MXNet模型转ONNX成功但ONNXRuntime推理报错 改pad后输出异常求助

• MXNet 1.8.0 内置的ONNX导出工具对池化层的pad参数处理存在兼容问题：MXNet本身允许池化层的单边pad值等于kernel尺寸（只要开启count_include_pad参数即可正常计算），但ONNX Runtime的池化算子默认强制要求单边pad值必须小于对应维度的kernel尺寸，因此触发初始化报错。
• 转NCNN可正常运行是因为NCNN的池化层原生支持pad≥kernel的场景，无需额外适配。

优先选择手动修改导出后的ONNX模型方案，无需修改原始MXNet模型参数，可完全对齐原始计算逻辑，输出结果和MXNet/NCNN推理结果一致，操作步骤如下：

1. 先使用原有代码正常导出ONNX模型，无需修改MXNet的池化层配置
2. 运行以下代码修正ONNX模型的池化层逻辑：

import onnx
from onnx import helper

# 加载原始导出的ONNX模型
model = onnx.load("./model.onnx")
graph = model.graph

# 定位报错的pool1_fwd池化节点
target_pool_node = None
for node in graph.node:
    if node.name == "pool1_fwd":
        target_pool_node = node
        break

# 提取池化节点原有的pad参数
origin_pads = next(attr for attr in target_pool_node.attribute if attr.name == "pads").ints

# 新增独立Pad节点，先完成原池化层的填充逻辑
pad_node = helper.make_node(
    op_type="Pad",
    inputs=[target_pool_node.input[0]],
    outputs=["pad_1_output"],
    mode="constant",
    pads=origin_pads,
    value=0.0
)

# 修改原池化节点的pad参数为全0，输入改为Pad节点的输出
for attr in target_pool_node.attribute:
    if attr.name == "pads":
        attr.ints[:] = [0]*len(origin_pads)
target_pool_node.input[0] = "pad_1_output"

# 将Pad节点插入到池化节点之前的计算图中
graph.node.insert(graph.node.index(target_pool_node), pad_node)

# 校验并保存修复后的模型
onnx.checker.check_model(model)
onnx.save(model, "./model_fixed.onnx")

3. 使用修复后的model_fixed.onnx加载推理即可，不会再触发pad校验报错，且输出结果和原始MXNet模型完全一致。

其他可选方案 #

如果不想手动修改模型，也可以尝试升级依赖版本重新导出：

• 升级MXNet到2.0+版本、ONNX到1.13+版本、ONNX Runtime到1.14+版本
• 导出时指定更高的opset版本：converted_model_path = onnx_mxnet.export_model(sym, params, [input_shape], np.float32, onnx_file,verbose=True, opset_version=13)
  新版本的ONNX导出器对MXNet池化层的pad参数做了适配，无需手动修改即可直接在ONNX Runtime中运行。

内容的提问来源于stack exchange，提问作者JiaoPaner