Pytorch学习系列之九：OpenCV加载onnx模型进行推理

0. 为什么选着OpenCV进行推理

 

       按道理，使用OpenVINO推理套件（引擎）进行优化加速推理，或者其他推理套件进行推理，比如TensorRT等等。OpenVINO是英特尔推出的一款全面的工具套件，用于快速部署应用和解决方案，支持计算机视觉的CNN网络结构超过150余种。

       但引入推理套件（引擎）势必带来额外的工作量，在对推理速度要求不高的情况下，使用OpenCV自带的DNN模块已经足够满足需求了，且能做到轻量化部署，减少对第三方平台的依赖。

随着版本的更迭，OpenCV的版本当前已经来到了4.5.4，其DNN模块是越来完善了。

1. 前提

# python-opencv版本：4.5.3

# 已经完成分类网络的训练，并将pytorch网络模型转换/保存为onnx文件格式。

# onnx文件
onnx_name = "surface_defect_model.onnx"

至于如何保存为onnx,本人做了记录。