【SAM导出】使用torch.onnx.export将pth格式导出为onnx格式(Pytorch代码详解)

2024-04-29 20:20

本文主要是介绍【SAM导出】使用torch.onnx.export将pth格式导出为onnx格式(Pytorch代码详解),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  一般情况下,我们保存模型的格式都是pth的,最近根据一个项目需求,需要把pth格式转换为onnx格式,方便后面的调取,故此学习理解了一下,记录将SAM模型导出为onnx的过程。


SAM系列篇:
  【技术追踪】SAM(Segment Anything Model)代码解析与结构绘制之Image Encoder
  【技术追踪】SAM(Segment Anything Model)代码解析与结构绘制之Prompt Encoder
  【技术追踪】SAM(Segment Anything Model)代码解析与结构绘制之Mask Decoder
  【SAM综述】医学图像分割的分割一切模型:当前应用和未来方向


0、所需安装

  要使用导出的onnx模型,需要安装onnxruntime库:

pip install onnxruntime-gpu   # 安装GPU版本
pip install onnxruntime   # 安装普通版本

1、SAM的onnx模型导出

  onnx模型导出采用torch中的onnx.export

import torch
from segment_anything import sam_model_registry, SamPredictor
from segment_anything.utils.onnx import SamOnnxModel
import warnings# 加载原来的pth模型
checkpoint = "sam_vit_b_01ec64.pth"  # 参数路径
model_type = "vit_b"  # 模型类
sam = sam_model_registry[model_type](checkpoint=checkpoint)  # sam创建与预训练参数加载onnx_model_path = "sam_onnx_example.onnx"  # onnx模型输出路径
onnx_model = SamOnnxModel(sam, return_single_mask=True)   # 一个新模型,输入为加载预训练参数的sam# 动态轴定义,表示模型输入点个数可变
dynamic_axes = {"point_coords": {1: "num_points"},"point_labels": {1: "num_points"},
}embed_dim = sam.prompt_encoder.embed_dim     # 嵌入维度: 256
embed_size = sam.prompt_encoder.image_embedding_size    # 嵌入的图像大小 [64,64]
mask_input_size = [4 * x for x in embed_size]   # 输入mask的大小 [256, 256]# onnx的输入参数名称、大小与类型定义
dummy_inputs = {"image_embeddings": torch.randn(1, embed_dim, *embed_size, dtype=torch.float),   # 图像嵌入维度"point_coords": torch.randint(low=0, high=1024, size=(1, 5, 2), dtype=torch.float),  # 输入点的坐标"point_labels": torch.randint(low=0, high=4, size=(1, 5), dtype=torch.float),  # 输入点的标签"mask_input": torch.randn(1, 1, *mask_input_size, dtype=torch.float),  # 输入mask"has_mask_input": torch.tensor([1], dtype=torch.float),  # 是否有mask输入"orig_im_size": torch.tensor([1500, 2250], dtype=torch.float),  # 图像原始大小
}
# onnx的输出参数名称
output_names = ["masks", "iou_predictions", "low_res_masks"]# 利用torch.onnx.export导出onnx模型
with warnings.catch_warnings():warnings.filterwarnings("ignore", category=torch.jit.TracerWarning)warnings.filterwarnings("ignore", category=UserWarning)with open(onnx_model_path, "wb") as f:torch.onnx.export(onnx_model,  # 要导出的PyTorch模型tuple(dummy_inputs.values()),  # 模型的输入数据f,  # noox模型的数据将被写入这个文件export_params=True,  # 是否导出模型参数, 默认为True。verbose=False,  # 是否打印日志信息opset_version=17,  # noox操作符集(opset)的版本do_constant_folding=True,  # 是否执行常量折叠优化,这可以简化模型并可能提高性能。input_names=list(dummy_inputs.keys()),  # 输入的名称列表output_names=output_names,  # 输出的名称列表dynamic_axes=dynamic_axes,  # 动态轴定义。动态轴允许在模型运行时改变某些维度的大小。这是一个字典,其键是输入或输出的名称,值是一个字典,表示哪些维度是动态的。)

