ONNX：C++通过onnxruntime使用.onnx模型进行前向计算【下载的onnxruntime是编译好的库文件，可直接使用】

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 torch
checkpoint = 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 ort
import numpy as np
ort_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list
import onnx
model = 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 0
  class 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 tensor
      Ort::MemoryInfo memory_info_handler = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);
      std::vector output_node_names;
      std::vector output_node_dims; // >=1 outputs
      const 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_WIN32
      std::wstring _w_onnx_path(lite::utils::to_wstring(_onnx_path));
    onnx_path = _w_onnx_path.data();
  #else
      onnx_path = _onnx_path.data();
  #endif
      initialize_handler();
  }
  void BasicOrtHandler::initialize_handler() {
      // set ort env
      ort_env = Ort::Env(ORT_LOGGING_LEVEL_ERROR, log_id);
      // 0. session options
      Ort::SessionOptions session_options;
      // set op threads
      session_options.SetIntraOpNumThreads(num_threads);
      // set Optimization options:
      session_options.SetGraphOptimizationLevel(GraphOptimizationLevel::ORT_ENABLE_ALL);
      // set log level
      session_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. session
      ort_session = new Ort::Session(ort_env, onnx_path, session_options);
      // memory allocation and options
      Ort::AllocatorWithDefaultOptions allocator;
      // 2. input name & input dims
      input_name = ort_session->GetInputName(0, allocator);
      input_node_names.resize(1);
      input_node_names[0] = input_name;
      // 3. input names & output dimms
      Ort::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");
      }
      // CXHXW
      if (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);
          // CXHXW
          for (unsigned int i = 0; i  
  main.cpp
   
  const std::string _onnx_path="";
  unsigned int _num_threads = 1;
  //init inference
  BasicOrtHandler basicOrtHandler(_onnx_path,_num_threads);
  // after transform image
  const 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 tensor
  Ort::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 tensor
  Ort::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 _WIN32
    const wchar_t* model_path = L"model.onnx";
  #else
    const char* model_path = "model.onnx";
  #endif
    Ort::Session session(env, model_path, session_options);
    // print model input layer (node names, types, shape etc.)
    Ort::AllocatorWithDefaultOptions allocator;
    // print number of model input nodes
    size_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  
  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 float
    ONNX_TENSOR_ELEMENT_DATA_TYPE_UINT8,   // maps to c type uint8_t
    ONNX_TENSOR_ELEMENT_DATA_TYPE_INT8,    // maps to c type int8_t
    ONNX_TENSOR_ELEMENT_DATA_TYPE_UINT16,  // maps to c type uint16_t
    ONNX_TENSOR_ELEMENT_DATA_TYPE_INT16,   // maps to c type int16_t
    ONNX_TENSOR_ELEMENT_DATA_TYPE_INT32,   // maps to c type int32_t
    ONNX_TENSOR_ELEMENT_DATA_TYPE_INT64,   // maps to c type int64_t
    ONNX_TENSOR_ELEMENT_DATA_TYPE_STRING,  // maps to c++ type std::string
    ONNX_TENSOR_ELEMENT_DATA_TYPE_BOOL,
    ONNX_TENSOR_ELEMENT_DATA_TYPE_FLOAT16,
    ONNX_TENSOR_ELEMENT_DATA_TYPE_DOUBLE,      // maps to c type double
    ONNX_TENSOR_ELEMENT_DATA_TYPE_UINT32,      // maps to c type uint32_t
    ONNX_TENSOR_ELEMENT_DATA_TYPE_UINT64,      // maps to c type uint64_t
    ONNX_TENSOR_ELEMENT_DATA_TYPE_COMPLEX64,   // complex with float32 real and imaginary components
    ONNX_TENSOR_ELEMENT_DATA_TYPE_COMPLEX128,  // complex with float64 real and imaginary components
    ONNX_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  
  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