sklearn2onnx

ONNX简介

开放神经网络交换ONNX（Open Neural Network Exchange）是一套表示深度神经网络模型的开放格式，由微软和Facebook于2017推出，然后迅速得到了各大厂商和框架的支持。通过短短几年的发展，已经成为表示深度学习模型的实际标准，并且通过ONNX-ML，可以支持传统非神经网络机器学习模型，大有一统整个AI模型交换标准。

ONNX定义了一组与环境和平台无关的标准格式，为AI模型的互操作性提供了基础，使AI模型可以在不同框架和环境下交互使用。硬件和软件厂商可以基于ONNX标准优化模型性能，让所有兼容ONNX标准的框架受益。目前，ONNX主要关注在模型预测方面（inferring），使用不同框架训练的模型，转化为ONNX格式后，可以很容易的部署在兼容ONNX的运行环境中。

ONNX 版本

转换器可以为特定版本的 ONNX 转换模型。每个 ONNX 版本都标有函数onnx_opset_version返回的 opset 编号。如果在转换模型时未指定参数目标 opset（参数target_opset），则此函数返回该参数的默认值。每个运算符都进行了版本控制。该库为每个操作员选择低于或等于目标 opset 编号的最新版本。ONNX 模型对于每个操作员域都有一个 opset 编号，此值是所有 onnx 节点中的最大 opset 数。

<<<

from skl2onnx import __max_supported_opset__
print("Last supported opset:", __max_supported_opset__)
>>>

Last supported opset: 15

ONNX标准介绍

ONNX规范由以下几个部分组成：

• 一个可扩展的计算图模型：定义了通用的计算图中间表示法（Intermediate Representation）。
• 内置操作符集：ai.onnx和ai.onnx.ml，ai.onnx是默认的操作符集，主要针对神经网络模型，ai.onnx.ml主要适用于传统非神经网络机器学习模型。
• 标准数据类型。包括张量（tensors）、序列（sequences）和映射（maps）。

目前，ONNX规范有两个官方变体，主要区别在与支持的