bbox_head.stride_kps.(8, 8).weight
    2:bbox_head.stride_kps.(8, 8).bias
  输出节点:
    0:444 类型=Float,shape=1x20x80x80,len=128000,val=数据过大或为空，不展示

*序号114:Transpose_168
  输入节点:
    0:441 类型=Float,shape=1x2x80x80,len=12800,val=数据过大或为空，不展示
  输出节点:
    0:445 类型=Float,shape=80x80x1x2,len=12800,val=数据过大或为空，不展示

*序号115:Reshape_170
  输入节点:
    0:445 类型=Float,shape=80x80x1x2,len=12800,val=数据过大或为空，不展示
    1:446
  输出节点:
    0:447 类型=Float,shape=12800x1,len=12800,val=数据过大或为空，不展示

*序号116:Sigmoid_171
  输入节点:
    0:447 类型=Float,shape=12800x1,len=12800,val=数据过大或为空，不展示
  输出节点:
    0:448 类型=Float,shape=12800x1,len=12800,val=数据过大或为空，不展示

*序号117:Transpose_172
  输入节点:
    0:443 类型=Float,shape=1x8x80x80,len=51200,val=数据过大或为空，不展示
  输出节点:
    0:449 类型=Float,shape=80x80x1x8,len=51200,val=数据过大或为空，不展示

*序号118:Reshape_174
  输入节点:
    0:449 类型=Float,shape=80x80x1x8,len=51200,val=数据过大或为空，不展示
    1:450
  输出节点:
    0:451 类型=Float,shape=12800x4,len=51200,val=数据过大或为空，不展示

*序号119:Transpose_175
  输入节点:
    0:444 类型=Float,shape=1x20x80x80,len=128000,val=数据过大或为空，不展示
  输出节点:
    0:452 类型=Float,shape=80x80x1x20,len=128000,val=数据过大或为空，不展示

*序号120:Reshape_177
  输入节点:
    0:452 类型=Float,shape=80x80x1x20,len=128000,val=数据过大或为空，不展示
    1:453
  输出节点:
    0:454 类型=Float,shape=12800x10,len=128000,val=数据过大或为空，不展示

*序号121:Conv_178
  输入节点:
    0:430 类型=Float,shape=1x56x40x40,len=89600,val=数据过大或为空，不展示
    1:679
    2:681
  输出节点:
    0:455 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示

*序号122:Relu_180
  输入节点:
    0:455 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示
  输出节点:
    0:457 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示

*序号123:Conv_181
  输入节点:
    0:457 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示
    1:683
    2:685
  输出节点:
    0:458 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示

*序号124:Relu_183
  输入节点:
    0:458 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示
  输出节点:
    0:460 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示

*序号125:Conv_184
  输入节点:
    0:460 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示
    1:687
    2:689
  输出节点:
    0:461 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示

*序号126:Relu_186
  输入节点:
    0:461 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示
  输出节点:
    0:463 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示

*序号127:Conv_187
  输入节点:
    0:463 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示
    1:bbox_head.stride_cls.(16, 16).weight
    2:bbox_head.stride_cls.(16, 16).bias
  输出节点:
    0:464 类型=Float,shape=1x2x40x40,len=3200,val=数据过大或为空，不展示

*序号128:Conv_188
  输入节点:
    0:463 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示
    1:bbox_head.stride_reg.(16, 16).weight
    2:bbox_head.stride_reg.(16, 16).bias
  输出节点:
    0:465 类型=Float,shape=1x8x40x40,len=12800,val=数据过大或为空，不展示

*序号129:Mul_189
  输入节点:
    0:465 类型=Float,shape=1x8x40x40,len=12800,val=数据过大或为空，不展示
    1:bbox_head.scales.1.scale
  输出节点:
    0:466 类型=Float,shape=1x8x40x40,len=12800,val=数据过大或为空，不展示

*序号130:Conv_190
  输入节点:
    0:463 类型=Float,shape=1x80x40x40,len=128000,val=数据过大或为空，不展示
    1:bbox_head.stride_kps.(16, 16).weight
    2:bbox_head.stride_kps.(16, 16).bias
  输出节点:
    0:467 类型=Float,shape=1x20x40x40,len=32000,val=数据过大或为空，不展示