  导出成功显示如下,在当前路径中会生成onnx模型。

在这里插入图片描述

  整个模型导出过程,还是非常简洁明了的,最主要的关键地方是采用了一个SamOnnxModel类,这个类是官方实现的,对sam模型进行了一个封装。

  来看看SamOnnxModel如何封装的sam吧!

import torch
import torch.nn as nn
from torch.nn import functional as F
from typing import Tuple
from ..modeling import Sam
from .amg import calculate_stability_scoreclass SamOnnxModel(nn.Module):def __init__(self,model: Sam,   # 输入带预训练参数的模型return_single_mask: bool,   # True 输出单张maskuse_stability_score: bool = False,  # 计算一批mask的稳定性评分return_extra_metrics: bool = False,  # ) -> None:super().__init__()self.mask_decoder = model.mask_decoder   # 模型的mask decoderself.model = model  # SAMself.img_size = model.image_encoder.img_size  # 1024 image encoder 输入图像的大小self.return_single_mask = return_single_mask  # True 返回单张图像self.use_stability_score = use_stability_score  # Falseself.stability_score_offset = 1.0self.return_extra_metrics = return_extra_metrics  # False@staticmethoddef resize_longest_image_size(input_image_size: torch.Tensor, longest_side: int) -> torch.Tensor:input_image_size = input_image_size.to(torch.float32)scale = longest_side / torch.max(input_image_size)transformed_size = scale * input_image_sizetransformed_size = torch.floor(transformed_size + 0.5).to(torch.int64)return transformed_size# 输入点嵌入def _embed_points(self, point_coords: torch.Tensor, point_labels: torch.Tensor) -> torch.Tensor:point_coords = point_coords + 0.5point_coords = point_coords / self.img_sizepoint_embedding = self.model.prompt_encoder.pe_layer._pe_encoding(point_coords)point_labels = point_labels.unsqueeze(-1).expand_as(point_embedding)point_embedding = point_embedding * (point_labels != -1)point_embedding = point_embedding + self.model.prompt_encoder.not_a_point_embed.weight * (point_labels == -1)for i in range(self.model.prompt_encoder.num_point_embeddings):point_embedding = point_embedding + self.model.prompt_encoder.point_embeddings[i].weight * (point_labels == i)return point_embedding# 输入mask嵌入def _embed_masks(self, input_mask: torch.Tensor, has_mask_input: torch.Tensor) -> torch.Tensor:mask_embedding = has_mask_input * self.model.prompt_encoder.mask_downscaling(input_mask)mask_embedding = mask_embedding + (1 - has_mask_input) * self.model.prompt_encoder.no_mask_embed.weight.reshape(1, -1, 1, 1)return mask_embedding# mask输出后处理def mask_postprocessing(self, masks: torch.Tensor, orig_im_size: torch.Tensor) -> torch.Tensor:masks = F.interpolate(masks,size=(self.img_size, self.img_size),mode="bilinear",align_corners=False,)prepadded_size = self.resize_longest_image_size(orig_im_size, self.img_size).to(torch.int64)masks = masks[..., : prepadded_size[0], : prepadded_size[1]]  # type: ignoreorig_im_size = orig_im_size.to(torch.int64)h, w = orig_im_size[0], orig_im_size[1]masks = F.interpolate(masks, size=(h, w), mode="bilinear", align_corners=False)return masksdef select_masks(self, masks: torch.Tensor, iou_preds: torch.Tensor, num_points: int) -> Tuple[torch.Tensor, torch.Tensor]:# Determine if we should return the multiclick mask or not from the number of points.# The reweighting is used to avoid control flow.score_reweight = torch.tensor([[1000] + [0] * (self.model.mask_decoder.num_mask_tokens - 1)]).to(iou_preds.device)score = iou_preds + (num_points - 2.5) * score_reweightbest_idx = torch.argmax(score, dim=1)masks = masks[torch.arange(masks.shape[0]), best_idx, :, :].unsqueeze(1)iou_preds = iou_preds[torch.arange(masks.shape[0]), best_idx].unsqueeze(1)return masks, iou_preds@torch.no_grad()def forward(self,image_embeddings: torch.Tensor,  # 经过image encoder的图像嵌入: [1,256,64,64]point_coords: torch.Tensor,   # 给定point经过映射后的坐标: [1,2,2]point_labels: torch.Tensor,   # point是前景还是背景的标注: [1,2]mask_input: torch.Tensor,     # mask输入, 设置为全0has_mask_input: torch.Tensor,  # 0orig_im_size: torch.Tensor,   # 原始图像大小: [1365, 2048]):# _embed_points实现point和box嵌入sparse_embedding = self._embed_points(point_coords, point_labels)# _embed_masks实现mask嵌入dense_embedding = self._embed_masks(mask_input, has_mask_input)# mask_decoder分割结果masks, scores = self.model.mask_decoder.predict_masks(image_embeddings=image_embeddings,image_pe=self.model.prompt_encoder.get_dense_pe(),sparse_prompt_embeddings=sparse_embedding,dense_prompt_embeddings=dense_embedding,)# False/passif self.use_stability_score:scores = calculate_stability_score(masks, self.model.mask_threshold, self.stability_score_offset)# Trueif self.return_single_mask:masks, scores = self.select_masks(masks, scores, point_coords.shape[1])# 后处理,恢复到原图大小upscaled_masks = self.mask_postprocessing(masks, orig_im_size)# False/passif self.return_extra_metrics:stability_scores = calculate_stability_score(upscaled_masks, self.model.mask_threshold, self.stability_score_offset)areas = (upscaled_masks > self.model.mask_threshold).sum(-1).sum(-1)return upscaled_masks, scores, stability_scores, areas, masksreturn upscaled_masks, scores, masks

