注意
前往末尾下载完整示例代码。
元数据#
ONNX 格式包含与模型生成方式相关的元数据。当模型部署到生产环境时，它有助于跟踪特定时间使用了哪个实例。让我们看看如何使用一个简单的逻辑回归模型来做到这一点，该模型使用 scikit-learn 进行训练，并使用 sklearn-onnx 进行转换。
from onnxruntime.datasets import get_example
example = get_example("logreg_iris.onnx")
import onnx # noqa: E402
model = onnx.load(example)
print(f"doc_string={model.doc_string}")
print(f"domain={model.domain}")
print(f"ir_version={model.ir_version}")
print(f"metadata_props={model.metadata_props}")
print(f"model_version={model.model_version}")
print(f"producer_name={model.producer_name}")
print(f"producer_version={model.producer_version}")
doc_string=
domain=onnxml
ir_version=3
metadata_props=[]
model_version=0
producer_name=OnnxMLTools
producer_version=1.2.0.0116
使用 ONNX Runtime
import onnxruntime as rt # noqa: E402
sess = rt.InferenceSession(example, providers=rt.get_available_providers())
meta = sess.get_modelmeta()
print(f"custom_metadata_map={meta.custom_metadata_map}")
print(f"description={meta.description}")
print(f"domain={meta.domain}")
print(f"graph_name={meta.graph_name}")
print(f"producer_name={meta.producer_name}")
print(f"version={meta.version}")
custom_metadata_map={}
description=
domain=onnxml
graph_name=3c59201b940f410fa29dc71ea9d5767d
producer_name=OnnxMLTools
version=0
脚本总运行时间： (0 分 0.004 秒)