[ torch 参数更多 ]torch.onnx.export

torch.onnx.export

torch.onnx.export(model, args, f, export_params=True, verbose=False, training=<TrainingMode.EVAL: 0>, input_names=None, output_names=None, operator_export_type=<OperatorExportTypes.ONNX: 0>, opset_version=None, do_constant_folding=True, dynamic_axes=None, keep_initializers_as_inputs=None, custom_opsets=None, export_modules_as_functions=False)

paddle.onnx.export

paddle.onnx.export(layer, path, input_spec=None, opset_version=9, **configs)

PyTorch 相比 Paddle 支持更多其他参数，具体如下：

参数映射

PyTorch PaddlePaddle 备注
model layer 导出的模型，PyTorch 类型为 torch.nn.Module, torch.jit.ScriptModule 或 torch.jit.ScriptFunction，Paddle 为 Layer 对象，需要转写。
args - 模型参数，Paddle 无此参数，暂无转写方式。
f path PyTorch 为存储模型路径，Paddle 为存储模型的路径前缀，需要转写。
export_params - 是否导出参数，Paddle 无此参数，暂无转写方式。
verbose - 是否输出详细信息，Paddle 无此参数，暂无转写方式。
training - 训练模式，Paddle 无此参数，暂无转写方式。
input_names - 输入节点名称列表，Paddle 无此参数，暂无转写方式。
output_names - 输出节点名称列表，Paddle 无此参数，暂无转写方式。
operator_export_type - 操作导出类型，Paddle 无此参数，暂无转写方式。
opset_version opset_version opset 版本。
do_constant_folding - 是否进行 constant-folding 优化，Paddle 无此参数，暂无转写方式。
dynamic_axes - 是否动态维度，Paddle 无此参数，暂无转写方式。
keep_initializers_as_inputs - 是否增加初始化器到输入，Paddle 无此参数，暂无转写方式。
custom_opsets - 自定义 opset，Paddle 无此参数，暂无转写方式。
export_modules_as_functions - 是否导出模型为 functions，Paddle 无此参数，暂无转写方式。
- input_spec 描述存储模型 forward 方法的输入，PyTorch 无此参数，Paddle 保持默认即可。
- configs 其他用于兼容的存储配置选项，PyTorch 无此参数，Paddle 保持默认即可。

转写示例

f、model 参数转写

# PyTorch 写法
class SimpleModel(nn.Module):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.fc1 = nn.Linear(3, 3)
        self.fc2 = nn.Linear(3, 1)

    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

model = SimpleModel()
x = torch.randn(1, 3)
a = torch.onnx.export(
    model,
    f="simple_model.onnx",
)
# Paddle 写法
def onnx_export(model,f):
    model = Logic()
    paddle.jit.to_static(model)
    last_dot_index = filename.rfind('.')
    if last_dot_index == -1:
        path = f
    else:
        path = f[:last_dot_index]
    return paddle.onnx.export(model, path)

class SimpleModel(paddle.nn.Layer):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.fc1 = paddle.nn.Linear(in_features=3, out_features=3)
        self.fc2 = paddle.nn.Linear(in_features=3, out_features=1)

    def forward(self, x):
        x = paddle.nn.functional.relu(x=self.fc1(x))
        x = self.fc2(x)
        return x


model = SimpleModel()
x = paddle.randn(1, 3)
a = onnx_export(model, "simple_model.onnx")