一、ONNX介绍

简单来说，可以把ONNX当做一个中间格式。绝大多数的机器学习/深度学习框架都可以将自身的模型转换成ONNX，同样也能把ONNX转换成自身框架的格式，如下图所示。

二、转ONNX模型代码

import torch
import torchvision.models as modelsdevice = "cpu"# 加载预训练的ResNet18模型
model =models.resnet18(pretrained=True)
model.eval().to(device)# 定义输入
input = torch.zeros(1,3,224,224).to(device)torch.onnx.export(model,# 这里的args,是指输入给model的参数，需要传递tuple，因此用括号(input,),# 输出的onnx文件路径"resnet18.onnx",# 是否打印详细信息verbose=True,# 为输入和输出节点指定名称，方便后面查看或者操作input_names = ["image"],output_names = ["infer_output"],# 这里的opset,指各类算子以何种方式导出，对应于symbolic_opset11opset_version=11,# 表示它有batch,height,width3个维度是动态的，在onnx中给其赋值为-1# 通常，我们只设置batch为动态，其他避免动态dynamic_axes ={"image":{0:"batch"},  #  只有batch维是动态的"infer_output":{0:"batch"}   #  只有batch维是动态的# "train_output":{0:"batch"}   #  只有batch维是动态的}
)print("Done!")

三、使用netron工具查看ONNX模型结构

四、如何使用netron工具在本地直接查看服务器端的ONNX模型结构？

我们开发一般都在服务器中开发，假如我们在服务器端导出了一个onnx文件，不将onnx文件传到本地，如何进行本地查看呢？

netron --port 8082 --host 10.75.29.201 model_data/deeplab_0320.onnx

• –host：指定服务器的ip，注意不是本地的。使用ifconfig进行查看具体的ip
• –port：指定 端口号，默认即可

在服务器的终端运行以上命令：
在本地访问，提示的地址：http://10.0.8.21:8082就可以查看服务器端打开的onnx模型。