*序号131:Transpose_191
  输入节点:
    0:464 类型=Float,shape=1x2x40x40,len=3200,val=数据过大或为空，不展示
  输出节点:
    0:468 类型=Float,shape=40x40x1x2,len=3200,val=数据过大或为空，不展示

*序号132:Reshape_193
  输入节点:
    0:468 类型=Float,shape=40x40x1x2,len=3200,val=数据过大或为空，不展示
    1:446
  输出节点:
    0:470 类型=Float,shape=3200x1,len=3200,val=数据过大或为空，不展示

*序号133:Sigmoid_194
  输入节点:
    0:470 类型=Float,shape=3200x1,len=3200,val=数据过大或为空，不展示
  输出节点:
    0:471 类型=Float,shape=3200x1,len=3200,val=数据过大或为空，不展示

*序号134:Transpose_195
  输入节点:
    0:466 类型=Float,shape=1x8x40x40,len=12800,val=数据过大或为空，不展示
  输出节点:
    0:472 类型=Float,shape=40x40x1x8,len=12800,val=数据过大或为空，不展示

*序号135:Reshape_197
  输入节点:
    0:472 类型=Float,shape=40x40x1x8,len=12800,val=数据过大或为空，不展示
    1:450
  输出节点:
    0:474 类型=Float,shape=3200x4,len=12800,val=数据过大或为空，不展示

*序号136:Transpose_198
  输入节点:
    0:467 类型=Float,shape=1x20x40x40,len=32000,val=数据过大或为空，不展示
  输出节点:
    0:475 类型=Float,shape=40x40x1x20,len=32000,val=数据过大或为空，不展示

*序号137:Reshape_200
  输入节点:
    0:475 类型=Float,shape=40x40x1x20,len=32000,val=数据过大或为空，不展示
    1:453
  输出节点:
    0:477 类型=Float,shape=3200x10,len=32000,val=数据过大或为空，不展示

*序号138:Conv_201
  输入节点:
    0:431 类型=Float,shape=1x56x20x20,len=22400,val=数据过大或为空，不展示
    1:691
    2:693
  输出节点:
    0:478 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示

*序号139:Relu_203
  输入节点:
    0:478 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示
  输出节点:
    0:480 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示

*序号140:Conv_204
  输入节点:
    0:480 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示
    1:695
    2:697
  输出节点:
    0:481 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示

*序号141:Relu_206
  输入节点:
    0:481 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示
  输出节点:
    0:483 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示

*序号142:Conv_207
  输入节点:
    0:483 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示
    1:699
    2:701
  输出节点:
    0:484 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示

*序号143:Relu_209
  输入节点:
    0:484 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示
  输出节点:
    0:486 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示

*序号144:Conv_210
  输入节点:
    0:486 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示
    1:bbox_head.stride_cls.(32, 32).weight
    2:bbox_head.stride_cls.(32, 32).bias
  输出节点:
    0:487 类型=Float,shape=1x2x20x20,len=800,val=数据过大或为空，不展示

*序号145:Conv_211
  输入节点:
    0:486 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示
    1:bbox_head.stride_reg.(32, 32).weight
    2:bbox_head.stride_reg.(32, 32).bias
  输出节点:
    0:488 类型=Float,shape=1x8x20x20,len=3200,val=数据过大或为空，不展示

*序号146:Mul_212
  输入节点:
    0:488 类型=Float,shape=1x8x20x20,len=3200,val=数据过大或为空，不展示
    1:bbox_head.scales.2.scale
  输出节点:
    0:489 类型=Float,shape=1x8x20x20,len=3200,val=数据过大或为空，不展示

*序号147:Conv_213
  输入节点:
    0:486 类型=Float,shape=1x80x20x20,len=32000,val=数据过大或为空，不展示
    1:bbox_head.stride_kps.(32, 32).weight
    2:bbox_head.stride_kps.(32, 32).bias
  输出节点:
    0:490 类型=Float,shape=1x20x20x20,len=8000,val=数据过大或为空，不展示

