beginner/onnx/intro_onnx

在 Google Colab 中运行

Colab

下载 Notebook

Notebook

在 GitHub 上查看

GitHub

ONNX入门 || 将PyTorch模型导出到ONNX || 扩展ONNX导出器运算符支持 || 将包含控制流的模型导出到ONNX

ONNX入门

创建于：2023年10月04日 | 最后更新：2025年07月11日 | 最后验证：2024年11月05日

作者：Ti-Tai Wang, Thiago Crepaldi。

Open Neural Network eXchange (ONNX) 是一种表示机器学习模型的开放标准格式。 torch.onnx 模块提供了API来捕获原生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。

当设置 dynamo=True 时，导出器将使用 torch.export 来捕获一个 ExportedProgram，然后再将图翻译成ONNX表示。这种方法是导出模型到ONNX的新方法，也是推荐的方法。它能更稳定地支持PyTorch 2.0特性，对较新的ONNX算子集有更好的支持，并且消耗更少的资源，从而可以导出更大的模型。

依赖项

需要PyTorch 2.5.0 或更新版本。

ONNX导出器依赖于额外的Python包

• ONNX 标准库

• ONNX Script 库，它使开发人员能够以一种富有表现力且简单的方式，使用Python的一个子集来编写ONNX算子、函数和模型。

• ONNX Runtime 加速机器学习库。

可以通过 pip 安装它们

pip install --upgrade onnx onnxscript onnxruntime

要验证安装，请运行以下命令

import torch
print(torch.__version__)

import onnxscript
print(onnxscript.__version__)

import onnxruntime
print(onnxruntime.__version__)

每个import都必须成功运行，不出现任何错误，并且会打印出库版本。

延伸阅读

下面的列表引用了从基本示例到高级场景的教程，不一定按照它们列出的顺序。您可以随时直接跳转到您感兴趣的特定主题，或者坐下来，愉快地阅读所有内容，以了解关于ONNX导出器的一切。

1. 将 PyTorch 模型导出到 ONNX

2. 扩展 ONNX 导出器算子支持

3. 将带控制流的模型导出到 ONNX