在Python中使用onnx.save_model()函数将模型保存为ONNX格式

在Python中，可以使用onnx.save_model()函数将模型保存为ONNX格式。ONNX（Open Neural Network Exchange）是一个开放的机器学习模型格式，它的目标是使机器学习模型能够在不同的框架之间进行互操作。

下面是一个使用onnx.save_model()函数将模型保存为ONNX格式的示例。

import torch
import torchvision
import onnx

# 加载预训练的PyTorch模型
model = torchvision.models.resnet18(pretrained=True)
model.eval()

# 创建一个输入张量
input_tensor = torch.randn(1, 3, 224, 224)

# 将PyTorch模型转换为ONNX模型
onnx_model = onnx.load_model(model)
onnx.save_model(onnx_model, 'resnet18.onnx')

在上面的例子中，首先导入了需要的库。然后，使用torchvision.models.resnet18()函数加载了一个预训练的ResNet-18模型，并将其设为评估模式。接下来，创建了一个输入张量，其形状为(1, 3, 224, 224)，它代表了一张224x224大小的RGB图像。最后，使用onnx.load_model()函数将PyTorch模型转换为ONNX模型，然后使用onnx.save_model()函数将其保存为resnet18.onnx文件。

执行上述代码后，你将在所在的文件夹中看到一个名为resnet18.onnx的文件，这就是已经保存为ONNX格式的模型。

总结起来，使用onnx.save_model()函数将模型保存为ONNX格式的步骤如下：

1. 导入所需的库。

2. 加载或定义一个模型。

3. 将模型转换为ONNX格式。

4. 使用onnx.save_model()函数将模型保存为ONNX文件。

这样，你就可以在其他支持ONNX格式的框架中使用这个模型了。