ONNX Runtime 源码阅读:Graph::SetGraphInputsOutputs() 函数

2022/5/4 11:12:55

本文主要是介绍ONNX Runtime 源码阅读:Graph::SetGraphInputsOutputs() 函数,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

目录
  • 前言
  • 正文
  • 总结

前言

为了深入理解ONNX Runtime的底层机制,本文将对 Graph::SetGraphInputsOutputs() 的代码逐行分析。

正文

首先判断Graph是否从ONNX文件中加载所得:

if (is_loaded_from_model_file_) return Status::OK();

如果是,可直接返回;如果不是,则需要解析Graph中的节点,从而设置模型的输入和输出。

Graph中的成员变量 value_info_graph_inputs_excluding_initializers_graph_inputs_including_initializers_ 以及 graph_outputs_ 全部清空:

value_info_.clear();

graph_inputs_excluding_initializers_.clear();

if (!graph_inputs_manually_set_) {
  graph_inputs_including_initializers_.clear();
} else {
  std::unordered_set<std::string> existing_names;
  for (auto arg : graph_inputs_including_initializers_) {
    const std::string& name = arg->Name();
    if (existing_names.count(name) == 0) {
      graph_inputs_excluding_initializers_.push_back(arg);
      existing_names.insert(name);
    }
  }
}

if (!graph_outputs_manually_set_) {
  graph_outputs_.clear();
}

设置一些局部变量,方便下面的使用分析:

std::unordered_map<std::string, size_t> output_name_to_node_arg_index;
std::vector<const NodeArg*> output_node_args_in_order;
std::unordered_set<std::string> added_input_names{outer_scope_node_arg_names_};

统计所有节点的输出,添加到以上局部变量(output_name_to_node_arg_index 和 output_node_args_in_order)中:

for (const auto& node : Nodes()) {
  for (const auto* output_def : node.OutputDefs()) {
    if (output_def->Exists()) {
      output_node_args_in_order.push_back(output_def);
      output_name_to_node_arg_index.insert({output_def->Name(), output_node_args_in_order.size() - 1});
    }
  }
}
auto graph_output_args = output_name_to_node_arg_index;  // 拷贝一份输出节点map

然后遍历图中每个节点以及每个节点的输入:

for (const auto& node : Nodes()) {
  // Go thru all node's inputs.
  for (const auto* input_arg : node.InputDefs()) {
    ...
  }
}

在输出节点name列表中查找当前输入name

auto output_arg_iter = output_name_to_node_arg_index.find(input_arg->Name());

如果没有找到,说明这个节点的输入就是图的输入,接下来还需要判断这个输入是否已经放在局部变量added_input_names中:

if (output_name_to_node_arg_index.end() == output_arg_iter) {
  // This input arg is not the output of another node so must come from either a graph input or an initializer.
  const std::string& name = input_arg->Name();
  if (added_input_names.end() == added_input_names.find(name)) {
    ...
  }
}

如果已经放到局部变量added_input_names中,就可以判断节点的下一个输入或者下一个节点的输入。如果没有放到局部变量added_input_names中:

