如何使用onnx.save_model()函数在Python中保存训练好的模型

在Python中，可以使用onnx.save_model()函数来保存训练好的模型。ONNX（Open Neural Network Exchange）是一种开放的模型表示格式，它允许不同深度学习框架之间无缝地交换和使用模型。

下面是一个使用onnx.save_model()函数保存训练好的PyTorch模型的例子：

首先，我们需要安装onnx和onnxruntime库，这两个库可以通过pip进行安装。

pip install onnx
pip install onnxruntime

接下来，我们需要导入必要的库和模块。

import torch
import torchvision.models as models
import onnx

然后，我们可以加载训练好的PyTorch模型，并将模型转换为ONNX格式。

# 加载训练好的PyTorch模型
model = models.vgg16(pretrained=True)

# 选择一个输入样本
sample_input = torch.randn(1, 3, 224, 224)

# 将模型转换为ONNX格式
onnx_model = onnx.export(model, sample_input, "model.onnx")

在这个例子中，我们加载了一个预训练的VGG16模型，并选择了一个输入样本来进行模型转换。在调用onnx.export()函数时，我们需要将模型、输入样本和输出文件路径作为参数传递给该函数。

最后，我们可以使用onnx.save_model()函数保存ONNX模型。

# 保存ONNX模型
onnx.save_model(onnx_model, "model.onnx")

在这个例子中，我们使用onnx.save_model()函数将ONNX模型保存为"model.onnx"文件。

现在，我们已经成功地保存了训练好的模型，可以在其他支持ONNX格式的深度学习框架中加载和使用这个模型。