快捷方式

torch.onnx

概述

开放神经网络交换 (ONNX) 是一种表示机器学习模型的开放标准格式。 torch.onnx 模块捕获来自原生 PyTorch torch.nn.Module 模型的计算图,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 使用,包括微软的 ONNX Runtime

您可以使用两种类型的 ONNX 导出器 API,如下所示。 两者都可以通过函数 torch.onnx.export() 调用。下面的示例演示了如何导出一个简单的模型。

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
)

以下部分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 PyTorch 2.1 及更高版本最新的(且为 Beta 版)导出器。

TorchDynamo 引擎用于挂钩到 Python 的帧评估 API,并将其字节码动态重写为 FX 图。生成的 FX 图在最终转换为 ONNX 图之前会被优化。

这种方法的主要优点是 FX 图 是使用字节码分析捕获的,它保留了模型的动态特性,而不是使用传统的静态跟踪技术。

了解有关基于 TorchDynamo 的 ONNX 导出器的更多信息

基于 TorchScript 的 ONNX 导出器

基于 TorchScript 的 ONNX 导出器自 PyTorch 1.2.0 起可用。

TorchScript 用于跟踪(通过 torch.jit.trace())模型并捕获静态计算图。

因此,生成的图有一些限制。

  • 它不记录任何控制流,例如 if 语句或循环;

  • 不处理 trainingeval 模式之间的细微差别;

  • 不真正处理动态输入。

为了尝试支持静态跟踪的限制,导出器还支持 TorchScript 脚本(通过 torch.jit.script()),例如,它增加了对数据相关控制流的支持。但是,TorchScript 本身是 Python 语言的一个子集,因此并非 Python 中的所有功能都受支持,例如就地操作。

了解有关基于 TorchScript 的 ONNX 导出器的更多信息

贡献/开发

ONNX 导出器是一个社区项目,我们欢迎贡献。我们遵循 PyTorch 的贡献指南,但您可能也希望阅读我们的 开发 Wiki

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源