一、基本介绍

微软联合Facebook等在2017年搞了个深度学习以及机器学习模型的格式标准–ONNX，旨在将所有模型格式统一为一致，更方便地实现模型部署。现在大多数的深度学习框架都支持ONNX模型转出并提供相应的导出接口。

ONNXRuntime(Open Neural Network Exchange)是微软推出的一款针对ONNX模型格式的推理框架，用户可以非常便利的用其运行一个onnx模型。ONNXRuntime支持多种运行后端包括CPU，GPU，TensorRT，DML等。可以说ONNXRuntime是对ONNX模型最原生的支持，只要掌握模型导出的相应操作，便能对将不同框架的模型进行部署，提高开发效率。

利用onnx和onnxruntime实现pytorch深度框架使用C++推理进行服务器部署，模型推理的性能是比python快很多的。

1、下载

GitHub下载地址：

https://github.com/microsoft/onnxruntime/releases

Release ONNX Runtime v1.9.0 · microsoft/onnxruntime · GitHub

onnxruntime-linux-x64-1.9.0.tgz

2、解压

下载的onnxruntime是直接编译好的库文件，直接放在自定义的文件夹中即可。在CMakeLists.txt中引入onnxruntime的头文件、库文件即可。

# 引入头文件include_directories(......../onnxruntime/include)# 引入库文件link_directories(......../onnxruntime/lib)

二、Pytorch导出.onnx模型

首先，利用pytorch自带的torch.onnx模块导出.onnx模型文件，具体查看该部分pytorch官方文档，主要流程如下：

import torchcheckpoint = torch.load(model_path)model = ModelNet(params)model.load_state_dict(checkpoint['model'])model.eval()input_x_1 = torch.randn(10,20)input_x_2 = torch.randn(1,20,5)output, mask = model(input_x_1, input_x_2)torch.onnx.export(model, (input_x_1, input_x_2), 'model.onnx', input_names = ['input','input_mask'], output_names = ['output','output_mask'], opset_version=11, verbose = True, dynamic_axes={'input':{1,'seqlen'}, 'input_mask':{1:'seqlen',2:'time'},'output_mask':{0:'time'}})

torch.onnx.export参数在文档里面都有，opset_version对应的版本很重要，dynamic_axes是对输入和输出对应维度可以进行动态设置，不设置的话输入和输出的Tensor 的 shape是不能改变的，如果输入固定就不需要加。

导出的模型可否顺利使用可以先使用python进行检测

import onnxruntime as ortimport numpy as nport_session = ort.InferenceSession('model.onnx')outputs = ort_session.run(None,{'input':np.random.randn(10,20),'input_mask':np.random.randn(1,20,5)})# 由于设置了dynamic_axes,支持对应维度的变化outputs = ort_session.run(None,{'input':np.random.randn(10,5),'input_mask':np.random.randn(1,26,2)})# outputs 为 包含'output'和'output_mask'的listimport onnxmodel = onnx.load('model.onnx')onnx.checker.check_model(model)

如果没有异常代表导出的模型没有问题，目前torch.onnx.export只能对部分支持的Tensor操作进行识别，详情参考Supported operators，对于包括transformer等基本的模型都是没有问题的，如果出现ATen等问题，你就需要对模型不支持的Tensor操作进行改进，以免影响C++对该模型的使用。

三、模型推理流程

总体来看，整个ONNXRuntime的运行可以分为三个阶段：

  • Session构造；
  • 模型加载与初始化；
  • 运行；

1、第1阶段：Session构造

构造阶段即创建一个InferenceSession对象。在python前端构建Session对象时，python端会通过http://onnxruntime_pybind_state.cc调用C++中的InferenceSession类构造函数，得到一个InferenceSession对象。

InferenceSession构造阶段会进行各个成员的初始化，成员包括负责OpKernel管理的KernelRegistryManager对象，持有Session配置信息的SessionOptions对象，负责图分割的GraphTransformerManager，负责log管理的LoggingManager等。当然，这个时候InferenceSession就是一个空壳子，只完成了对成员对象的初始构建。