bool is_initializer = name_to_initial_tensor_.find(name) != name_to_initial_tensor_.end();  // 判断当前input_arg是否已初始化过的tensor,如果是就不可以再放置到 graph_inputs_excluding_initializers_ 中
if (!graph_inputs_manually_set_) {   // 如果未主动调用 SetInputs() 方法
  // if IR version < 4 all initializers must have a matching graph input
  // (even though the graph input is not allowed to override the initializer).
  // if IR version >= 4 initializers are not required to have a matching graph input.
  // any graph inputs that are to override initializers must be specified by calling SetInputs.
  if (!is_initializer || ir_version_ < 4) {
    graph_inputs_including_initializers_.push_back(input_arg);
  }
  if (!is_initializer) {
    // If input_arg is not of an initializer, we add it into graph_inputs_excluding_initializers_.
    graph_inputs_excluding_initializers_.push_back(input_arg);
  }
} else {  // 如果主动调用了 SetInputs() 方法
  // graph_inputs_including_initializers_ has been manually populated by SetInputs.
  // Validation: the <input_arg> must be in graph inputs or initializers when it's manually set.
  if (!is_initializer) {
    const auto& inputs = graph_inputs_including_initializers_;
    bool in_inputs = std::find(inputs.begin(), inputs.end(), input_arg) != inputs.end();
    if (!in_inputs) {
      return Status(ONNXRUNTIME, FAIL,
                    name + " must be either specified in graph inputs or graph initializers.");
    }
  } else {
    // If arg_input is of an initializer, we remove it from graph_inputs_excluding_initializers_
    // whose initial content has both initializers and non-initializers.
    auto input_pos = std::find(graph_inputs_excluding_initializers_.begin(),
                                graph_inputs_excluding_initializers_.end(),
                                input_arg);
    if (input_pos != graph_inputs_excluding_initializers_.end()) {
      graph_inputs_excluding_initializers_.erase(input_pos);
    }
  }
}
added_input_names.insert(name);

可以看到,这里会把当前的 input_arg 分别放到 graph_inputs_including_initializers_graph_inputs_excluding_initializers_ 中,并将name放在added_input_names中。

如果该输入的name已经在输出节点name列表中,说明这个节点是中间输出结果,而非整个图的输出,因此应该将其从图的输出(graph_output_args)中删除,并放在 value_info_ 中:

if (output_name_to_node_arg_index.end() == output_arg_iter) {
  ...
}else if(graph_output_args.erase(output_arg_iter->first) >= 1){
  value_info_.insert(input_arg);
}

以上我们对Graph的三个成员变量:graph_inputs_including_initializers_graph_inputs_excluding_initializers_value_info_分别进行了赋值,其中前两者存储输入,后者存储中间结果。我们还需要处理图的输出结果:`graph_outputs_`:

if (!graph_outputs_manually_set_) {
  // Set graph outputs in order.
  std::vector<size_t> graph_output_args_index;
  graph_output_args_index.reserve(graph_output_args.size());
  for (const auto& output_arg : graph_output_args) {          // graph_output_args原本存储了所有节点的输出,但是前面的代码已经把中间节点的输出给移除了,因此剩下的就是整个Graph的输出
    graph_output_args_index.push_back(output_arg.second);
  }

  std::sort(graph_output_args_index.begin(), graph_output_args_index.end());
  for (auto& output_arg_index : graph_output_args_index) {
    graph_outputs_.push_back(output_node_args_in_order[output_arg_index]);
  }
}

最后,还需要对 graph_overridable_initializers_ 进行处理:

ComputeOverridableInitializers();

进入这个函数内部:

void Graph::ComputeOverridableInitializers() {
  graph_overridable_initializers_.clear();
  if (CanOverrideInitializer()) {
    // graph_inputs_excluding_initializers_ and graph_inputs_including_initializers_
    // are inserted in the same order. So we walk and compute the difference.
    auto f_incl = graph_inputs_including_initializers_.cbegin();
    const auto l_incl = graph_inputs_including_initializers_.cend();
    auto f_excl = graph_inputs_excluding_initializers_.cbegin();
    const auto l_excl = graph_inputs_excluding_initializers_.cend();

    while (f_incl != l_incl) {
      // Equal means not an initializer
      if (f_excl != l_excl && *f_incl == *f_excl) {
        ++f_incl;
        ++f_excl;
        continue;
      }
      graph_overridable_initializers_.push_back(*f_incl);
      ++f_incl;
    }
  }
}

这是一个很简单的算法,通过比较 graph_inputs_including_initializers_graph_inputs_excluding_initializers_,提取出 initializer 并放置到 graph_overridable_initializers_ 中。

至此,我们完成了对 Graph::SetGraphInputsOutputs() 函数的解析。

总结

针对这个函数的解析不仅理解了如何从Graph的nodes中分析出graph的输入和输出,而且懂得了graph_overridable_initializers_以及value_info_的作用。



这篇关于ONNX Runtime 源码阅读:Graph::SetGraphInputsOutputs() 函数的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程