Keep_Trying_Go的博客

从ONNX和使用的情况来看，对于ONNX中间格式表示进行推理更加的稳定，除了对于pytorch官方提供的一些目标检测模型在转换为ONNX中间格式存在问题以外，其他目前没有太大的问题。但是对于中间表示格式存在的问题比较大，当模型结构比较复杂的时候,使用和会发现保存的模型在推理阶段结果是错误的，如果使用保存模型的话，中间特别容易出现问题，如果模型比较复杂或者中间的数据格式存在字典之类的就容易出现问题，因此建议还是使用ONNX中间表示格式。

网上不仅仅是文章或者视频都有模型部署的讲解，但是感觉还是并没有更深入的将模型部署概念和实际结合起来，也许概念上已经讲的很好了，但是实际案例方面并没有更多更深入的讲解，导致自己以前学习相关“模型部署”的时候都只是文字或者口头上去说。其中支持PyTorch，TensorFlow，Caffe2以及MXNet等框架和不同的平台，由于其应用广泛，因此支持的人也非常的多，ONNX还提供了标准化的算子，用于模型的基本运算。注：这里面有一部分并没有使用过，但是感觉有必要列举出来，大家根据自己掌握的框架和工具来使用即可。

提取码：hjtf基本上一篇模型部署实战案例的讲解，这篇博文将在上一篇的基础上进行小改进，因为之前的模型部署都是将模型转换为ONNX中间格式，而本篇博文将模型文件转换为格式，虽然只是格式变了，但是在转换以及使用的过程中需要注意一些地方，并且在Android中模型部署的实现过程也发生了很大的变化。问题1：ONNX和torchscript之间区别和联系。