onnx模型：查看、转换与使用

1. onnx简介

onnx（Open Neural Network Exchange），是一种用于表示神经网络的规范的模型，便于模型在不同框架下进行转换。

2. 可视化

可视化网页:https://netron.app/

结果：

3. pytorch框架下的转换

pytorch框架下，使用torch.onnx.export（）函数进行转换。

torch.onnx.export(model, args, f, export_params=True, verbose=False, training=False, input_names=None, 
				output_names=None,aten=False, export_raw_ir=False, operator_export_type=None, 
				opset_version=None, _retain_param_name=True,do_constant_folding=False, 
				example_outputs=None, strip_doc_string=True,
				dynamic_axes=None, keep_initializers_as_inputs=None)

几个比较重要的参数声明：

torch.onnx.export(model, 						# 网络模型,在dqn中就是保存eval_net
                torch.randn(1, 3, 224, 224), 	# 描述输入的维数，具体数值无关紧要
                export_onnx_file,   			# 输出onnx的名称，也可以限定位置
                input_names=["input"],   		# 输入节点的名称，可以不写，写就要对应上
                output_names=["output"], 		# 输出节点的名称，可以不写，写就要对应上
                )

4. pytorch下DQN网络转换样例与注意事项

	dummy_input = torch.randn([1,N_STATES])
	torch.onnx.export(dqn.eval_net, dummy_input, r".\models\dqn.onnx")

r".\models\dqn.onnx"，通过相对地址的写法，限定了onnx生成的位置与名称
要注意，DQN输入虽然只有N_STATES维，但转换之后的onnx网络却是一个1*N_STATES维的输入，需要通过torch.randn([1,N_STATES])转换成恰当的格式，如果不添加，则会生成如下网络：

参考：

Onnx简介以及使用
torch.onnx.export