环境

paddle2onnx=1.2.6 paddlepaddle-gpu=2.6.1

paddle2onnx

paddle2onnx --model_dir inference/dtiaoma/db_mv3_lr0.0001 --model_filename inference.pdmodel --params_filename inference.pdiparams --save_file ./onnx_model/det_large.onnx --opset_version 11 --enable_onnx_checker True

• 这里是动态输入，后续转为固定尺寸待补充

推理

参考：这里

onnx优化

让onnx模型更加精简

import onnx
import onnxsim #import simplify
model = onnx.load("onnx_model/det_large.onnx")
model_sim,flag = onnxsim.simplify(model)
if not flag:
    print("failed")
onnx.save(model_sim,"onnx_model/det_large_sim.onnx")

可以参考：onnx精简
但是实际测试发现区别不大，大家可以验证自己模型前后效果。

分析模型计算量、内存等

import onnx_tool 
modelpath = 'onnx_model/det_large_sim.onnx'
onnx_tool.model_profile(modelpath,dynamic_shapes={'x':np.zeros((1,3,224,224))})

问题1：‘type’ object is not subscriptable 更新onnx_tool版本到>=0.2.1
问题2：Input x’s shape is dynamic, please set it a fixed input dimension 添加固定形状dynamic_shapes={‘x’:np.zeros((1,3,640,640))}