请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
器件型号：AM69A 工具/软件：
我将尝试实现高斯异常检测。 为此、我需要从现有模型的中间层提取输出、例如 ONR-CL-6480-mobv3-lite-small、用于特征提取。 该器件假定为 AM69A、想使用哪些工具来实现这一目标、敬请提供指导。 如果您有任何相关示例、这将非常有帮助。
对于 TIDL、是的、但您需要遵循我在上面给您的说明。 如果您只想转储 ONNX 输出(无 TIDL)、则首先需要更新模型、以便向每一层添加输出。 下面是一个可执行此操作的脚本(将 model_name.onnx 更改为您的模型)。 它将输出一个名为 model_name_Ref.onnx 的文件。
导入 onnx
model_name = f"model_name.onnx"
modified_model_name = model_name.replace (".onnx"、"_Ref.onnx")
DEF 转换(model_name、modified_model_name)：
""
此函数可修改 ONNX 模型以包括中间层输出
作为图形输出。 这对于调试和比较非常有用。
""
#加载原始 ONNX 模型
onnx_model = onnx.load (model_name)
intermediate_layer_value_info = onnx.helper.ValueInfoProto ()
intermediate_layer_value_info.name =""
对于 I IN 范围(len (onnx_model.graph.node)):)
对于 j in 范围(len (onnx_model.graph.node[i].output)):)
intermediate_layer_value_info.name = onnx_model.graph.node[i].output[j]
onnx_model.graph.output.append(intermediate_layer_value_info)
onnx.save (onnx_model、modified_model_name)
转换(model_name、modified_model_name)
这将采用如下所示的模型：
并向每一层添加一个输出节点 
然后可以将每个输出层输出到一个文件或 STDOUT。 以下示例说明了如何加载_ref 模型、并为 onnx/子目录中的每个输出生成.bin 文件。 您必须提供一个输入数据数组(请参阅突出显示部分)。
将 NumPy 导入为 NP
将 matplotlib.pyplot 作为 plt 导入
将 onnxruntime 作为 ort 导入
将 tensorflow 导入为 tf
导入操作系统
会话= ort.ConferenceSession ("your_model_Ref.onnx")
#获取模型输入详细信息
input_name = session.get_inputs()[0].name
output_details = session.get_outputs()
输出=列表(session.run(None、｛input_name：[input_data]｝)
对于 I IN 范围(len (output_details))：
output_dict[output_details[i]。name]= output[i]
output_dict.items():中的 output_name 和 output_tentor
output_name = output_name.replace ("/"、"_")
model_path = model_path.split ('.')[0]
out = np.array (output_tensor、dtype = np.float32)
out.tofile ('onnx/'+ os.path.basename (model_path)+'_'+ output_name +'.bin')
此致、
Chris
