開源一年多的模型交換格式ONNX，已經一統架構江湖了？

在過去的一年多中，ONNX 這種「通用」的神經網絡交換格式已經有了很長遠的發展，用不同架構編寫的模型可以在不同的平台中流通。在這次研讨會中，我們确切地感受到了這一點，因為開源社群圍繞着 ONNX 介紹了很多優化工具和資源庫。

微軟上個月開源了 ONNX Runtime，其專為 ONNX 格式的模型設計了高性能推理引擎。Facebook 早兩個月前開源了 ONNXIFI，其為 ONNX 提供了用于架構內建的接口，即一組用于加載和執行 ONNX 計算圖的跨平台 API。更早一些，英特爾在今年 3 月份就開源 nGraph，它能編譯 ONNX 格式的模型，并在 CPU 或 GPU 等硬體加速模型的運作。

而到了昨天，微軟又開源了 ONNX.JS，它是一種在浏覽器和 Node.js 上運作 ONNX 模型的 JavaScript 庫。它部署的模型效率非常高，且能實作互動式的直覺推理。該開源項目給出了圖像分類的互動式示範，且在 Chrome 浏覽器和 CPU 下比 TensorFlow.JS 快了近 8 倍，後文将詳細介紹這一開源庫。

當然除了這些開源工作，ONNX 社群還有更多的實踐，例如如何部署 ONNX 模型到邊緣裝置、如何維護一個包羅萬象的 ONNX Model Zoo 等。本文主要從什麼是 ONNX、怎樣用 ONNX，以及如何優化 ONNX 三方面看看 ONNX 是不是已經引領「架構間的江湖」了。

什麼是 ONNX

很多開發者在玩 GitHub 的時候都有這樣「悲痛」的經曆，好不容易找到令人眼前一亮的項目，然而發現它使用我們不熟悉的架構寫成。其實我們會發現很多優秀的視覺模型是用 Caffe 寫的，很多新的研究論文是用 PyTorch 寫的，而更多的模型用 TensorFlow 寫成。是以如果我們要測試它們就必須擁有對應的架構環境，但 ONNX 交換格式令我們在同一環境下測試不同模型有了依靠。

簡而言之 ONNX 就是一種架構間的轉換格式，例如我們用 TensorFlow 寫的模型可以轉換為 ONNX 格式，并在 Caffe2 環境下運作該模型。

• 項目位址： https://github.com/onnx/onnx

ONNX 定義了一種可擴充的計算圖模型、一系列内置的運算單元（OP）和标準資料類型。每一個計算流圖都定義為由節點組成的清單，并建構有向無環圖。其中每一個節點都有一個或多個輸入與輸出，每一個節點稱之為一個 OP。這相當于一種通用的計算圖，不同深度學習架構建構的計算圖都能轉化為它。

如下所示，目前 ONNX 已經支援大多數架構，使用這些架構建構的模型可以轉換為通用的 ONNX 計算圖和 OP。現階段 ONNX 隻支援推理，是以導入的模型都需要在原架構完成訓練。

其中 Frameworks 下的架構表示它們已經内嵌了 ONNX，開發者可以直接通過這些架構的内置 API 将模型導出為 ONNX 格式，或采用它們作為推理後端。而 Converters 下的架構并不直接支援 ONNX 格式，但是可以通過轉換工具導入或導出這些架構的模型。

其實并不是所有架構都支援導入和導出 ONNX 格式的模型，有一些并不支援導入 ONNX 格式的模型，例如 PyTorch 和 Chainer 等，TensorFlow 的 ONNX 導入同樣也正處于實驗階段。下圖展示了各架構對 ONNX 格式的支援情況：

