onnx.save_model()函数在Python中的使用详解

onnx.save_model()函数是ONNX库的一个函数，用于将模型保存为ONNX格式的文件。在Python中使用该函数可以将训练好的模型保存为ONNX文件，以便在其他平台或框架上使用。

下面是onnx.save_model()函数的详细使用说明和一个使用例子：

1. 导入onnx库和其他依赖库：

import onnx
import torch
import torchvision

2. 定义一个PyTorch模型并加载参数：

class MyModel(torch.nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.conv = torch.nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1)
        self.relu = torch.nn.ReLU(inplace=True)

    def forward(self, x):
        x = self.conv(x)
        x = self.relu(x)
        return x

model = MyModel()
model.load_state_dict(torch.load('model.pth'))

3. 将PyTorch模型转换为ONNX模型：

dummy_input = torch.randn(1, 3, 224, 224) # 输入数据的shape
onnx_model_path = 'model.onnx' # ONNX文件保存路径

torch.onnx.export(model, dummy_input, onnx_model_path, opset_version=11)

在这个例子中，将MyModel模型转换为ONNX格式，并保存在model.onnx文件中。dummy_input是一个形状为(1, 3, 224, 224)的虚拟输入数据，用于推断模型的输入形状。

4. 加载并验证保存的ONNX模型：

onnx_model = onnx.load(onnx_model_path)
onnx.checker.check_model(onnx_model)

加载保存的ONNX模型并通过onnx.checker.check_model()函数进行验证。

通过以上步骤，我们可以将PyTorch模型保存为ONNX格式的文件，并在其他平台/框架上使用该模型进行推断。

总结：onnx.save_model()函数是ONNX库提供的一个函数，用于将PyTorch模型保存为ONNX格式的文件。通过该函数可以方便地将模型在不同平台和框架中进行转换和部署。