模型验证时遇到node->input size == attr_input_index fail

是的

在编译的时候会提示opset is 11， try converting to opset 19,所以我在使用onnxsim时，将输出model的opset设置=19再保存，再次hb_compile的时候，error提示是：invalid_graph, in node (unsqueeze, "", -1): ("6513": tensor(float), ) -> ("6542": tensor(float), ), error node (unsqueeze_4145) with schema(::unsqueeze:13) has input size 1 not in range [min=2, max=2]

如果不用onnxsim简化原始模型呢？直接编译onnx，如果能通过，说明经过onnxsim简化过的onnx里面可能有不支持的算子或者 简化过的ONNX 图结构不规范 导致错误 。

模型有很多input是int64类型，以及还有float64/boolean类型，在指导文档里面没有找到对应的--input-shape设置

这些input大多和主干网络无关，只有三个是相关的，其中有两个是int64,我在onnxsim的把这两个input改成了固定值，将input就改成了非输入节点

你想转换成什么数据类型？建议在pytorch模型那里提前转好，训练好，导出来符合输入数据要求的onnx模型。

就是像tensor: int64这样的input 是没有对应的( hb_compile --input-shape[optional]) optional 选项是吗？

这个是没有的 ，要么onnx模型前面加cast转换节点，要么pytorch模型那里就提前弄好。建议在原始pytorch模型这里弄好。

ok，我们再改改，谢谢

再问下，input 是tensor： float32 的有对应的--input-shape 吗？

你用hb_compile编译时候要去config指定输入的数据类型，如rgb，bgr，featuremap等等，前二者是在模型内部进行数据预处理，这也就是为什么需要指定mean_value scale_value。建议使用featuremap格式，数据提前预处理好。以免出现预处理错误。你说的float32有对应的input-shape不太理解什么意思。比如你做模型验证，

就是这样用的，这个是多输入的，你只要指定输入名字以及形状就行，在config文件里面也是

遇到这个node->input size == attr_input_index fail问题，有没有可以定位到是哪个算子的方法呢？

15，16这两个输入，hrt_model_exec查看应该会显示模型输入的形状吧，或者你用netron查看onnx模型的各个输入形状，来确定输入shape，如果你是做实际的编译，15，16，后面是int64，那么你准备的校准集数据也的是int64.

你做模型验证也不需要指定类型。编译器会自动根据你的模型实际输入生成对应的数据喂给模型

根据模型信息，把NCHW替换就行

通过netron可视化的时候，在模型输出的上面有一些node之间的连线上显示了类似 unk_299x4 这种信息，会对模型造成影响吗？

hbruntime推理下就知道了，这个unk应该是未知维度。