复杂算子onnx导出(1): trace的实现

在算法开发过程中，有很多算子是不被onnx支持的，因此包含这些算子的模型，就无法正常通过onnx.export导出onnx模型。本文介绍一种复杂算子的onnx导出方法，它可以支持任意复杂算子的的导出。接下来以3D 点云中sparseconv 稀疏卷积算子为例进行介绍，如何将它正确导出为onnx并推理。

1. 稀疏卷积SparseConv

1.1 介绍

通过lidar传感器采集的点云数据，它是非常稀疏的, 在分布的空间中只占1% ~5%, 如果使用普通的3D卷积去计算，大部分都是在卷空气，因此提出了使用3D 卷积的方式，只在tensor中有值的位置进行卷积计算，大大提高了卷积的效率，同时将输入输出进行稀疏化存储。

稀疏卷积存在两种模式: (1) 标准的稀疏卷积 （2） subm模式的稀疏卷积

标准稀疏卷积：它的计算和普通的卷积计算是一样的，只不过它将输入和输出进行稀疏化存储。通过features(存储非零值)和indices(存储索引)，它的输出大小是数据相关的，输出的shape大小不确定的。
subm模式的稀疏卷积：它的计算方式和普通卷积不一样，它只在有值的部分进行卷积。输出和输入大小是一样的

在这里插入图片描述
详情参考&#

相关阅读:
光标签使能的车路协同现状与展望
如何一眼看穿软件测试行业的高深？实现月薪上万不是梦，开发也得惊呼
【FPGA教程案例76】通信案例2——基于FPGA的滑动窗口累加器实现
废水除氟技术,高盐废水除氟有什么好的方法？
YOLOv6：又快又准的目标检测框架开源啦
【小月电子】FPGA开发板（XLOGIC_V1）系统学习教程-LESSON10
微信小程序日历插件用法-举例为(爸妈搜日历)
如何利用软文推广进行SEO优化（打造优质软文，提升网站排名）
使用 PyTorch 的计算机视觉简介（5/6）
2023/9/8 -- C++/QT

原文地址：https://blog.csdn.net/weixin_38346042/article/details/137206957