ONNX版RoBERTa分类模型报错：'Tensor'对象无'keys'属性

ONNX Runtime 的 ort_session.run() 方法要求第二个参数是输入节点名称与对应张量的字典，而非直接传入单个张量。当你直接传入 Tensor 对象时，Runtime 会将其当作字典尝试调用 keys() 方法，因此触发 AttributeError: 'Tensor' object has no attribute 'keys'。

1. 确认模型的输入节点名称 #

运行以下代码获取模型定义的输入节点名称，避免传错键名：

import onnxruntime as ort

# 加载你的ONNX模型
ort_session = ort.InferenceSession("your_model_path.onnx")
# 提取所有输入节点的名称
input_names = [inp.name for inp in ort_session.get_inputs()]
print("模型输入节点名称:", input_names)

2. 构造符合要求的输入字典 #

将批量处理得到的张量，以「输入节点名称: 张量」的键值对形式包装成字典，再传入 run() 方法：

# 假设input_tensor是你处理好的批量张量（如形状为[74, 序列长度]的Tensor/NumPy数组）
# 取第一个输入节点名称作为键（如果模型有多个输入，需全部加入字典）
input_dict = {input_names[0]: input_tensor}

# 执行批量推理
outputs = ort_session.run(None, input_dict)

注意事项 #

• 如果模型需要多个输入（如input_ids、attention_mask），需将所有对应的张量都加入字典，键名必须和模型输入节点名称完全匹配。
• 确保张量的形状、数据类型与模型要求一致（例如用 NumPy 数组而非 PyTorch Tensor，或者转换为 ONNX Runtime 兼容的张量类型）。

内容的提问来源于stack exchange，提问作者Jesper Ezra