本文作者總結了自己參與Pytorch到ONNX的模型轉換轉換工作中的經驗，主要介紹了該轉換工作的意義，模型部署的路徑以及Pytorch本身的局限。

之前幾個月參與了OpenMMlab的模型轉ONNX的工作（github account: drcut），主要目標是支持OpenMMLab的一些模型從Pytorch到ONNX的轉換。這幾個月雖然沒做出什么成果，但是踩了很多坑，在這里記錄下來，希望可以幫助其他人。

這篇是第一部分，理論篇，主要介紹了和代碼無關的一些宏觀問題。再接下來我會專門寫一篇實戰篇，針對OpenMMlab中一些具體代碼做分析，說明Pytorch轉化ONNX過程中的一些代碼上的技巧和注意事項。

（1）Pytorch轉ONNX的意義

一般來說轉ONNX只是一個手段，在之后得到ONNX模型后還需要再將它做轉換，比如轉換到TensorRT上完成部署，或者有的人多加一步，從ONNX先轉換到caffe，再從caffe到tensorRT。原因是Caffe對tensorRT更為友好，這里關于友好的定義后面會談。

因此在轉ONNX工作開展之前，首先必須明確目標后端。ONNX只是一個格式，就和json一樣。只要你滿足一定的規則，都算是合法的，因此單純從Pytorch轉成一個ONNX文件很簡單。但是不同后端設備接受的onnx是不一樣的，因此這才是坑的來源。

Pytorch自帶的torch.onnx.export轉換得到的ONNX，ONNXRuntime需要的ONNX，TensorRT需要的ONNX都是不同的。

這里面舉一個最簡單的Maxpool的例：

Maxunpool可以被看作Maxpool的逆運算，咱們先來看一個Maxpool的例子，假設有如下一個C*H*W的tensor（shape[2, 3, 3])，其中每個channel的二維矩陣都是一樣的，如下所示

?

在這種情況下，如果我們在Pytorch對它調用MaxPool（kernel_size=2, stride=1,pad=0）

那么會得到兩個輸出，第一個輸出是Maxpool之后的值：

?

另一個是Maxpool的Idx，即每個輸出對應原來的哪個輸入，這樣做反向傳播的時候就可以直接把輸出的梯度傳給對應的輸入：

?

細心的同學會發現其實Maxpool的Idx還可以有另一種寫法：

??，

即每個channel的idx放到一起，并不是每個channel單獨從0開始。這兩種寫法都沒什么問題，畢竟只要反向傳播的時候一致就可以。

但是當我在支持OpenMMEditing的時候，會涉及到Maxunpool，即Maxpool的逆運算：輸入MaxpoolId和Maxpool的輸出，得到Maxpool的輸入。

Pytorch的MaxUnpool實現是接收每個channel都從0開始的Idx格式，而Onnxruntime則相反。因此如果你希望用Onnxruntime跑一樣的結果，那么必須對輸入的Idx（即和Pytorch一樣的輸入）做額外的處理才可以。換言之，Pytorch轉出來的神經網絡圖和ONNXRuntime需要的神經網絡圖是不一樣的。

（2）ONNX與Caffe

主流的模型部署有兩種路徑，以TensorRT為例，一種是Pytorch->ONNX->TensorRT，另一種是Pytorch->Caffe->TensorRT。個人認為目前后者更為成熟，這主要是ONNX，Caffe和TensorRT的性質共同決定的

上面的表列了ONNX和Caffe的幾點區別，其中最重要的區別就是op的粒度。舉個例子，如果對Bert的Attention層做轉換，ONNX會把它變成MatMul，Scale，SoftMax的組合，而Caffe可能會直接生成一個叫做Multi-Head Attention的層，同時告訴CUDA工程師：“你去給我寫一個大kernel“（很懷疑發展到最后會不會把ResNet50都變成一個層。。。）