*序号148:Transpose_214
  输入节点:
    0:487 类型=Float,shape=1x2x20x20,len=800,val=数据过大或为空，不展示
  输出节点:
    0:491 类型=Float,shape=20x20x1x2,len=800,val=数据过大或为空，不展示

*序号149:Reshape_216
  输入节点:
    0:491 类型=Float,shape=20x20x1x2,len=800,val=数据过大或为空，不展示
    1:446
  输出节点:
    0:493 类型=Float,shape=800x1,len=800,val=数据过大或为空，不展示

*序号150:Sigmoid_217
  输入节点:
    0:493 类型=Float,shape=800x1,len=800,val=数据过大或为空，不展示
  输出节点:
    0:494 类型=Float,shape=800x1,len=800,val=数据过大或为空，不展示

*序号151:Transpose_218
  输入节点:
    0:489 类型=Float,shape=1x8x20x20,len=3200,val=数据过大或为空，不展示
  输出节点:
    0:495 类型=Float,shape=20x20x1x8,len=3200,val=数据过大或为空，不展示

*序号152:Reshape_220
  输入节点:
    0:495 类型=Float,shape=20x20x1x8,len=3200,val=数据过大或为空，不展示
    1:450
  输出节点:
    0:497 类型=Float,shape=800x4,len=3200,val=数据过大或为空，不展示

*序号153:Transpose_221
  输入节点:
    0:490 类型=Float,shape=1x20x20x20,len=8000,val=数据过大或为空，不展示
  输出节点:
    0:498 类型=Float,shape=20x20x1x20,len=8000,val=数据过大或为空，不展示

*序号154:Reshape_223
  输入节点:
    0:498 类型=Float,shape=20x20x1x20,len=8000,val=数据过大或为空，不展示
    1:453
  输出节点:
    0:500 类型=Float,shape=800x10,len=8000,val=数据过大或为空，不展示

上述的节点每层输出的shape，是我自己做了工具输出来的，为了怕同学们迷茫，可以使用python，参考输出，下面部分代码

import numpy as np
import onnx
import onnxruntime
        
# 加载模型
model = onnx.load(r"det_10g_sim.onnx")
#把节点的输出项都添加到输出列表
for node in model.graph.node:
	for output in node.output:
		model.graph.output.extend([onnx.ValueInfoProto(name=output)])
#加载修改的模型
session = onnxruntime.InferenceSession(model.SerializeToString(), None)
output_names = session.get_outputs()
# 输入数据
ort_inputs = {session.get_inputs()[0].name: np.zeros((1, 3, 640, 640)}
#推理
net_outs = session.run(None, ort_inputs)
#下面可以输出形状数据，或者自己下断点
print(net_outs)

通过搜索节点【resize_124】发现最终的输出是  1x56x40x40

知道了这个值，意味着 如下的可以合并

修改如下，把其中的7行合并

这里减少了7层，我们这里总的层数是179  bolb个数是208，层数减少7，这里修改为 172 208

可以改完后，最后再来数层数也行

其实bolb个数也会减少，但是太费事了，使用ncnnoptimize进行优化下就行了，具体如下，会自动计算层数和去掉无用的权重。

./ncnnoptimize det_10g_sim.param det_10g_sim.bin det_10g_sim-opt.param det_10g_sim-opt.bin 0

继续看，看到图形上面还有一个类似的，如下：

其他几个已经讲过了，这里的Shape到Slice没有讲解，这里来看下

从上图可以分析，从Shape出来的值，经过Slice进行切片其中，开始切片是[0] 结束位置是[2],轴是[0],那么就是从Shape给出来的值 取 第0位和第1位就行了。

其实搜索下我们之前的打印值就行了，如下：

可以看到就取值了1和56，那么知道原因了，那么就开始进行合并，直接看Resize_144 的值

发现直接输出就是1x56x80x80

修改之后如下，们这里总的层数是171 bolb个数是208，层数减少9层，这里修改为 162 208

经过这么一整，进行图像缩放的操作已经全部改完了。

然后过来看下剩下的Transpose 维度置换操作，具体看看推理他做了啥

根据上图发现其实就是把维度进行了转换，把所有的transpose上面添加一个 0=16就行了

这样所有的op错误都已经解决了，接下来开始进行优化下了

ncnnoptimize det_10g_sim.param det_10g_sim.bin det_10g_sim-opt.param det_10g_sim-opt.bin 0

