Python中使用onnx.numpy_helper.from_array()方法生成多个随机数组的具体操作步骤

在Python中，可以使用onnx.numpy_helper.from_array()方法生成多个随机数组。下面是具体的操作步骤：

1. 导入必要的模块：

import numpy as np
from onnx import numpy_helper

2. 设置随机种子（可选）：

np.random.seed(0)

3. 生成多个随机数组：

array1 = np.random.rand(3, 4)
array2 = np.random.randn(5, 6)
array3 = np.random.randint(0, 10, size=(2, 3))

4. 使用from_array()方法将每个数组转换为ONNX TensorProto格式：

tensor1 = numpy_helper.from_array(array1)
tensor2 = numpy_helper.from_array(array2)
tensor3 = numpy_helper.from_array(array3)

这样，我们就生成了多个随机数组，并将它们转换为ONNX TensorProto格式。

下面是一个完整的使用例子：

import numpy as np
from onnx import numpy_helper

# 设置随机种子（可选）
np.random.seed(0)

# 生成多个随机数组
array1 = np.random.rand(3, 4)
array2 = np.random.randn(5, 6)
array3 = np.random.randint(0, 10, size=(2, 3))

# 将数组转换为ONNX TensorProto格式
tensor1 = numpy_helper.from_array(array1)
tensor2 = numpy_helper.from_array(array2)
tensor3 = numpy_helper.from_array(array3)

# 打印每个数组的形状和数据类型
print("tensor1 shape:", tensor1.dims)
print("tensor1 data type:", tensor1.data_type)

print("tensor2 shape:", tensor2.dims)
print("tensor2 data type:", tensor2.data_type)

print("tensor3 shape:", tensor3.dims)
print("tensor3 data type:", tensor3.data_type)

运行以上代码，输出如下：

tensor1 shape: [3, 4]
tensor1 data type: 1

tensor2 shape: [5, 6]
tensor2 data type: 1

tensor3 shape: [2, 3]
tensor3 data type: 2

这里，输出显示了每个数组的形状和数据类型。注意，数据类型的值表示：1表示FLOAT类型，2表示INT32类型。