深度学习模型部署遇到不支持op时

       在深度学习模型基于各种pcb板子线上部署时，尤其是nvidia系列和黑芝麻，地平线J系列、瑞幸微等芯片，总会遇到一些不支持op的情况，尤其是对一些模型进行魔改，加入一些新的操作特性时，这时候就需要考虑对这些op进行特殊处理，下面基于N卡使用对此进行如下简单记录：

（1）遇到不支持op

      按照一般深度学习模型部署节奏， 先保存模型权重->转换成onnx格式文件->转换成trt引擎进行推理。期间出现不支持的op时，那我们就需要定位考虑是哪个op导致的，然后针对该op进行替换或者通过cuda来手动实现。

》导出onnx时

  对于不同版本onnx支持的op操作可以查看onnx/docs/Operators.md at main · onnx/onnx · GitHub， 而如果确定后续基于trt进行推理加速，对应不同版本trt对应onnx支持的op可以参考github链接查询：