wordpress主题hestia宁波seo排名费用

使用

import onnx
print(dir(onnx))

可以查看 onnx 包的主要内容，记录
通过 dir(onnx) 所能看到的 所有模块、类和函数。这些内容构成了 ONNX（Open Neural Network Exchange）的核心数据结构、工具函数和模型操作接口。

---

📘 ONNX 模块组成详解

下面是对这些主要组件的分类与功能介绍：

---

🔹 1. 核心 Proto 类型（Protobuf 数据结构）

这些是 ONNX 使用 Protocol Buffers 定义的核心数据结构，用于描述模型的各个部分。

名称	功能
ModelProto	表示整个 ONNX 模型
GraphProto	计算图，包含输入、输出、节点、初始化器等
NodeProto	图中的一个节点（操作），如 Conv、Relu
TensorProto	张量数据（权重、偏置等）
ValueInfoProto	输入/输出张量的信息（名称、类型、形状）
FunctionProto	自定义函数
OperatorSetIdProto	算子集合 ID（版本控制）
OperatorProto	算子信息（名字、状态等）
TypeProto	类型信息（Tensor, Sequence, Map 等）
SparseTensorProto	稀疏张量支持
SequenceProto	序列张量
MapProto	键值对映射

---

🔹 2. 属性与配置类

名称	功能
AttributeProto	节点的属性（如卷积核大小、步长等）
DeviceConfigurationProto	设备配置
NodeDeviceConfigurationProto	节点级设备配置
ShardingSpecProto, ShardedDimProto, SimpleShardedDimProto	分片维度相关（分布式训练）
OptionalProto	可选字段支持
IntIntListEntryProto, StringStringEntryProto	字典项结构

---

🔹 3. 常量与版本定义

名称	功能
IR_VERSION	当前 IR 版本号
IR_VERSION_2017_10_10, IR_VERSION_2024_3_25	不同时间点的 IR 版本标记
STABLE, EXPERIMENTAL	算子稳定性标志
ONNX_ML	标识是否为 ONNX-ML 子集

---

🔹 4. 主要功能模块

这些是 onnx 提供的主要 Python API 模块或函数。

名称	功能
checker	验证模型合法性（如 onnx.checker.check_model()）
helper	辅助构建模型（创建节点、图、模型等）
numpy_helper	在 NumPy 数组和 TensorProto 之间转换
load, save	加载和保存模型文件
load_model, save_model	更高级的模型加载/保存方式
shape_inference	推理张量形状（自动推断各层输出形状）
version_converter	模型版本转换（升级到新 IR 版本）
external_data_helper	处理外部存储的大张量数据
compose	组合多个模型或子图
parser, printer	解析或打印 ONNX 模型（如文本格式）
utils	实用工具函数
mapping	数据类型映射表（如 float -> TensorProto.FLOAT）
hub	ONNX 模型中心相关功能（类似 PyTorch Hub）
convert_model_to_external_data	将大模型转为使用外部数据存储

---

🔹 5. 其他实用工具与内部类

名称	功能
_get_serializer, _load_bytes, _save_bytes	内部序列化工具
_custom_element_types	自定义元素类型支持
_DEFAULT_FORMAT, _SupportedFormat	序列化格式设置
__version__	获取当前 ONNX 包版本
__doc__, __file__, __name__	Python 模块元信息

---

🔹 6. 实验性或扩展模块

名称	功能
subbyte	支持 sub-byte 数据压缩
typing	类型注解支持
annotations	注释信息支持
TrainingInfoProto	训练信息记录（如优化器状态）
TensorAnnotation	张量注释（调试用）

---

✅ 示例：常用 API 快速参考

import onnx# 加载模型
model = onnx.load("model.onnx")# 验证模型
onnx.checker.check_model(model)# 查看模型结构
print(onnx.helper.printable_graph(model.graph))# 形状推理
inferred_model = onnx.shape_inference.infer_shapes(model)# 保存修改后的模型
onnx.save(inferred_model, "inferred_model.onnx")

---

📌 总结

类别	关键组件	用途
数据结构	ModelProto, GraphProto, NodeProto, TensorProto	构建模型结构
工具函数	helper, numpy_helper, checker	创建、验证、转换模型
模型处理	load, save, shape_inference, version_converter	加载、保存、推理形状、版本迁移
扩展支持	external_data_helper, subbyte, hub	大模型支持、压缩、模型分发

---