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 模块从本地的 PyTorch torch.nn.Module 模型中捕获计算图，并将其转换为 ONNX 图。
导出的模型可以被众多支持ONNX的运行时之一使用，包括微软的ONNX Runtime。
有两种ONNX导出器API可供使用，如下所示：
基于TorchDynamo的ONNX导出器¶
基于TorchDynamo的ONNX导出器是PyTorch 2.0及更新版本中最新的（且为Beta版）导出器
TorchDynamo 引擎被用来钩入 Python 的帧评估 API，并动态地将字节码重写为 FX 图。生成的 FX 图在最终转换为 ONNX 图之前会进行优化。
这种方法的主要优点是，FX 图是通过字节码分析捕获的，保留了模型的动态特性，而不是使用传统的静态追踪技术。
基于TorchScript的ONNX导出器¶
自 PyTorch 1.2.0 起，基于 TorchScript 的 ONNX 导出器可用
TorchScript 被用来追踪（通过 torch.jit.trace()）模型并捕获一个静态计算图。
因此，生成的图表有一些局限性：
它不会记录任何控制流，如if语句或循环；
不处理
训练和评估模式之间的细微差别；不真正处理动态输入
为了支持静态追踪的局限性，导出器还支持通过torch.jit.script()进行TorchScript脚本编写，从而增加了对数据依赖控制流的支持，例如。然而，TorchScript本身是Python语言的一个子集，因此并非所有Python中的功能都受支持，例如就地操作。