2、第2阶段：模型加载与初始化

在完成InferenceSession对象的构造后，会将onnx模型加载到InferenceSession中并进行进一步的初始化。

2.1. 模型加载

模型加载时，会在C++后端会调用对应的Load()函数，InferenceSession一共提供了8种Load函数。包读从url，ModelProto，void* model data，model istream等读取ModelProto。InferenceSession会对ModelProto进行解析然后持有其对应的Model成员。

2.2. Providers注册

在Load函数结束后，InferenceSession会调用两个函数：RegisterExecutionProviders()和sess->Initialize();

RegisterExecutionProviders函数会完成ExecutionProvider的注册工作。这里解释一下ExecutionProvider，ONNXRuntime用Provider表示不同的运行设备比如CUDAProvider等。目前ONNXRuntimev1.0支持了包括CPU，CUDA，TensorRT，MKL等七种Providers。通过调用sess->RegisterExecutionProvider()函数，InferenceSession通过一个list持有当前运行环境中支持的ExecutionProviders。

2.3. InferenceSession初始化

即sess->Initialize()，这时InferenceSession会根据自身持有的model和execution providers进行进一步的初始化（在第一阶段Session构造时仅仅持有了空壳子成员变量）。该步骤是InferenceSession初始化的核心，一系列核心操作如内存分配，model partition，kernel注册等都会在这个阶段完成。

  1. 首先，session会根据level注册 graph optimization transformers，并通过GraphTransformerManager成员进行持有。
  2. 接下来session会进行OpKernel注册，OpKernel即定义的各个node对应在不同运行设备上的计算逻辑。这个过程会将持有的各个ExecutionProvider上定义的所有node对应的Kernel注册到session中，session通过KernelRegistryManager成员进行持有和管理。
  3. 然后session会对Graph进行图变换，包括插入copy节点，cast节点等。
  4. 接下来是model partition，也就是根运行设备对graph进行切分，决定每个node运行在哪个provider上。
  5. 最后，为每个node创建ExecutePlan，运行计划主要包含了各个op的执行顺序，内存申请管理，内存复用管理等操作。

3、第3阶段：模型运行

模型运行即InferenceSession每次读入一个batch的数据并进行计算得到模型的最终输出。然而其实绝大多数的工作早已经在InferenceSession初始化阶段完成。细看下源码就会发现run阶段主要是顺序调用各个node的对应OpKernel进行计算。

四、代码

和其他所有主流框架相同，ONNXRuntime最常用的语言是python，而实际负责执行框架运行的则是C++。

下面就是C++通过onnxruntime对.onnx模型的使用，参考官方样例和常见问题写的模型多输入多输出的情况，部分参数可以参考样例或者查官方API文档。

1、案例01

BasicOrtHandler.h

#include "onnxruntime_cxx_api.h"#include "opencv2/opencv.hpp"#include #define CHW 0class BasicOrtHandler {public:Ort::Value BasicOrtHandler::create_tensor(const cv::Mat &mat, const std::vector &tensor_dims, const Ort::MemoryInfo &memory_info_handler, std::vector &tensor_value_handler, unsigned int data_format);protected:Ort::Env ort_env;Ort::Session *ort_session = nullptr;const char *input_name = nullptr;std::vector input_node_names;std::vector input_node_dims; // 1 input only.std::size_t input_tensor_size = 1;std::vector input_values_handler;// create input tensorOrt::MemoryInfo memory_info_handler = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);std::vector output_node_names;std::vector<std::vector> output_node_dims; // >=1 outputsconst char*onnx_path = nullptr;const char *log_id = nullptr;int num_outputs = 1;protected:const unsigned int num_threads; // initialize at runtime.protected:explicit BasicOrtHandler(const std::string &_onnx_path, unsigned int _num_threads = 1);virtual ~BasicOrtHandler();protected:BasicOrtHandler(const BasicOrtHandler &) = delete;BasicOrtHandler(BasicOrtHandler &&) = delete;BasicOrtHandler &operator=(const BasicOrtHandler &) = delete;BasicOrtHandler &operator=(BasicOrtHandler &&) = delete;protected:virtual Ort::Value transform(const cv::Mat &mat) = 0;private:void initialize_handler();};