转换成功 得到了det_10g_sim-opt.param

用 netron 工具打开没问题

推理验证

简单测试看看能否跑起来

pip install ncnn

import ncnn
import cv2
import numpy as np

# 创建ncnn的网络对象
net = ncnn.Net()

# 加载ONNX模型
net.load_param(r'det_10g_sim.param')
net.load_model(r'det_10g_sim.bin')

# 创建一个形状为 1x2x59x59 的随机数据张量
input_blob = ncnn.Mat(640, 640, 1,3)
# 运行网络
ex = net.create_extractor()
# net_input = ncnn.Extractor(net)
ex.input("input.1", input_blob)

# 设置保留中间层输出
ex.set_light_mode(True)

output_blob = ncnn.Mat()
output_blob1 = ncnn.Mat()
output_blob2 = ncnn.Mat()
output_blob3 = ncnn.Mat()

# ex.extract("426", output_blob1)
# print('output_blob1.shape:',output_blob1)

# ex.extract("424", output_blob)
# print('output_blob.shape:',output_blob)


ex.extract("424", output_blob1)
print('output_blob3.shape:',output_blob1)

ex.extract("426", output_blob3)
print('output_blob3.shape:',output_blob3)

通过定位发现，Permute 【Transpose】转换的都为0，然后试了0=1 0=2 一直到0=5，到了0=6 就出现问题，这个不是三维吗，通过查询ncnn Permute的代码发现，和我们的矩阵里面的维度dims有关系，我通过获取发现我的dims为3，天啦，我入参的时候都为4的，为啥给我整出了个3。

后面通过一层一层获取，发现竟然在第二层就把我的dims变为了3

通过查询源代码发现，Convolution 默认会把维度改为3，下面途中的tob_blob就是返回的张量

通过查询代码，发现需要用到Convolution3D 才行，然后满心欢喜的把全部Convolution改为Convolution3D,但是结果马上打脸。

改过之后发现获取权重值又会出现问题，输入权重的时候 会出现乱码取值的格式不对了，这种时候单纯为了这几个去修改源码已经划不来了，然后直接这节不要了。

直接从从Transpose上层取出结果。自己在代码做处理，要不就自己添加一个算子替换Transpose，这两种都费时费力，还是懒得自己添加算子了，知道后续的算法直接自己取出结果再去处理下吧。

经过测试发现这个多余的算子要干掉不然会影响结果，去掉后结果正常

原始

修改后

通过python的ncnn先推理验证，也可以直接在原始的代码里面验证，把onnx推理用作ncnn推理就行了，最终结果显示没问题的

具体执行如下

其他的库依次移植过来，可以看到关键点图2d和3d

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/607644.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

全网最详细的Python自动化测试（unittest框架)

全网最详细的Python自动化测试（unittest框架)

🔥 交流讨论：欢迎加入我们一起学习！ 🔥 资源分享：耗时200小时精选的「软件测试」资料包 🔥 教程推荐：火遍全网的《软件测试》教程 📢欢迎点赞 👍 收藏 ⭐留言 &#x1…
阅读更多...
Web 功能以及源码讲解

Web 功能以及源码讲解

Web 功能以及语言讲解 培训、环境、资料、考证 公众号：Geek极安云科 网络安全群：624032112 网络系统管理群：223627079 网络建设与运维群：870959784 移动应用开发群：548238632 短视频制作群： 744125867极…
阅读更多...
【6D位姿估计】FoundationPose 跑通demo 训练记录

【6D位姿估计】FoundationPose 跑通demo 训练记录

前言 本文记录在FoundationPose中，跑通基于CAD模型为输入的demo，输出位姿信息，可视化结果。 然后分享NeRF物体重建部分的训练，以及RGBD图为输入的demo。 1、搭建环境 方案1：基于docker镜像（推荐&#xf…
阅读更多...
电脑windows系统压缩解压软件-Bandizip

