希望提供C API

[sdcb]

问题描述
您好，感谢您们对Paddle2ONNX项目的贡献。我在使用Paddle2ONNX进行模型转换时遇到了移植问题。目前只有C++ API，对于我们团队来说，如果有C API的话，将会更容易将该项目移植到C#等其它编程语言中。能否考虑提供一个C API接口？我们相信这会为更多开发者带来便利，非常感谢！

更多信息 :

• 用于部署的推理引擎: 无特殊要求
• 为什么需要转换为ONNX格式：为了在多种平台和设备上进行推理
• Paddle2ONNX版本: 最近更新的版本

报错截图
无

其他信息
无

[Zheng-Bicheng]

您好，我的理解上C API无非是对C++ API再做了一层封装，难度应该不大。您是否能提交一个PR来完成这个工作呢，我可以配合您来完成。（我也很想把该项目移植到C#等其它编程语言中，但是现在确实人手有限）

[sdcb]

这是一套可能的设计（可能大语言模型生成）：

paddle2onnx_c_api.h:

#ifndef PADDLE2ONNX_C_API_H
#define PADDLE2ONNX_C_API_H

#include <stdint.h>

#ifdef __cplusplus
extern "C" {
#endif

// 默认和C++ API一样的导出逻辑
#if defined(_WIN32)
#ifdef PADDLE2ONNX_C_LIB
#define PADDLE2ONNX_C_API __declspec(dllexport)
#else
#define PADDLE2ONNX_C_API __declspec(dllimport)
#endif
#else
#define PADDLE2ONNX_C_API __attribute__((visibility("default")))
#endif

// 数据结构定义
typedef struct {
    char op_name[100];
    char export_op_name[100];
} Paddle2ONNX_CustomOp;

typedef struct {
    char name[100];
    int64_t* shape;
    int32_t rank;
    int32_t dtype;
} Paddle2ONNX_ModelTensorInfo;

typedef struct {
    int64_t background_label;
    int64_t keep_top_k;
    float nms_eta;
    float nms_threshold;
    float score_threshold;
    int64_t nms_top_k;
    bool normalized;
} Paddle2ONNX_NMSParameters;

typedef struct {
    Paddle2ONNX_ModelTensorInfo inputs[100];
    Paddle2ONNX_ModelTensorInfo outputs[100];
    int num_inputs;
    int num_outputs;
} Paddle2ONNX_TensorInfoContainer;

// API函数声明
PADDLE2ONNX_C_API int Paddle2ONNX_IsExportable(
    const char* model, const char* params, int32_t opset_version,
    bool auto_upgrade_opset, bool verbose, bool enable_onnx_checker,
    bool enable_experimental_op, bool enable_optimize,
    Paddle2ONNX_CustomOp* ops, int op_count, const char* deploy_backend);

PADDLE2ONNX_C_API int Paddle2ONNX_Export(
    const char* model, const char* params, char** out, int* out_size,
    int32_t opset_version, bool auto_upgrade_opset, bool verbose,
    bool enable_onnx_checker, bool enable_experimental_op, bool enable_optimize,
    Paddle2ONNX_CustomOp* ops, int op_count, const char* deploy_backend,
    char** calibration_cache, int* calibration_size, const char* external_file,
    bool* save_external, bool export_fp16_model, char** disable_fp16_op_types,
    int disable_fp16_op_types_count);

PADDLE2ONNX_C_API int Paddle2ONNX_RemoveMultiClassNMS(
    const char* onnx_model, int model_size, char** out_model, int* out_model_size);

PADDLE2ONNX_C_API int Paddle2ONNX_ConvertFP32ToFP16(
    const char* onnx_model, int model_size, char** out_model, int* out_model_size);

#ifdef __cplusplus
}
#endif

#endif // PADDLE2ONNX_C_API_H

这是可能的paddle2onnx_c_api.c实现：

#include "paddle2onnx_c_api.h"
#include "paddle2onnx/converter.h"  // Assume this is the correct path to C++ header

#ifdef __cplusplus
extern "C" {
#endif

// Helper function to convert C CustomOps array to C++ vector
static std::vector<paddle2onnx::CustomOp> ConvertCtoCppCustomOps(Paddle2ONNX_CustomOp* ops, int op_count) {
    std::vector<paddle2onnx::CustomOp> cpp_ops(op_count);
    for (int i = 0; i < op_count; i++) {
        strcpy(cpp_ops[i].op_name, ops[i].op_name);
        strcpy(cpp_ops[i].export_op_name, ops[i].export_op_name);
    }
    return cpp_ops;
}