BasicOrtHandler.cpp

BasicOrtHandler::BasicOrtHandler(const std::string &_onnx_path, unsigned int _num_threads) : log_id(_onnx_path.data()), num_threads(_num_threads) {// string to wstring#ifdef LITE_WIN32std::wstring _w_onnx_path(lite::utils::to_wstring(_onnx_path));onnx_path = _w_onnx_path.data();#elseonnx_path = _onnx_path.data();#endifinitialize_handler();}void BasicOrtHandler::initialize_handler() {// set ort envort_env = Ort::Env(ORT_LOGGING_LEVEL_ERROR, log_id);// 0. session optionsOrt::SessionOptions session_options;// set op threadssession_options.SetIntraOpNumThreads(num_threads);// set Optimization options:session_options.SetGraphOptimizationLevel(GraphOptimizationLevel::ORT_ENABLE_ALL);// set log levelsession_options.SetLogSeverityLevel(4);// GPU compatiable.// OrtCUDAProviderOptions provider_options;// session_options.AppendExecutionProvider_CUDA(provider_options);// #ifdef USE_CUDA//OrtSessionOptionsAppendExecutionProvider_CUDA(session_options, 0); // C API stable.// #endif// 1. sessionort_session = new Ort::Session(ort_env, onnx_path, session_options);// memory allocation and optionsOrt::AllocatorWithDefaultOptions allocator;// 2. input name & input dimsinput_name = ort_session->GetInputName(0, allocator);input_node_names.resize(1);input_node_names[0] = input_name;// 3. input names & output dimmsOrt::TypeInfo type_info = ort_session->GetInputTypeInfo(0);auto tensor_info = type_info.GetTensorTypeAndShapeInfo();input_tensor_size = 1;input_node_dims = tensor_info.GetShape();for (unsigned int i = 0; i GetOutputCount();output_node_names.resize(num_outputs);for (unsigned int i = 0; i GetOutputName(i, allocator);Ort::TypeInfo output_type_info = ort_session->GetOutputTypeInfo(i);auto output_tensor_info = output_type_info.GetTensorTypeAndShapeInfo();auto output_dims = output_tensor_info.GetShape();output_node_dims.push_back(output_dims);}}Ort::Value BasicOrtHandler::create_tensor(const cv::Mat &mat, const std::vector &tensor_dims, const Ort::MemoryInfo &memory_info_handler, std::vector &tensor_value_handler, unsigned int data_format) throw(std::runtime_error) {const unsigned int rows = mat.rows;const unsigned int cols = mat.cols;const unsigned int channels = mat.channels();cv::Mat mat_ref;if (mat.type() != CV_32FC(channels)){mat.convertTo(mat_ref, CV_32FC(channels));} else{mat_ref = mat;// reference only. zero-time cost. support 1/2/3/... channels}if (tensor_dims.size() != 4) {throw std::runtime_error("dims mismatch.");}if (tensor_dims.at(0) != 1) {throw std::runtime_error("batch != 1");}// CXHXWif (data_format == CHW) {const unsigned int target_channel = tensor_dims.at(1);const unsigned int target_height = tensor_dims.at(2);const unsigned int target_width = tensor_dims.at(3);const unsigned int target_tensor_size = target_channel * target_height * target_width;if (target_channel != channels) {throw std::runtime_error("channel mismatch.");}tensor_value_handler.resize(target_tensor_size);cv::Mat resize_mat_ref;if (target_height != rows || target_width != cols) {cv::resize(mat_ref, resize_mat_ref, cv::Size(target_width, target_height));} else{resize_mat_ref = mat_ref; // reference only. zero-time cost.}std::vector mat_channels;cv::split(resize_mat_ref, mat_channels);// CXHXWfor (unsigned int i = 0; i < channels; ++i){std::memcpy(tensor_value_handler.data() + i * (target_height * target_width), mat_channels.at(i).data,target_height * target_width * sizeof(float));}return Ort::Value::CreateTensor(memory_info_handler, tensor_value_handler.data(), target_tensor_size, tensor_dims.data(), tensor_dims.size());}// HXWXCconst unsigned int target_channel = tensor_dims.at(3);const unsigned int target_height = tensor_dims.at(1);const unsigned int target_width = tensor_dims.at(2);const unsigned int target_tensor_size = target_channel * target_height * target_width;if (target_channel != channels) {throw std::runtime_error("channel mismatch!");}tensor_value_handler.resize(target_tensor_size);cv::Mat resize_mat_ref;if (target_height != rows || target_width != cols) {cv::resize(mat_ref, resize_mat_ref, cv::Size(target_width, target_height));} else {resize_mat_ref = mat_ref; // reference only. zero-time cost.}std::memcpy(tensor_value_handler.data(), resize_mat_ref.data, target_tensor_size * sizeof(float));return Ort::Value::CreateTensor(memory_info_handler, tensor_value_handler.data(), target_tensor_size, tensor_dims.data(), tensor_dims.size());}

