如何使用onnx.save_model()函数在Python中将模型保存为ONNX文件

要使用onnx.save_model()函数将模型保存为ONNX文件，需要遵循以下步骤：

1. 首先，需要安装onnx库。可以使用以下命令安装它：pip install onnx

2. 导入所需的库和模型。例如，如果要保存一个PyTorch的模型，需要导入torch和torchvision库，以及模型本身。

   import torch
   import torchvision.models as models
   

3. 创建模型的一个示例。以ResNet18为例。

   model = models.resnet18(pretrained=True)
   

4. 将模型设置为评估模式。

   model.eval()
   

5. 创建一个输入张量，该张量将传递给模型进行前向推断。根据模型的要求，可以创建任意大小的张量。这里以224x224尺寸的输入张量为例。

   dummy_input = torch.randn(1, 3, 224, 224)
   

6. 使用onnx.export()函数导出模型。该函数需要指定模型、输入张量、保存路径和可选的opset_version参数。opset_version是一个定义ONNX操作版本的参数。以下是导出模型的示例：

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

7. 保存模型并查看结果。

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

   # 保存模型
   # 导出的ONNX模型文件将保存为“model.onnx”
   

以下是完整的示例代码：

import torch
import torchvision.models as models

# 创建模型的实例
model = models.resnet18(pretrained=True)

# 设置评估模式
model.eval()

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

# 导出模型
torch.onnx.export(model, dummy_input, "model.onnx", opset_version=11)

# 保存模型
# 导出的ONNX模型文件将保存为“model.onnx”

使用这种方法，您将能够将模型保存为ONNX文件，以便在其他ONNX兼容的平台上使用。