ONNX 简介 || 将 PyTorch 模型导出为 ONNX || 扩展 ONNX 导出器的算子支持 || 将带有控制流的模型导出为 ONNX
ONNX 简介
作者: Ti-Tai Wang, Thiago Crepaldi.
开放神经网络交换格式 (ONNX) 是用于表示机器学习模型的开放标准格式。torch.onnx 模块提供了从原生 PyTorch torch.nn.Module 模型中捕获计算图并将其转换为 ONNX 图 的 API。
导出的模型可以被许多支持 ONNX 的运行时使用，包括微软的 ONNX Runtime。
目前，您可以通过布尔参数
dynamo在 torch.onnx.export 中选择使用 `TorchScript https://pytorch.org/docs/stable/jit.html`_ 或 `ExportedProgram https://pytorch.org/docs/stable/export.html`_ 将模型导出到 ONNX。在本教程中，我们将重点介绍ExportedProgram方法。
当设置 dynamo=True 时，导出器将使用 torch.export 来捕获一个 ExportedProgram，然后再将图转换为 ONNX 表示。这种方法是导出模型到 ONNX 的新推荐方式。它更稳健地支持 PyTorch 2.0 的特性，对较新的 ONNX 操作集有更好的支持，并且消耗更少的资源，从而使得导出更大的模型成为可能。
依赖项
需要 PyTorch 2.5.0 或更高版本。
ONNX 导出器依赖于额外的 Python 包：
ONNX 标准库
ONNX Script 库，使开发者能够以简洁而直观的方式，使用 Python 子集编写 ONNX 操作符、函数和模型
ONNX Runtime 加速机器学习库
它们可以通过 pip 安装：
pipinstall--upgradeonnxonnxscriptonnxruntime
要验证安装情况，请运行以下命令：
importtorch
print(torch.__version__)
importonnxscript
print(onnxscript.__version__)
importonnxruntime
print(onnxruntime.__version__)
每次导入必须成功且无任何错误，同时必须打印出库的版本信息。
延伸阅读
以下列表涵盖了从基础示例到高级场景的教程，这些教程并不一定按照列出的顺序排列。您可以直接跳转到您感兴趣的特定主题，或者静下心来，逐一浏览，全面了解 ONNX 导出器的所有内容。