怎樣使用 ONNX

對于内建了 ONNX 的架構而言，使用非常簡單，隻需要調用 API 導出或導入已訓練模型就可以了。例如對 PyTorch 而言，隻需要幾個簡單的步驟就能完成模型的導出和導入。簡單而言，首先加載 torch.onnx 子產品，然後導出預訓練模型并檢視模型結構資訊，最後再将導出的 ONNX 模型加載到另外的架構就能執行推理了。

from torch.autograd import Variable
import torch.onnx
import torchvision
dummy_input = Variable(torch.randn(10, 3, 224, 224)).cuda()
model = torchvision.models.alexnet(pretrained=True).cuda()
input_names = [ "actual_input_1" ] + [ "learned_%d" % i for i in range(16) ]
output_names = [ "output1" ]
torch.onnx.export(model, dummy_input, "alexnet.onnx", verbose=True, input_names=input_names, output_names=output_names)      

如上所示将導出 ONNX 格式的 AlexNet 模型，其中"alexnet.onnx"為儲存的模型，input_names、output_names 和 verbose=True 都是為了列印出模型結構資訊。同樣随機産生的「圖像」dummy_input 也是為了了解模型結構，因為我們可以通過它了解輸入與每一層具體的參數次元。以下展示了 ONNX 輸出的簡要模型資訊：

graph(%actual_input_1 : Float(10, 3, 224, 224)
      %learned_0 : Float(64, 3, 11, 11)
      %learned_1 : Float(64)
      # ---- omitted for brevity ----
      %learned_14 : Float(1000, 4096)
      %learned_15 : Float(1000)) {
  %17 : Float(10, 64, 55, 55) = onnx::Conv[dilations=[1, 1], group=1, kernel_shape=[11, 11], pads=[2, 2, 2, 2], strides=[4, 4]](%actual_input_1, %learned_0, %learned_1), scope: AlexNet/Sequential[features]/Conv2d[0]
  %18 : Float(10, 64, 55, 55) = onnx::Relu(%17), scope: AlexNet/Sequential[features]/ReLU[1]
  %19 : Float(10, 64, 27, 27) = onnx::MaxPool[kernel_shape=[3, 3], pads=[0, 0, 0, 0], strides=[2, 2]](%18), scope: AlexNet/Sequential[features]/MaxPool2d[2]
  # ---- omitted for brevity ----
  %output1 : Float(10, 1000) = onnx::Gemm[alpha=1, beta=1, broadcast=1, transB=1](%45, %learned_14, %learned_15), scope: AlexNet/Sequential[classifier]/Linear[6]
  return (%output1);
}      

其實我們也可以借助 ONNX 檢查中間表征，不過這裡并不介紹。後面加載另外一個架構并執行推理同樣非常簡單。如下所示，我們可以從 caffe2 中加載 ONNX 的後端，并将前面儲存的模型加載到該後端，進而在新架構下進行推理。這裡我們能選擇執行推理的硬體，并直接推理得出輸出結果。

import caffe2.python.onnx.backend as backend
import numpy as np
import onnx
model = onnx.load("alexnet.onnx")
rep = backend.prepare(model, device="CUDA:0") # or "CPU"
outputs = rep.run(np.random.randn(10, 3, 224, 224).astype(np.float32))      

其實也就兩三行代碼涉及 ONNX 的核心操作，即導出模型、加載模型和加載另一個架構的後端。TensorFlow 或 CNTK 等其它架構的具體 API 可能不一樣，但主要過程也就這簡單的幾步。

怎樣優化 ONNX

前面就已經介紹了 Model Zoo、ONNX Runtime 和 ONNX.JS，現在，我們可以具體看看它們都是什麼，它們怎樣才能幫助我們優化 ONNX 模型的選擇與推理速度。

Model Zoo

ONNX Model Zoo 包含了一系列預訓練模型，它們都是 ONNX 格式，且能獲得目前最優的性能。是以隻要下載下傳這樣的模型，我們本地不論是 TensorFlow 還是 MXNet，隻要是隻是能加載模型的架構，就能運作這些預訓練模型。

• https://github.com/onnx/models

更重要的是，這個 Model Zoo 不僅有調用預訓練模型的代碼，它還為每個預訓練模型開放了對應的訓練代碼。訓練和推理代碼都是用 Jupyter Notebook 寫的，資料和模型等都有對應的連結。