main.cpp

const std::string _onnx_path="";unsigned int _num_threads = 1;//init inferenceBasicOrtHandler basicOrtHandler(_onnx_path,_num_threads);// after transform imageconst cv::Mat mat = "";const std::vector &tensor_dims = basicOrtHandler.input_node_dims;const Ort::MemoryInfo &memory_info_handler = basicOrtHandler.memory_info_handler;std::vector &tensor_value_handler = basicOrtHandler.input_values_handler;unsigned int data_format = CHW; // 预处理后的模式// 1. make input tensorOrt::Value input_tensor = basicOrtHandler.create_tensor(mat_rs);// 2. inference scores & boxes.auto output_tensors = ort_session->Run(Ort::RunOptions{nullptr}, input_node_names.data(), &input_tensor, 1, output_node_names.data(), num_outputs);// 3. get output tensorOrt::Value &pred = output_tensors.at(0); // (1,n,c)//postprocess...

2、案例02

#include #include #include int main(int argc, char* argv[]) {Ort::Env env(ORT_LOGGING_LEVEL_WARNING, "test");Ort::SessionOptions session_options;session_options.SetIntraOpNumThreads(1);session_options.SetGraphOptimizationLevel(GraphOptimizationLevel::ORT_ENABLE_EXTENDED);#ifdef _WIN32const wchar_t* model_path = L"model.onnx";#elseconst char* model_path = "model.onnx";#endifOrt::Session session(env, model_path, session_options);// print model input layer (node names, types, shape etc.)Ort::AllocatorWithDefaultOptions allocator;// print number of model input nodessize_t num_input_nodes = session.GetInputCount();std::vector input_node_names = {"input","input_mask"};std::vector output_node_names = {"output","output_mask"};std::vector input_node_dims = {10, 20};size_t input_tensor_size = 10 * 20; std::vector input_tensor_values(input_tensor_size);for (unsigned int i = 0; i < input_tensor_size; i++)input_tensor_values[i] = (float)i / (input_tensor_size + 1);// create input tensor object from data valuesauto memory_info = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);Ort::Value input_tensor = Ort::Value::CreateTensor(memory_info, input_tensor_values.data(), input_tensor_size, input_node_dims.data(), 2);assert(input_tensor.IsTensor());std::vector input_mask_node_dims = {1, 20, 4};size_t input_mask_tensor_size = 1 * 20 * 4; std::vector input_mask_tensor_values(input_mask_tensor_size);for (unsigned int i = 0; i < input_mask_tensor_size; i++)input_mask_tensor_values[i] = (float)i / (input_mask_tensor_size + 1);// create input tensor object from data valuesauto mask_memory_info = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);Ort::Value input_mask_tensor = Ort::Value::CreateTensor(mask_memory_info, input_mask_tensor_values.data(), input_mask_tensor_size, input_mask_node_dims.data(), 3);assert(input_mask_tensor.IsTensor());std::vector ort_inputs;ort_inputs.push_back(std::move(input_tensor));ort_inputs.push_back(std::move(input_mask_tensor));// score model & input tensor, get back output tensorauto output_tensors = session.Run(Ort::RunOptions{nullptr}, input_node_names.data(), ort_inputs.data(), ort_inputs.size(), output_node_names.data(), 2);// Get pointer to output tensor float valuesfloat* floatarr = output_tensors[0].GetTensorMutableData();float* floatarr_mask = output_tensors[1].GetTensorMutableData();printf("Done!\n");return 0;}

