1、文件转化

import torch.onnx
from torchvision import models
from onnxsim import simplify
import onnx
torch_model = torch.load("D:\checkpoint-epoch40.pth",
                         map_location='cpu')  # pytorch模型加载
model = models.resnet50()
# model.load_state_dict(torch_model)
batch_size = 1  # 批处理大小
input_shape = (3, 48, 48)  # 输入数据,改成自己的输入shape

# #set the model to inference mode
model.eval()

x = torch.randn(batch_size, *input_shape)  # 生成张量
export_onnx_file = "fr-unet.onnx"  # 目的ONNX文件名
torch.onnx.export(model,
                  x,
                  export_onnx_file,
                  opset_version=10,
                  do_constant_folding=True,  # 是否执行常量折叠优化
                  input_names=["input"],  # 输入名
                  output_names=["output"])  # 输出名
#                   dynamic_axes={"input":{0:"batch_size"},  # 批处理变量
#                                  "output":{0:"batch_size"}})

2、如果想简化模型可添加如下代码

# 加载导出的 ONNX 模型
onnx_model = onnx.load("fr-unet.onnx")

# 简化模型
simplified_model, check = simplify(onnx_model)

# 保存简化后的模型
onnx.save_model(simplified_model, "simplified_fr_unet_model.onnx")

3、然后将生成的onnx模型，用网页打开Netron