使用 ONNX Runtime 在 Java 中进行 MNIST 字符识别

这是一个简单的教程，介绍如何在给定输入数据上使用现有 ONNX 模型运行推理。该模型通常使用任何知名的训练框架进行训练，并导出为 ONNX 格式。

请注意，下面提供的代码使用了 Java 10 及更高版本可用的语法。Java 8 语法类似但更冗长。要开始评分会话，首先创建 OrtEnvironment，然后使用 OrtSession 类打开一个会话，将模型的文件路径作为参数传入。

    var env = OrtEnvironment.getEnvironment();
    var session = env.createSession("model.onnx",new OrtSession.SessionOptions());

创建会话后，您可以使用 OrtSession 对象的 run 方法执行查询。目前我们支持 OnnxTensor 输入，模型可以产生 OnnxTensor、OnnxSequence 或 OnnxMap 输出。后两者在使用 scikit-learn 等框架生成的模型进行评分时更常见。run 调用需要一个 Map<String,OnnxTensor>，其中键与模型中存储的输入节点名称匹配。可以通过在实例化的会话上调用 session.getInputNames() 或 session.getInputInfo() 来查看这些名称。run 调用会产生一个 Result 对象，其中包含一个表示输出的 Map<String,OnnxValue>。Result 对象是 AutoCloseable 的，可以在 try-with-resources 语句中使用，以防止引用泄漏。Result 对象关闭后，其所有子 OnnxValue 也会关闭。

    OnnxTensor t1,t2;
    var inputs = Map.of("name1",t1,"name2",t2);
    try (var results = session.run(inputs)) {
    // manipulate the results
   }

您可以通过几种方式将输入数据加载到 OnnxTensor 对象中。最有效的方法是使用 java.nio.Buffer，但也可以使用多维数组。如果使用数组构造，则数组必须不是锯齿状的。

    FloatBuffer sourceData;  // assume your data is loaded into a FloatBuffer
    long[] dimensions;       // and the dimensions of the input are stored here
    var tensorFromBuffer = OnnxTensor.createTensor(env,sourceData,dimensions);

    float[][] sourceArray = new float[28][28];  // assume your data is loaded into a float array 
    var tensorFromArray = OnnxTensor.createTensor(env,sourceArray);

这里有一个完整的示例程序，它在预训练的 MNIST 模型上运行推理。

在 GPU 或其他提供者上运行 (可选)

要启用其他执行提供者（如 GPU），只需在创建 OrtSession 时打开 SessionOptions 上相应的标志即可。

    int gpuDeviceId = 0; // The GPU device ID to execute on
    var sessionOptions = new OrtSession.SessionOptions();
    sessionOptions.addCUDA(gpuDeviceId);
    var session = environment.createSession("model.onnx", sessionOptions);

执行提供者会按照启用的顺序优先使用。