如何使用 RoBERTa ONNX 量化模型执行批量推理？

问题描述

我已将 RoBERTa PyTorch 模型转换为 ONNX 模型并对其进行量化。我能够从 ONNX 模型中获得单个输入数据点（每个句子）的分数。我想了解如何通过将多个输入传递给会话来使用 ONNX 运行时推理会话进行批量预测。下面是示例场景。

模型：roberta-quant.onnx，它是 RoBERTa PyTorch 模型的 ONNX 量化版本

用于将 RoBERTa 转换为 ONNX 的代码：

torch.onnx.export(model,args=tuple(inputs.values()),# model input 
                      f=export_model_path,# where to save the model 
                      opset_version=11,# the ONNX version to export the model to
                      do_constant_folding=True,# whether to execute constant folding for optimization
                      input_names=['input_ids',# the model's input names
                                   'attention_mask'],output_names=['output_0'],# the model's output names
                      dynamic_axes={'input_ids': symbolic_names,# variable length axes
                                    'attention_mask' : symbolic_names,'output_0' : {0: 'batch_size'}})

ONNXRuntime 推理会话的输入示例：

{
     'input_ids': array([[    0,510,35,21071,.....,1,1]]),'attention_mask': array([[1,.......,0]])
}

使用 ONNXRuntime 推理会话为 400 个数据样本（句子）运行 ONNX 模型：

session = onnxruntime.InferenceSession("roberta_quantized.onnx",providers=['cpuExecutionProvider'])
for i in range(400):
   ort_inputs = {
    'input_ids':  input_ids[i].cpu().reshape(1,max_seq_length).numpy(),# max_seq_length=128 here
    'input_mask': attention_masks[i].cpu().reshape(1,max_seq_length).numpy()
   }

   ort_outputs = session.run(None,ort_inputs)

在上面的代码中，我依次循环遍历 400 个句子以获得分数“ort_outputs”。请帮助我理解如何使用 ONNX 模型执行批处理，在这里我可以发送 inputs_ids 和 attention_masks 用于多个句子并获得所有句子的分数ort_outputs。

提前致谢！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）