Trace 功能实现 - 学习记录

一、学习 Trace 功能实现的目的

很多前沿的算法都不能正常的导出 onnx 用于部署，所以我们需要学习 Trace 功能用于自定义 onnx 的实现和导出。比如现在的SOTA point transformer v3 里面用到了稀疏卷积 spconv 库，或者经典的 centerpoint 就可以用这种方法导出 onnx。

或者还可以用来跟踪神经网络中某些层的输入和输出，这对于调试和优化神经网络非常有帮助。

二、hook_forward 函数

这里从一个简单的模型开始记录 hook_forward 的功能记录

代码 1：一个简单的 pytorch 模型的实现

import torch
import torch.nn as nn

class Model