Onnx 转为 TF backend

        PYTORCH 模型部署可先转为 ONNX 模型 ，利用Onnxruntime 进行端上C/C++部署，这样在速度上会快很多，但如果想更快一点，就可选择进一步再转为TF->TFLite部署。但是并不适合所有搭建的模型，如Pytorch 搭建模型时，用到的pad等等。

        Onnx模型转为TF模型如下所示：

        1、下载并安装Onnx-tf；onnx/onnx-tensorflow: Tensorflow Backend for ONNX (github.com)

        python setup.py build

        python setup.py install

        2、输入转换命令：onnx-tf convert -i /path/to/input.onnx -o /path/to/output

        /path/to/input.onnx  ：输入模型

        /path/to/output ：输出的pb 模型文件在/path/to/output 内；

       

        如果能够转成功，则会得到TF的pb文件，可用tensorflow的库进行推理。若希望再进一步转为tflite的库，就可在pb的基础上再转一次。tflite库的优点再于：

        1、有更高的推理速度；

        2、库的容积更小，比Onnxruntime的库要小很多，有利于集成在App上。