ONNX（Open Neural Network Exchange）
ONNX 是一種用于表示深度學習模型的開放格式，使得不同深度學習框架（如 PyTorch、TensorFlow、Caffe2 等）之間的模型能夠相互交換。

需安裝：

pip install --upgrade onnx onnxscript onnxruntime

Pytorch張量

可使用torch.rand()方法創建0～1均勻分布的隨機數，使用torch.randn()方法創建標準正態分布隨機數，使用torch.zeros()和torch.ones()方法創建全0和全1的張量。
在構造張量時使用dtype明確其類型。

PyTorch針對torch.float32和torch.int64類型有專門這樣的簡寫形式是因為，這兩種類型特別重要，模型的輸入類型一般都是torch.float32，而模型分類問題的標簽類型一般為torch.int64。

torch.onnx.export 是 PyTorch 自帶的把模型轉換成 ONNX 格式的函數。前三個參數分別是要轉換的模型、模型的任意一組輸入、導出的 ONNX 文件的文件名。

簡單示例

import torch  
import torchvision.models as models  # 加載一個預訓練的 PyTorch 模型  
model = models.resnet18(pretrained=True)  
model.eval()  # 創建一個虛擬輸入張量（這里使用隨機數據）  
dummy_input = torch.randn(1, 3, 224, 224)  # 假設輸入是一張 224x224 的 RGB 圖像  # 導出模型為 ONNX 格式  
torch.onnx.export(model, dummy_input, "resnet18.onnx", verbose=True, input_names=["input_0"], output_names=["output_0"])

注意點：

• 確保你的 PyTorch 模型在導出之前已經處于評估模式（model.eval()）

• 示例輸入（dummy input）應該與你的模型訓練時使用的輸入具有相同的形狀和數據類型。

• 在將輸入數據傳遞給 ONNX Runtime 之前，請確保它們已經轉換為 NumPy 數組，并且位于 CPU 上