使用onnx.save_model()函数将Python模型保存为ONNX文件

onnx.save_model()函数是ONNX库中的一个函数，用于将Python模型保存为ONNX文件。它的使用方式非常简单，只需要调用该函数并传递模型和文件路径作为参数即可。

下面是一个使用onnx.save_model()函数将Python模型保存为ONNX文件的示例：

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
dummy_input = 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')

print("ONNX模型已保存。")

在上面的例子中，我们首先使用torchvision库加载了一个预训练的ResNet-18模型。然后，我们调用了model.eval()方法将模型设置为评估模式，这样可以确保在导出ONNX模型时不会计算梯度。

然后，我们创建了一个输入张量dummy_input，它具有与ResNet-18模型相同的形状（1个样本，3个通道，224x224的图像）。

接下来，我们调用了onnx.load_model()函数将PyTorch模型转换为ONNX模型。最后，我们使用onnx.save_model()函数将ONNX模型保存到名为'resnet18.onnx'的文件中。

运行这段代码后，你将在当前目录下找到一个名为'resnet18.onnx'的文件，它就是我们刚刚保存的ONNX模型文件。

值得注意的是，上述代码中将整个PyTorch模型保存为ONNX模型。对于某些特定类型的模型，可能需要在导出之前执行其他的转换和处理操作。

总结：onnx.save_model()函数是ONNX库中的一个函数，用于将PyTorch模型保存为ONNX文件。通过调用该函数并传递模型和文件路径作为参数，我们可以非常方便地保存模型，并在需要时加载和使用它们。