深度学习框架转换：pytorch 转 onnx

Open Neural Network Exchange（简称 ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。

ONNX 是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。它使得不同的人工智能框架（如 Pytorch, MXNet）可以采用相同格式存储模型数据并交互。ONNX 的规范及代码主要由微软，亚马逊 ，Facebook 和 IBM 等公司共同开发，以开放源代码的方式托管在 Github 上。目前官方支持加载 ONNX 模型并进行推理的深度学习框架有：Caffe2, PyTorch, MXNet，ML.NET，TensorRT 和 Microsoft CNTK，并且 TensorFlow 也非官方的支持ONNX。

ONNX Runtime 是针对 ONNX 模型的以性能为中心的引擎，可在多个平台和硬件 (Windows，Linux 和 Mac 以及 CPU 和 GPU 上) 高效地进行推理。ONNX Runtime 可大大提高多个模型的性能。

安装

pip install onnx
pip install onnxruntime

注意：如果遇到代码运行的错误，在排除了代码本身语法等使用错误后，仍为解决问题，考虑是否是 onnx 和 onnxruntime 版本的问题。

pytorch2onnx 示例

pytorch2onnx 的一个简单示例。

# -*- coding:utf-8 -*-

# @Name:         torch2onnx.py
# @Author:       GJW
# @Time:         2020/6/2 16:22

import onnx
import onnxruntime
import torch
import numpy as np
from models import Darknet as yolov3

# Initialize model with the pretrained weights
weight_path = "./yolov3.pth"
model_path = "./yolov3.cfg"
batch_size = 1
img_size = 416
torch_model = yolov3(model_path, img_size)

map_location