深度学习修改.mnn文件

Question

用阿里巴巴的 MNN 模型转为 cpp，然后有几个文件是.mnn文件，怎么打开这种类型的文件呀 谢谢 我是想修改一下里面的内容，不知道能不能修改

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

问题解答： 要打开.mnn文件，可以使用MNN中自带的解析器，将.mnn文件解析成MNN的模型结构，然后进行修改。接着，将修改后的MNN模型转化为cpp代码格式。 以下是一个可能的解决方法：

1. 使用MNN自带的解析器将.mnn文件解析成MNN的模型结构。 示例代码：

#include <MNN/Interpreter.hpp>
#include <MNN/Tensor.hpp>
using namespace MNN;
int main(int argc, char const *argv[])
{
  // Load MNN model
  std::shared_ptr<Interpreter> interpreter(Interpreter::createFromFile("/path/to/your/mnn/file"));
  // Get input/output tensor names
  std::vector<std::string> input_names = interpreter->getInputTensorNames();
  std::vector<std::string> output_names = interpreter->getOutputTensorNames();
  // Create session
  Session* session = interpreter->createSession();
  // Create input tensor
  Tensor* input_tensor = interpreter->getSessionInput(session, input_names[0].c_str());
  input_tensor->resize({1, 3, 224, 224}); // Set data shape
  // Create output tensor
  Tensor* output_tensor = interpreter->getSessionOutput(session, output_names[0].c_str());
  // Feed input data
  float* input_data = input_tensor->host<float>();
  // You can modify input_data here
  // Run inference
  interpreter->runSession(session);
  // Get output data
  float* output_data = output_tensor->host<float>();
  // You can modify output_data here
  // Release resources
  interpreter->releaseModel();
  delete session;
  return 0;
}

1. 对MNN的模型结构进行修改。 由于每个模型结构都是不同的，对于如何修改模型结构，需要根据具体的情况进行调整。
2. 使用MNN将修改后的模型转化为cpp格式。 示例代码：

#include <MNN/Interpreter.hpp>
#include <MNN/MNNDefine.h>
#include <MNN/expr/ExprCreator.hpp>
#include <MNN/expr/NN.hpp>
#include <MNN/expr/Onnx.hpp>
#include <MNN/expr/OnnxHelper.hpp>
#include <MNN/expr/Training.hpp>
using namespace MNN;
using namespace MNN::express;
int main(int argc, const char *argv[]) {
  // Create ExprBuilder
  std::unique_ptr<OpT> conv(new OpT);
  conv->type = OpType_Convolution;
  ...
  std::unique_ptr<OpT> activation(new OpT);
  activation->type = OpType_ReLU;
  ...
  std::unique_ptr<OpT> pooling(new OpT);
  pooling->type = OpType_Pooling;
  ...
  auto builder = Expr::createBuilder();
  std::vector<int> inputShape = {1, 3, 224, 224}; // Input tensor shape
  auto input = builder->input("input", inputShape, NHWC);
  auto conv_output = builder->convolution(input, conv.get());
  auto activation_output = builder->relu(conv_output);
  auto pooling_output = builder->pooling(activation_output, pooling.get());
  auto last_output = pooling_output;
  // Create Expr
  auto output = builder->output(last_output);
  auto expr = Expr::create(output, {input});
  // Create module
  std::unique_ptr<Module> module(new Module);
  auto default_backend = MNN_FORWARD_CPU;
  module->create(expr.get(), default_backend);
  // Save as Cpp
  module->save("/path/to/save/as/cpp/file");
  return 0;
}

需要注意的是，对于某些模型，可能需要进行额外的处理，例如修改对应的OP等。