电脑windows系统压缩解压软件-Bandizip

一、软件功能 Bandizip是一款功能强大的压缩和解压缩软件，具有快速拖放、高速压缩、多核心支持以及广泛的文件格式支持等特点。 Bandizip软件的功能主要包括： 1. 支持多种文件格式 Bandizip可以处理多种压缩文件格式，包括ZIP, 7Z, RAR, A…
阅读更多...
Win10环境下yolov8快速配置与测试-详细

Win10环境下yolov8快速配置与测试-详细

0.0 说明 参考黄家驹的Win10 环境下YOLO V8部署，遇到一些问题，并解决实现，记录如下: 斜线字体是原博客中的创作 0.1 参考链接 https://blog.csdn.net/m0_72734364/article/details/128865904 1 Windows10下yolov8 tensorrt模型加速部署 …
阅读更多...
苍穹外卖Day06笔记

苍穹外卖Day06笔记

疯玩了一个月，效率好低，今天开始捡起来苍穹外卖~ 1. 为什么不需要单独引入HttpClient的dependency？ 因为我们在sky-common的pom.xml中已经引入了aliyun-sdk-oss的依赖，而这个依赖低层就引入了httpclinet的依赖，根据依…
阅读更多...
Centos7网络处理name or service not known

Centos7网络处理name or service not known

1、编辑->虚拟网络编辑器 2、查看本机的ip 3、 /etc/sysconfig/network-scripts/ 查看文件夹下面的 ifcfg-eth33 后面的33可能不一样 vi /etc/resolv.conf 编辑文件添加以下DNS nameserver 114.114.114.114 4、设置本机的网络 5、ping www.baidu.com 先重启…
阅读更多...
linux调试

linux调试

文章目录 1. 使用打印来调试1.1 重定向1.2 标准预定义宏1.3 日志代码 2. 内核异常2.1 内核打印2.1.1 打印级别2.1.2 跟踪异常2.1.3 动态打印2.1.4 RAM console 2.2 OOPS2.2.1 有源代码的情况2.2.2 没有源代码的情况 3 查看日志4 工具调试 1. 使用打印来调试 1.1 重定向 2>…
阅读更多...
Django之创建Model以及后台管理

Django之创建Model以及后台管理

一，创建项目App python manage.py startapp App 二，在App.models.py中创建类，以下是示例 class UserModel(models.Model):uid models.AutoField(primary_keyTrue, auto_createdTrue)name models.CharField(max_length10, uniqueTrue, db…
阅读更多...
【C++11新特性】lambda表达式和应用场景

【C++11新特性】lambda表达式和应用场景

创作不易&#xff0c;本篇文章如果帮助到了你&#xff0c;还请点赞 关注支持一下♡>&#x16966;<)!! 主页专栏有更多知识&#xff0c;如有疑问欢迎大家指正讨论&#xff0c;共同进步&#xff01; &#x1f525;c系列专栏&#xff1a;C/C零基础到精通 &#x1f525; 给大…
阅读更多...
Jenkins--自动化构建和部署SpringBoot项目

Jenkins--自动化构建和部署SpringBoot项目

一、实现目标 通过在Jenkins中创建流水线任务&#xff0c;编写流水线脚本以实现自动化构建和部署SpringBoot项目。流水线脚本主要实现以下几个步骤&#xff1a; Preparation&#xff1a;从gitee上拉取远程仓库的SpringBoot项目代码。Build&#xff1a;使用Maven对拉取的代码进…
阅读更多...
【2024全国青少年信息素养大赛初赛时间以及模拟题】

【2024全国青少年信息素养大赛初赛时间以及模拟题】

2024全国青少年信息素养大赛时间已经出来了 目录 全国青少年信息素养大赛智能算法挑战赛初中模拟卷 全国青少年信息素养大赛智能算法挑战赛初中模拟卷 1、比赛时间和考试内容&#xff1a; 算法创意实践挑战赛初中组于5月19日举行&#xff0c;检录时间为10:30-11:00&#xf…
阅读更多...
男士内裤什么材质的好？五款材质舒适的男士内裤品牌

