公众号ID｜计算机视觉研究院
学习群｜扫码在主页获取加入方式
Column of Computer Vision Institute
各种新的算法和网络模型层出不穷，令人眼花缭乱。与之相随的，深度学习的训练和推理框架也在不断的推陈出新，比较著名的有：微软的CNTK、Google的TensorFlow、Facebook的PyTorch、Apple的CoreML、Intel 的OpenVINO、英伟达的cuDNN和TensorRT、腾讯的TNN和NCNN、阿里的MNN等等。
这些框架都有相似之处，他们的输入是一个或者一组多维数据，数据经过多层运算单元之后输出运算结果。训练框架支持BackPropogation等训练方法，可以自动调整模型参数，用于算法设计。推理框架则是单纯只能用于模型推理运算，不能调整模型本身，用于算法部署落地。
这些框架中，Google的TensorFlow的这个名字尤其具有美感。多维数据是为张量(Tensor)，数据在多层运算单元中的运算和传递是为流(FLow)，看到这个词就仿佛看到了一个数据和运算的图(Computation Graph)，真可谓妙手偶得之佳作。这些框架都需要构建算子，并且将这些算子按照一定的次序连接起来，可以称之为网络模型。每个深度学习框架都有自己独有的格式来解释和存储网络模型，并且这些框架的侧重点不同，有些用于训练学习，有些用于部署推理。在深度学习算法开发中，在不同的阶段会选择不同的框架，所以模型描述格式的不同，在客观上造成了深度学习算法开发和落地的困难。
笔者之前曾开发深度神经网络算法，当时选择的训练框架是Caffe，需要落地部署到Linux、iOS、Android等多个平台。Linux选择的是Nvidia的cuDNN；iOS选择的是CoreML；Android选择的是NNAPI，Caffe的模型描述格式是caffemodel。
它使用自定义的Protobuf (https://github.com/BVLC/caffe/tree/master/src/caffe/proto)，但是显然，无论是cuDNN、CoreML、NNAPI都无法直接使用caffemodel，CoreML的模型描述使用另一种定义 (https://apple.github.io/coremltools/mlmodel/index.html)，cuDNN和NNAPI都是low-level的推理引擎，需要使用者将这个模型组装起来。
对于CoreML来说，我们需要把caffemodel转为coremlmodel格式，对于 cuDNN和NNAPI，我们需要解析caffemodel，然后自己组装出完整的网络模型。这个过程繁琐而且容易出错，当时有强烈的冲动，希望定义一个统一的模型描述格式，所有的训练框架训练所得的网络模型，都是用这个格式来描述，在设备上部署推理时，相应的推理引擎支持解析这个统一的描述格式，直接完成部署落地，岂不美哉。
当然此事并不容易，要定义个统一的模型描述格式，不仅仅需要对机器学习技术有深入的理解，而且将之推广成为事实上的行业标准，更需要有很大的行业影响力，并不是如笔者这样的无名小卒可以为之。所幸已经有社区在做这个事情了，这就是Open Neural Network Exchange(ONNX)。
用ONNX自己的话来说，ONNX是一个对计算网络(Computation Graph)的一个通用描述(Intermediate Representation)。它希望被设计成为开放的网络描述格式，减少开发者在各个训练和推理框架间切换的代价，可以让开发者专注于算法和优化。虽然ONNX还处于比较早期的阶段，不过已经有约来越多的人开始关注到它，未来会有机会得到更广泛的应用。ONNX有两个分类：基础的ONNX主要用于描述神经网络、ONNX-ML是对基础ONNX的扩展，增加了神经网络之外的其他机器学习算法的支持。本文不会涉及ONNX-ML，接下来的文字以一个简单的ONNX模型为例，介绍一下 ONNX是如何来描述一个计算网络的。该模型可以在ONNX的Github上下载(https://github.com/onnx/models/blob/master/vision/classification/mobilenet/model/mobilenetv2-7.onnx).