编译命令：

g++ infer.cpp -o infer onnxruntime-linux-x64-1.4.0/lib/libonnxruntime.so.1.4.0 -Ionnxruntime-linux-x64-1.4.0/include/ -std=c++11

onnxruntime中Tensor支持的数据类型包括：

typedef enum ONNXTensorElementDataType {ONNX_TENSOR_ELEMENT_DATA_TYPE_UNDEFINED,ONNX_TENSOR_ELEMENT_DATA_TYPE_FLOAT, // maps to c type floatONNX_TENSOR_ELEMENT_DATA_TYPE_UINT8, // maps to c type uint8_tONNX_TENSOR_ELEMENT_DATA_TYPE_INT8,// maps to c type int8_tONNX_TENSOR_ELEMENT_DATA_TYPE_UINT16,// maps to c type uint16_tONNX_TENSOR_ELEMENT_DATA_TYPE_INT16, // maps to c type int16_tONNX_TENSOR_ELEMENT_DATA_TYPE_INT32, // maps to c type int32_tONNX_TENSOR_ELEMENT_DATA_TYPE_INT64, // maps to c type int64_tONNX_TENSOR_ELEMENT_DATA_TYPE_STRING,// maps to c++ type std::stringONNX_TENSOR_ELEMENT_DATA_TYPE_BOOL,ONNX_TENSOR_ELEMENT_DATA_TYPE_FLOAT16,ONNX_TENSOR_ELEMENT_DATA_TYPE_DOUBLE,// maps to c type doubleONNX_TENSOR_ELEMENT_DATA_TYPE_UINT32,// maps to c type uint32_tONNX_TENSOR_ELEMENT_DATA_TYPE_UINT64,// maps to c type uint64_tONNX_TENSOR_ELEMENT_DATA_TYPE_COMPLEX64, // complex with float32 real and imaginary componentsONNX_TENSOR_ELEMENT_DATA_TYPE_COMPLEX128,// complex with float64 real and imaginary componentsONNX_TENSOR_ELEMENT_DATA_TYPE_BFLOAT16 // Non-IEEE floating-point format based on IEEE754 single-precision} ONNXTensorElementDataType;

其中需要注意的是使用bool型，需要从uint_8的vector转为bool型：

std::vector mask_tensor_values;for(int i = 0; i < mask_tensor_size; i++){mask_tensor_values.push_back((uint8_t)(true));}auto mask_memory_info = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);Ort::Value mask_tensor = Ort::Value::CreateTensor(mask_memory_info, reinterpret_cast(mask_tensor_values.data()),mask_tensor_size, mask_node_dims.data(), 3);

性能测试

实际情况粗略统计，以transformer为例，onnxruntime-c++上的运行效率要比pytorch-python快2-5倍

C++-onnx：用onnxruntime部署自己的模型_u013250861的博客-CSDN博客

ONNX Runtime使用简单介绍_竹叶青lvye的博客-CSDN博客_onnxruntime 使用

onnxruntime的c++使用_chencision的博客-CSDN博客_c++ onnxruntime

onnxruntime C++ 使用（一）_SongpingWang的技术博客_51CTO博客

OnnxRunTime的推理流程_hjxu2016的博客-CSDN博客_onnxruntime

onnxruntime安装与使用（附实践中发现的一些问题）_本初-ben的博客-CSDN博客_onnxruntime安装