2、SAM导出的onnx模型测试

  模型导出了,可以使用onnx格式的模型测试一下了:

import numpy as np
import cv2
import matplotlib.pyplot as plt
from segment_anything import sam_model_registry, SamPredictor
import onnxruntimedef show_mask(mask, ax):color = np.array([30 / 255, 144 / 255, 255 / 255, 0.6])h, w = mask.shape[-2:]mask_image = mask.reshape(h, w, 1) * color.reshape(1, 1, -1)ax.imshow(mask_image)def show_points(coords, labels, ax, marker_size=375):pos_points = coords[labels == 1]neg_points = coords[labels == 0]ax.scatter(pos_points[:, 0], pos_points[:, 1], color='green', marker='*', s=marker_size, edgecolor='white',linewidth=1.25)ax.scatter(neg_points[:, 0], neg_points[:, 1], color='red', marker='*', s=marker_size, edgecolor='white',linewidth=1.25)# 测试图像加载
image = cv2.imread('./test image/image dog.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
plt.figure()
plt.imshow(image)
plt.axis('off')
plt.show()# 原始模型加载
checkpoint = "sam_vit_b_01ec64.pth"
model_type = "vit_b"
sam = sam_model_registry[model_type](checkpoint=checkpoint)
sam.to(device='cuda')
predictor = SamPredictor(sam)
predictor.set_image(image)
image_embedding = predictor.get_image_embedding().cpu().numpy()  # 模型经过image encoder的嵌入
print(image_embedding.shape)  # (1, 256, 64, 64)# onnx模型加载
onnx_model_path = "sam_onnx_example.onnx"
ort_session = onnxruntime.InferenceSession(onnx_model_path)# 输入点(两个点)
input_point = np.array([[1300, 800], [1600, 850]])
input_label = np.array([1, 1])onnx_coord = np.concatenate([input_point, ], axis=0)[None, :, :]
onnx_label = np.concatenate([input_label, ], axis=0)[None, :].astype(np.float32)onnx_coord = predictor.transform.apply_coords(onnx_coord, image.shape[:2]).astype(np.float32)onnx_mask_input = np.zeros((1, 1, 256, 256), dtype=np.float32)
onnx_has_mask_input = np.zeros(1, dtype=np.float32)ort_inputs = {"image_embeddings": image_embedding,  # 经过image encoder的图像嵌入: [1,256,64,64]"point_coords": onnx_coord,  # 给定point经过映射后的坐标: [1,2,2]"point_labels": onnx_label,  # point是前景还是背景的标注: [1,2]"mask_input": onnx_mask_input,  # mask输入, 设置为全0"has_mask_input": onnx_has_mask_input,  # 0"orig_im_size": np.array(image.shape[:2], dtype=np.float32)  # 原始图像大小: [1365, 2048]
}
# 模型推理
masks, _, _ = ort_session.run(None, ort_inputs)   # masks:[1,1,1365,2048]
masks = masks > predictor.model.mask_thresholdplt.figure(dpi=300)
plt.imshow(image)
show_mask(masks[0], plt.gca())
show_points(input_point, input_label, plt.gca())
plt.axis('off')
plt.show()