男士内裤什么材质的好？五款材质舒适的男士内裤品牌

男士内裤目前已经有非常多的选择&#xff0c;三角/平角、传统面料/功能面料、设计版型等等都五花八门&#xff0c;所以不少男性朋友在挑选内裤时都觉得选择过多&#xff0c;另人难以选择&#xff0c;同时还担心选到一些质量不好的内裤&#xff0c;舒适性不仅差而且对健康有影响…
阅读更多...
C语言洛谷题目分享（11）回文质数

C语言洛谷题目分享（11）回文质数

目录 1.前言 2.题目&#xff1a;回文质数 1.题目描述 2.输入格式 3.输出格式 4.输入输出样例 5.题解 3.小结 1.前言 哈喽大家好&#xff0c;今儿继续为大家分享一道蛮有价值的一道题&#xff0c;希望大家多多支持喔~ 2.题目&#xff1a;回文质数 1.题目描述 因为 151 …
阅读更多...
ESP8266-01s刷入固件报SP8266 Chip efuse check error esp_check_mac_and_efuse

ESP8266-01s刷入固件报SP8266 Chip efuse check error esp_check_mac_and_efuse

一、遇到的问题 使用ESP8266 固件烧录工具flash_download_tools_v3.6.8 烧录固件报错&#xff1a; 二、解决方法 使用espressif推出发基于python的底层烧写工具&#xff1a;esptool 安装方法&#xff1a;详见https://docs.espressif.com/projects/esptool/en/latest/esp32/ …
阅读更多...
【Linux】进程间通信方式之管道

【Linux】进程间通信方式之管道

&#x1f916;个人主页&#xff1a;晚风相伴-CSDN博客 &#x1f496;如果觉得内容对你有帮助的话&#xff0c;还请给博主一键三连&#xff08;点赞&#x1f49c;、收藏&#x1f9e1;、关注&#x1f49a;&#xff09;吧 &#x1f64f;如果内容有误的话&#xff0c;还望指出&…
阅读更多...
最新：Lodash 严重安全漏洞背后你不得不知道的 JavaScript 知识

最新：Lodash 严重安全漏洞背后你不得不知道的 JavaScript 知识

可能有信息敏感的同学已经了解到&#xff1a;Lodash 库爆出严重安全漏洞&#xff0c;波及 400万 项目。这个漏洞使得 lodash “连夜”发版以解决潜在问题&#xff0c;并强烈建议开发者升级版本。 我们在忙着“看热闹”或者“”升级版本”的同时&#xff0c;静下心来想&#xf…
阅读更多...
人工智能|推荐系统——工业界的推荐系统之冷启动

人工智能|推荐系统——工业界的推荐系统之冷启动

UGC的物品冷启有哪些 ⼩红书上⽤户新发布的笔记。 B站上⽤户新上传的视频。 今⽇头条上作者新发布的⽂章。 为什么要特殊对待新笔记&#xff1f; 新笔记缺少与⽤户的交互&#xff0c;导致推荐的难度⼤、效果差。 扶持新发布、低曝光的笔记&#xff0c;可以增强作者发布意愿…
阅读更多...
在Ubuntu安装RPM文件

在Ubuntu安装RPM文件

Ubuntu软件源包含数千个deb软件包&#xff0c;可以从Ubuntu软件中心或使用apt命令行安装。 Deb是所有基于Debian的Linux发行版&#xff0c;例如包括Ubuntu&#xff0c;Linux mint等发行版使用的安装包格式。 如果某些软件在Ubuntu软件源中不可用&#xff0c;可以通过启用适当的…
阅读更多...
NOIP，CSP-J，CSP-S——函数

NOIP，CSP-J，CSP-S——函数

一、函数概念 /*函数返回类型 函数名（参数）{语句 } */ int add（int x，int y）{return x+y; } 调用这个函数add int main(){int x,y,z;scanf("%d%d",&x,&y);z=add(x,y);printf("%d",z); } 二、变量作用域 main函数的z只作用于第二个for语句…
阅读更多...
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站