torch.onnx¶
概览¶
Open Neural Network eXchange (ONNX) 是一种用于表示机器学习模型的开放标准格式。 torch.onnx 模块从原生的 PyTorch torch.nn.Module 模型中捕获计算图，并将其转换为 ONNX 图。
导出的模型可以被许多支持 ONNX 的运行时所消费，包括 Microsoft 的 ONNX Runtime。
您可以使用如下所列的两种 ONNX 导出器 API。两者都可以通过函数 torch.onnx.export() 调用。下一个示例展示了如何导出简单模型。
import torch
class MyModel(torch.nn.Module):
def __init__(self):
super(MyModel, self).__init__()
self.conv1 = torch.nn.Conv2d(1, 128, 5)
def forward(self, x):
return torch.relu(self.conv1(x))
input_tensor = torch.rand((1, 1, 128, 128), dtype=torch.float32)
model = MyModel()
torch.onnx.export(
model, # model to export
(input_tensor,), # inputs of the model,
"my_model.onnx", # filename of the ONNX model
input_names=["input"], # Rename inputs for the ONNX model
dynamo=True # True or False to select the exporter to use
)
接下来的章节介绍了导出器的两个版本。
基于 TorchDynamo 的 ONNX 导出器¶
基于 TorchDynamo 的 ONNX 导出器是适用于 PyTorch 2.1 及更新版本的最新的（Beta）导出器
利用 TorchDynamo 引擎挂接到 Python 的帧评估 API，并将其字节码动态重写为 FX 图。生成的 FX 图经过精修后，最终被转换为 ONNX 图。
这种方法的主要优势在于，FX 图是使用字节码分析捕获的，这保留了模型的动态特性，而不是使用传统的静态跟踪技术。
基于 TorchScript 的 ONNX 导出器¶
基于 TorchScript 的 ONNX 导出器自 PyTorch 1.2.0 版本起可用
利用 TorchScript 跟踪模型（通过 torch.jit.trace()）并捕获静态计算图。
因此，生成的图存在一些限制
它不记录任何控制流，例如 if 语句或循环；
不处理训练模式和评估模式之间的细微差别；
不能真正处理动态输入
为了尝试支持静态跟踪的限制，导出器还支持 TorchScript 脚本化（通过 torch.jit.script()），例如，这增加了对数据依赖的控制流的支持。然而，TorchScript 本身是 Python 语言的一个子集，因此并非所有 Python 特性都受支持，例如原地操作。