  输出为:

在这里插入图片描述
  当然啦,也可以point和box一起用:

import numpy as np
import cv2
import matplotlib.pyplot as plt
from segment_anything import sam_model_registry, SamPredictor
import onnxruntimedef show_mask(mask, ax):color = np.array([30 / 255, 144 / 255, 255 / 255, 0.6])h, w = mask.shape[-2:]mask_image = mask.reshape(h, w, 1) * color.reshape(1, 1, -1)ax.imshow(mask_image)def show_points(coords, labels, ax, marker_size=375):pos_points = coords[labels == 1]neg_points = coords[labels == 0]ax.scatter(pos_points[:, 0], pos_points[:, 1], color='green', marker='*', s=marker_size, edgecolor='white',linewidth=1.25)ax.scatter(neg_points[:, 0], neg_points[:, 1], color='red', marker='*', s=marker_size, edgecolor='white',linewidth=1.25)def show_box(box, ax):x0, y0 = box[0][0], box[0][1]w, h = box[0][2] - box[0][0], box[0][3] - box[0][1]ax.add_patch(plt.Rectangle((x0, y0), w, h, edgecolor='green', facecolor=(0, 0, 0, 0), lw=2))image = cv2.imread('./test image/image dog.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)plt.figure()
plt.imshow(image)
plt.axis('off')
plt.show()checkpoint = "sam_vit_b_01ec64.pth"
model_type = "vit_b"
sam = sam_model_registry[model_type](checkpoint=checkpoint)
sam.to(device='cuda')
predictor = SamPredictor(sam)
predictor.set_image(image)
image_embedding = predictor.get_image_embedding().cpu().numpy()
print(image_embedding.shape)  # (1, 256, 64, 64)onnx_model_path = "sam_onnx_example.onnx"
ort_session = onnxruntime.InferenceSession(onnx_model_path)input_box = np.array([[700, 500, 1900, 1100]])
input_point = np.array([[1300, 800], [1600, 850]])
input_label = np.array([1, 1])onnx_box_coords = input_box.reshape(2, 2)
onnx_box_labels = np.array([1, 1])onnx_coord = np.concatenate([input_point, onnx_box_coords], axis=0)[None, :, :]
onnx_label = np.concatenate([input_label, onnx_box_labels], axis=0)[None, :].astype(np.float32)onnx_coord = predictor.transform.apply_coords(onnx_coord, image.shape[:2]).astype(np.float32)onnx_mask_input = np.zeros((1, 1, 256, 256), dtype=np.float32)
onnx_has_mask_input = np.zeros(1, dtype=np.float32)ort_inputs = {"image_embeddings": image_embedding,  # 经过image encoder的图像嵌入: [1,256,64,64]"point_coords": onnx_coord,  # 给定point经过映射后的坐标: [1,2,2]"point_labels": onnx_label,  # point是前景还是背景的标注: [1,2]"mask_input": onnx_mask_input,  # mask输入, 设置为全0"has_mask_input": onnx_has_mask_input,  # 0"orig_im_size": np.array(image.shape[:2], dtype=np.float32)  # 原始图像大小: [1365, 2048]
}masks, _, _ = ort_session.run(None, ort_inputs)   # masks:[1,1,1365,2048]
masks = masks > 0.8plt.figure(dpi=300)
plt.imshow(image)
show_mask(masks[0], plt.gca())
show_box(input_box, plt.gca())
show_points(input_point, input_label, plt.gca())
plt.axis('off')
plt.show()

  输出为:

在这里插入图片描述

  emmm,好像没有只使用point效果好,叠buff也不好使呢…
  此外,还有个问题是,官方的这个打包没有把image encoder也包括进去,不过理解了这个流程,后面可以改一改,这样在推理的时候就只用一个onnx模型了。

  值得注意的是,虽然打包onnx时,输入设置的都是tensor形式,但onnx推理时输入都是numpy形式的。


参考官方资料:onnx_model_example


  理解了sam的onnx导出及使用,后面自己的模型也可以进行相应操作啦~

这篇关于【SAM导出】使用torch.onnx.export将pth格式导出为onnx格式(Pytorch代码详解)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/947066

相关文章

Process Monitor下载安装使用教程(图文教程)超详细

「作者简介」:2022年北京冬奥会网络安全中国代表队,CSDN Top100,就职奇安信多年,以实战工作为基础对安全知识体系进行总结与归纳,著作适用于快速入门的 《网络安全自学教程》,内容涵盖系统安全、信息收集等12个知识域的一百多个知识点,持续更新。 Process Monitor 是微软提供的一款系统进程监视软件。常用来检测恶意软件和处理系统故障。 Process Moni

【坑】在js代码中误用保留关键字

写了一个小的测试代码 <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"><html><head><meta http-equiv="Content-Type" content="text/html; charset=utf-8"><

【坑】在HTML页面中缺少!doctype html造成部分js代码失效问题

<!doctype html><html><head><meta charset="utf-8"><title>无标题文档</title><script type="text/javascript">function sayhello() {alert("hello shushu");}function resizeRock() {document.getElementById("roc

apifox接口调试工具的使用,代替postman

官网链接:Apifox (代替postman工具) 下载apifox工具 使用步骤 安装本地下载的apifox.exx 登录apifox 接口调用

.net下使用cap实现消息异步处理

介绍 github地址 CAP 是一个基于 .NET Standard 的 C# 库,它是一种处理分布式事务的解决方案,同样具有 EventBus 的功能,它具有轻量级、易使用、高性能等特点。 新建项目 新建.net7web项目 安装依赖包 安装软件 安装redis和Sql Server 修改代码 新建RedisConfigModel namespace CAPStu01.

Spring中使用UrlResource获取网络资源的时候报java.io.FileNotFoundException错误

网络文件需要使用输入流来读取 所以获取网络文件的时候要用getInputStream(),如果是本地文件可以用getFile() 小例子 UrlResource urlResource = new UrlResource("http://www.slience.com/book.xml");System.out.println("urlResource.getFilename

在eclipse中使用Aspectj

Aspectj是一种面向切面的框架,用它可以实现面向切面编程。在eclipse如果要使用Aspectj需要安装ADJT插件,安装方法如下 1. 下载安装包,下载地址 在eclipse中安装 之后稍等片刻,喝点水…. 3. 写一个小Demo 首先写一个普通的类Login package com.service;import org.springframework.s

使用Aspect来对访问方法进行预处理和后处理

例子摘自李刚老师的《JavaEE企业应用实战(第四版)》661页 使用aspect中的@Around、@Before、@After、@AfterReturning,例子如下 切面类 package com.aspect;import java.util.Arrays;import org.aspectj.lang.JoinPoint;import org.aspectj.lang.P

Spring中使用bean配置数据库

摘自李刚《轻量级JavaEE企业应用实战》 平时我们配置数据库信息是通过hibernate.cfg.xml来配置,其实也可以用bean来配置连接池的(比如说c3p0),现在我们就用Spring的bean来配置一次数据库连接池吧 首先我们在beans.xml文件中创建一个bean <bean id="dataSource" class="com.mchange.v2.c3p0.C

使用AES加密用户密码

代码部分转载自http://www.iteye.com/topic/1122076/ 在写项目的时候,一般像密码、用户钱包的金额等比较隐私的东西是需要加密存储的,在代码中加密方式有很多,比如说常见的MD5,但是MD5这种单向一对一的很容易通过强大的字典去破解,所以就得找一个不是一对一的、需要两个变量才能解码的加密方式,用的比较多的就是AES了(还有别的比如说DES),本文呢就是写一个用AE