Pytorch模型转ONNX模型并运行

摘要：

onnx(Open Neural Network Exchange)主要用于部署，训练一般使用pytorch和tensorflow，等训练完成，我们需要模型转成onnx，用于部署在云或者边缘计算上。而为什么要要转成onnx模型呢，主要是因为onnx没有训练，只有推理，速度很快，而且目前大多数芯片都适配onnx模型，相当于一个通用莫模型，易部署，而且速度快。

onnx优势：

ONNX（Open Neural Network Exchange）是一种开放的深度学习模型交换格式，它具有以下优势：
跨平台支持：ONNX可以在不同的深度学习框架之间进行模型转换和交换，使得模型可以在不同的平台上进行部署和推理。
高效性：ONNX模型可以在不同的硬件平台上进行优化和部署，以实现高效的推理和低延迟。
灵活性：ONNX支持多种深度学习框架，如PyTorch、TensorFlow和Caffe等，可以方便地将已有的模型转换为ONNX格式。
易用性：ONNX提供了易于使用的API和工具，可以帮助开发者快速上手，快速构建和部署深度学习模型。
开源：ONNX是一个开源的深度学习模型交换格式，可以免费使用和修改，开发者可以根据自己的需求进行二次开发和定制。

可扩展性：ONNX支持分布式推理，可以将模型部署到多个设备上进行并行推理，以提高推理速度和吞吐量。
可视化工具：ONNX提供了可视化工具，如ONNX Runtime和Netron等，可以帮助开发者更好地理解和优化模型。
社区支持：ONNX有一个活跃的社区，开发者可以在社区中获取支持和帮助，也可以分享自己的经验和成果。
适用范围广：ONNX适用于多种应用场景，如图像识别、目标检测、人脸识别、自然语言处理等