ONNX的模型描述采用了Google的Protocol Buffer语言。最外层的结构是ModelProto，它的定义如下：
message ModelProto { int64 ir_version = 1; repeated OperatorSetIdProto opset_import = 8; string producer_name = 2; string producer_version = 3; string domain = 4; int64 model_version = 5; string doc_string = 6; GraphProto graph = 7; repeated StringStringEntryProto metadata_props = 14; repeated TrainingInfoProto training_info = 20; repeated FunctionProto functions = 25;}
比较重要的字段有:
lr_version : 当前的ONNX模型文件的版本，目前发布的最新版本为IR_VERSION_2019_3_18 = 6. 发布于2019年，版本7还在制定中。
opset_import: 当前的模型文件所依赖的算子domain和版本。
graph: 这个模型执行的运算图，这个是最重要的字段。
GraphProto的定义如下：
message GraphProto { repeated NodeProto node = 1; string name = 2; // namespace Graph repeated TensorProto initializer = 5; repeated SparseTensorProto sparse_initializer = 15; string doc_string = 10; repeated ValueInfoProto input = 11; repeated ValueInfoProto output = 12; repeated ValueInfoProto value_info = 13; repeated TensorAnnotation quantization_annotation = 14;}
比较重要的字段有:
initializer : 模型的每一网络层的参数, 模型训练完成之后参数就被固定下来。
input : 模型的输入格式。
output : 模型的输出格式。
nodes : 定义了模型的所有运算模块， 依照推理的次序排布。
NodeProto的定义如下：
message NodeProto { repeated string input = 1; // namespace Value repeated string output = 2; // namespace Value string name = 3; // namespace Node
string op_type = 4; // namespace Operator string domain = 7; // namespace Domain repeated AttributeProto attribute = 5; string doc_string = 6;}
比较重要的字段有:
input : 输入参数的名字。
output : 输出参数的名字，这里需要留意的是，每一个网络层之间的连接使用输入和输出的名字来确立的。
op_type : 算子的类型。
attributes : 算子的属性， 其解析取决于算子的类型。
ONNX中最复杂的部分就是关于各种算子的描述，这也可以理解，构成神经网络的主体就是这些算子。attributes 就是算子的一组带名字的属性。
本文中，我们介绍一个在mobilenetv2-7.onnx使用最多的算子: conv。
卷积神经网络在语音，图像，视频等处理上获得了巨大成功. ONNX关于卷积网络层的属性定义主要有:
dilations: 扩展卷积，默认为1，即普通卷积。其数学定义如下：
group: 分组卷积, 其定义见文献14. 默认为1， 即不分组。
kernel_shape: 定义了卷积核的大小。
pads: 定义了上下左右填充的像素数。
strides: 定义了卷积运算的步长。
各家的训练和推理框架还在继续发展，ONNX想成为行业标准显然还为时尚早，但是目前尚没有看到其他更好的通用模型描述格式，我们简单归纳一下现在的ONNX的支持情况(不完整)：
参考文献
[1] ONNX: https://github.com/onnx/onnx
[2] TENSORFLOW: https://www.tensorflow.org/
[3] CNTK: https://github.com/Microsoft/CNTK
[4] PYTORCH: https://pytorch.org/
[5] TNN: https://github.com/Tencent/TNN
[6] MNN: https://github.com/alibaba/MNN
[7] CUDNN: https://developer.nvidia.com/zh-cn/cudnn
[8] TENSORRT: https://developer.nvidia.com/zh-cn/tensorrt
[9] COREML: https://developer.apple.com/documentation/coreml
[10] NCNN: https://github.com/Tencent/ncnn
[11] NNAPI: https://developer.android.com/ndk/guides/neuralnetworks
[12] Protocol Buffers: https://developers.google.com/protocol-buffers
[13] Dilated Convolutions https://arxiv.org/abs/1511.07122
[14] Dynamic Group Convolutions https://arxiv.org/abs/2007.04242
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入！
计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院每日分享最新的论文算法新框架，提供论文一键下载，并分享实战项目。研究院主要着重”技术研究“和“实践落地”。研究院会针对不同领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