PADDLE2ONNX_C_API int Paddle2ONNX_IsExportable(
    const char* model,
    const char* params,
    int32_t opset_version,
    bool auto_upgrade_opset,
    bool verbose,
    bool enable_onnx_checker,
    bool enable_experimental_op,
    bool enable_optimize,
    Paddle2ONNX_CustomOp* ops,
    int op_count,
    const char* deploy_backend) {
    try {
        std::vector<paddle2onnx::CustomOp> cpp_ops = ConvertCtoCppCustomOps(ops, op_count);
        bool result = paddle2onnx::IsExportable(model, params, opset_version,
                                                auto_upgrade_opset, verbose,
                                                enable_onnx_checker, enable_experimental_op,
                                                enable_optimize, cpp_ops.data(), op_count,
                                                deploy_backend);
        return result ? 0 : 1;
    } catch (...) {
        return -1;
    }
}

PADDLE2ONNX_C_API int Paddle2ONNX_Export(
    const char* model,
    const char* params,
    char** out, int* out_size,
    int32_t opset_version,
    bool auto_upgrade_opset,
    bool verbose,
    bool enable_onnx_checker,
    bool enable_experimental_op,
    bool enable_optimize,
    Paddle2ONNX_CustomOp* ops,
    int op_count,
    const char* deploy_backend,
    char** calibration_cache,
    int* calibration_size,
    const char* external_file,
    bool* save_external,
    bool export_fp16_model,
    char** disable_fp16_op_types,
    int disable_fp16_op_types_count) {
    try {
        std::vector<paddle2onnx::CustomOp> cpp_ops = ConvertCtoCppCustomOps(ops, op_count);
        std::string output;
        std::vector<std::string> disabled_ops(disable_fp16_op_types, disable_fp16_op_types + disable_fp16_op_types_count);
        bool result = paddle2onnx::Export(model, params, &output, opset_version,
                                          auto_upgrade_opset, verbose, enable_onnx_checker,
                                          enable_experimental_op, enable_optimize,
                                          cpp_ops.data(), op_count, deploy_backend,
                                          nullptr, 0, external_file, save_external, export_fp16_model,
                                          disabled_ops.data(), disable_fp16_op_types_count);
        if (result) {
            *out_size = output.size();
            *out = new char[*out_size];
            std::memcpy(*out, output.c_str(), *out_size);
        }
        return result ? 0 : 1;
    } catch (...) {
        return -1;
    }
}

PADDLE2ONNX_C_API int Paddle2ONNX_RemoveMultiClassNMS(
    const char* onnx_model,
    int model_size,
    char** out_model,
    int* out_model_size) {
    try {
        std::string output;
        bool result = paddle2onnx::RemoveMultiClassNMS(onnx_model, model_size, &output);
        if (result) {
            *out_model_size = output.size();
            *out_model = new char[*out_model_size];
            std::memcpy(*out_model, output.c_str(), *out_model_size);
        }
        return result ? 0 : 1;
    } catch (...) {
        return -1;
    }
}

PADDLE2ONNX_C_API int Paddle2ONNX_ConvertFP32ToFP16(
    const char* onnx_model,
    int model_size,
    char** out_model,
    int* out_model_size) {
    try {
        std::string output;
        bool result = paddle2onnx::ConvertFP32ToFP16(onnx_model, model_size, &output);
        if (result) {
            *out_model_size = output.size();
            *out_model = new char[*out_model_size];
            std::memcpy(*out_model, output.c_str(), *out_model_size);
        }
        return result ? 0 : 1;
    } catch (...) {
        return -1;
    }
}

#ifdef __cplusplus
}
#endif

请供参考，由于我不太懂cmake的原理，因此希望上面这些代码对您有帮助。

[jzhang533]

我简单翻了一下代码。

CMake 里有个编译选项： WITH_STATIC，打开它编译后，配合 header 文件：https://github.com/PaddlePaddle/Paddle2ONNX/blob/develop/paddle2onnx/converter.h 。应该已经算是一个 C API 了。

只是好像没什么文档，我也没有实际跑过。