ONNX - 运算符

ONNX 中的运算符是定义机器学习模型中的计算的构建块，将各种框架(如 TensorFlow、PyTorch 等)中的操作映射到标准化的 ONNX 格式。

在本教程中，我们将探索什么是 ONNX 运算符、不同类型以及它们在 ONNX 兼容模型中的功能。

什么是 ONNX 运算符?

ONNX 运算符是 ONNX 模型中使用的基本计算单元。每个运算符都定义一种特定类型的操作，例如数学计算、数据处理或神经网络层。运算符由元组 − 标识

<name, domain, version>

其中，

核心运算符是 ONNX 和 ONNX-ML 附带的标准运算符集。这些运算符经过高度优化，并受任何 ONNX 兼容产品的支持。这些运算符旨在涵盖最常见的机器学习任务，通常无法进一步分解为更简单的操作。

以下是 ai.onnx 运算符的列表 −

S.No	操作员
1	Abs
2	Acos
3	Acosh
4	Add
5	AffineGrid
6	And
7	ArgMax
8	ArgMin
9	Asin
10	Asinh
11	Atan
12	Atanh
13	AveragePool
14	BatchNormalization
15	Bernoulli
16	BitShift
17	BitwiseAnd
18	BitwiseNot
19	BitwiseOr
20	BitwiseXor
21	BlackmanWindow
22	Cast
23	CastLike
24	Ceil
25	Celu
26	CenterCropPad
27	Clip
28	Col2Im
29	Compress
30	Concat
31	ConcatFromSequence
32	Constant
33	ConstantOfShape
34	Conv
35	ConvInteger
36	ConvTranspose
37	Cos
38	Cosh
39	CumSum
40	DFT
41	DeformConv
42	DepthToSpace
43	DequantizeLinear
44	Det
45	Div
46	Dropout
47	DynamicQuantizeLinear
48	Einsum
49	Elu
50	Equal
51	Erf
52	Exp
53	Expand
54	EyeLike
55	Flatten
56	Floor
57	GRU
58	Gather
59	GatherElements
60	GatherND
61	Gelu
62	Gemm
63	GlobalAveragePool
64	GlobalLpPool
65	GlobalMaxPool
66	Greater
67	GreaterOrEqual
68	GridSample
69	GroupNormalization
70	HammingWindow
71	HannWindow
72	HardSigmoid
73	HardSwish
74	Hardmax
75	Identity
76	If
77	ImageDecoder
78	InstanceNormalization
79	IsInf
80	IsNaN
81	LRN
82	LSTM
83	LayerNormalization
84	LeakyRelu
85	Less
86	LessOrEqual
87	Log
88	LogSoftmax
89	Loop
90	LpNormalization
91	LpPool
92	MatMul
93	MatMulInteger
94	Max
95	MaxPool
96	MaxRoiPool
97	MaxUnpool
98	Mean
99	MeanVarianceNormalization
100	MelWeightMatrix
101	Min
102	Mish
103	Mod
104	Mul
105	Multinomial
106	Neg
107	NonMaxSuppression
108	NonZero
109	Not
110	OneHot
111	Optional
112	Or
113	PRelu
114	Pad
115	Pow
116	QLinearAdd
117	QLinearAveragePool
118	QLinearConcat
119	QLinearConv
120	QLinearLeakyRelu
121	QLinearMul
122	QLinearSigmoid
123	QLinearSoftmax
124	QLinearTranspose

以下是 ai.onnx.ml 域中所有可用运算符的列表。