因此如果某天一個研究員提了一個新的State-of-the-art的op，很可能它直接就可以被轉換成ONNX（如果這個op在Pytorch的實現全都是用Aten的庫拼接的），但是對于Caffe的工程師，需要重新寫一個kernel。 ? 細粒度op的好處就是非常靈活，壞處就是速度會比較慢。這幾年有很多工作都是在做op fushion（比如把卷積和它后面的relu合到一起算），XLA和TVM都有很多工作投入到了op fushion，也就是把小op拼成大op。 ? TensorRT是NVIDIA推出的部署框架，自然性能是首要考量的，因此他們的layer粒度都很粗。在這種情況下把Caffe轉換過去有天然的優勢。 ? 除此之外粗粒度也可以解決分支的問題。TensorRT眼里的神經網絡就是一個單純的DAG：給定固定shape的輸入，執行相同的運算，得到固定shape的輸出。 ? **目前TensorRT的一個發展方向是支持dynamic shape，但是還很不成熟。

?

?

tensor i = funcA(); if(i==0) j = funcB(i); else j = funcC(i); funcD(j); 對于上面的網絡，假設funcA,funcB,funcC和funcD都是onnx支持的細粒度算子，那么ONNX就會面臨一個困難，它轉換得到的DAG要么長這樣：funcA->funcB->funcD，要么funcA->funcC->funcD。但是無論哪種肯定都是有問題的。 ? 而Caffe可以用粗粒度繞開這個問題

tensor i = funcA(); coarse_func(tensor i) { if(i==0) return funcB(i); else return funcC(i); } funcD(coarse_func(i)) 因此它得到的DAG是：funcA->coarse_func->funcD ? 當然，Caffe的代價就是苦逼的HPC工程師就要手寫一個coarse_func kernel。。。（希望Deep Learning Compiler可以早日解放HPC工程師） ?
(3)Pytorch本身的局限 ? 熟悉深度學習框架的同學都知道，Pytorch之所以可以在tensorflow已經占據主流的情況下橫空出世，成功搶占半壁江山，主要的原因是它很靈活。舉個不恰當的例子，tensorflow就像是C++，而Pytorch就是Python。 ? tensorflow會把整個神經網絡在運行前做一次編譯，生成一個DAG（有向無環圖），然后再去跑這張圖。Pytorch則相反，屬于走一步看一步，直到運行到這個節點算出結果，才知道下一個節點該算啥。 ? ONNX其實就是把上層深度學習框架中的網絡模型轉換成一張圖，因為tensorflow本身就有一張圖，因此只需要直接把這張圖拿到手，修修補補就可以。 ? 但是對于Pytorch，沒有任何圖的概念，因此如果想完成Pytorch到ONNX的轉換，就需要讓ONNX再旁邊拿個小本子，然后跑一遍Pytorch，跑到什么就把什么記下來，把記錄的結果抽象成一張圖。因此Pytorch轉ONNX有兩個天然的局限。 ? 1. 轉換的結果只對特定的輸入。如果換一個輸入導致網絡結構發生了變化，ONNX是無法察覺的（最常見的情況是如果網絡中有if語句，這次的輸入走了if的話，ONNX就只會生成if對應的圖，把else里面全部的信息都丟掉）。 ? 2. 需要比較多的計算量，因為需要真刀真槍的跑一遍神經網絡。 ? PS：針對于以上的兩個局限，我的本科畢設論文提出了一種解決方案，就是通過編譯器里面的詞法分析，語法分析直接掃描Pytorch或者tensorflow的源代碼得到圖結構，這樣可以輕量級的完成模型到ONNX的轉換，同時也可以得到分支判斷等信息，這里放一個github鏈接(https://github.com/drcut/NN_transform)，希望大家多多支持 ? *目前Pytorch官方希望通過用TorchScript的方式解決分支語句的問題，但據我所知還不是很成熟。 ?
編輯：黃飛

?

?