MNN学习笔记（七）：修改ONNX的resize算子转换器

本文主要是介绍MNN学习笔记（七）：修改ONNX的resize算子转换器，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、需求

最近在转换一个超分模型的时候，对应动态输入需要让模型自动推理当前层的尺度，但是Resize层在转MNN的时候，参数已经被写死，转换成功的模型没办法去自适应的匹配当前图像输入大小，超分模型的输出与预期不一致。

二、处理流程

2.1 初步定位

首先用MNN的官方工具MNNV2Basic.out，具体用法可以参考资料[1]，打印出每一层的输入和输出，然后观察输入输出的文件大小变化，可以看到第56层的输入从1615k跳变成了1k，初步断定是第56层出了问题；

2.2 再次确认

用Netron打开MNN模型文件可以看到，Interp文件的outputWidth和OutputHeight写死了，都是40，而不是采用设置widthScale和heightScale方式，因此这一层不会动态计算Size，最终导致输出层产生和预期不一致的结果。

2.3 转换器代码查询

初略读了一下ONNX的模型转换器，大致流程如下：

具体代码解读，可以参考参考资料[2]，每一个ONNX的OP对应于一个MNNOP转换器，resize对应OpConverter位于MNN/tools/converter/source/optimizer/onnxextra/OnnxUpsample.cpp中，注销掉outputWidth进而outputHeight参数，设置widthScale进而heightScale参数，

// resizeParam->outputHeight = sizesDataPtr[2];
// resizeParam->outputWidth  = sizesDataPtr[3];
resizeParam->widthScale = 2.0f;
resizeParam->heightScale = 2.0f;

重新编译转换器，进行模型转换即可。

三、总结

首先，总的来说，改动代码也就几行，整个流程最主要的难点在于如何去定位问题，怎么去查找应该去修改哪一块代码，前期的工作量占用了整个工作的99.99%的时间；然后，对于正在使用的库或工具，我们除了要知道基本用法之外，在精力允许的前提下，可以去深入一点地了解更加底层一点的东西；最后，MNN代码真心不错，强烈安利大家读一读，真的收获很多，比如，定时工具、线程工具、CMakeLIstst文件写法、文件查询工具、工程如何构建、内存如何管理等等。