目前該 Model Zoo 主要從圖像分類、檢測與分割、圖像超分辨、機器翻譯和語音識别等 14 個方向包含 19 種模型，還有更多的模型還在開發中。如下展示了圖像分類中已經完成的模型，它們都是通用的 ONNX 格式。

此外在這次的研讨會中，Model Zoo 的維護者還和大家讨論了目前面臨的問題及解決方法，例如目前的預訓練模型主要集中在計算機視覺方面、ONNX 缺少一些特定的 OP、權重計算圖下載下傳慢等。是以 Model Zoo 接下來也會更關注其它語音和語言等模型，優化整個 GitHub 項目的下載下傳結構。

ONNX Runtime

微軟開源的 ONNX Runtime 推理引擎支援 ONNX 中定義的所有運算單元，它非常關注靈活性和推理性能。是以不論我們的開發環境是什麼，Runtime 都會基于各種平台與硬體選擇不同的自定義加速器，并希望以最小的計算延遲和資源占用完成推理。

• 文檔位址： https://docs.microsoft.com/en-us/python/api/overview/azure/onnx/intro

ONNX Runtime 可以自動調用各種硬體加速器，例如英偉達的 CUDA、TensorRT 和英特爾的 MKL-DNN、nGraph。如下所示，ONNX 格式的模型可以傳入到藍色部分的 Runtime，并自動完成計算圖分割及并行化處理，最後我們隻需要如橙色所示的輸入資料和輸出結果就行了。

其實在實際使用的時候，開發者根本不需要考慮藍色的部分，不論是編譯還是推理，代碼都賊簡單。如下所示，導入 onnxruntime 子產品後，調用 InferenceSession() 方法就能導入 ONNX 格式的模型，并完成上圖一系列複雜的優化。最後隻需要 session.run() 就可以進行推理了，所有的優化過程都隐藏了細節。

import onnxruntime
session = onnxruntime.InferenceSession("your_model.onnx") 
prediction = session.run(None, {"input1": value})      

在研讨會中，開發者表示 Runtime 的目标是建構高性能推理引擎，它需要利用最好的加速器和完整的平台支援。隻需要幾行代碼就能把計算圖優化一遍，這對 ONNX 格式的模型是個大福利。

ONNX.JS

ONNX.js 是一個在浏覽器上運作 ONNX 模型的庫，它采用了 WebAssembly 和 WebGL 技術，并在 CPU 或 GPU 上推理 ONNX 格式的預訓練模型。

• https://github.com/Microsoft/onnxjs
• Demo 展示位址： https://microsoft.github.io/onnxjs-demo

通過 ONNX.js，開發者可以直接将預訓練的 ONNX 模型部署到浏覽器，這些預訓練模型可以是 Model Zoo 中的，也可以是自行轉換的。部署到浏覽器有很大的優勢，它能減少伺服器與用戶端之間的資訊交流，并獲得免安裝和跨平台的機器學習模型體驗。如下所示為部署到網頁端的 SqueezeNet：

如上若是選擇 GPU，它會采用 WebGL 通路 GPU。如果選擇 CPU，那麼其不僅會采用 WebAssembly 以接近原生的速度執行模型，同時也會采用 Web Workers 提供的「多線程」環境來并行化資料處理。該項目表明，通過充分利用 WebAssembly 和 Web Workers，CPU 可以獲得很大的性能提升。這一點在項目提供的 Benchmarks 中也有相應的展示：

以上微軟在 Chrome 和 Edge 浏覽器中測試了 ResNet-50 的推理速度，其中比較顯著的是 CPU 的推理速度。這主要是因為 Keras.js 和 TensorFlow.js 在任何浏覽器中都不支援 WebAssembly。

最後，從 ONNXIFI 到 ONNX.js，開源社群已經為 ONNX 格式建構出衆多的優化庫、轉換器和資源。很多需要支援多架構的場景也都将其作為預設的神經網絡格式，也許以後，ONNX 真的能統一神經網絡之間的江湖。