近期由于业务需要，需要将训练好的模型转为ONNX格式，为此颇费了一番功夫，在此总结一下吧。。
1、ONNX是一种神经网络模型保存的中间格式，支持多种格式的模型转为ONNX，也支持使用ONNX导入多种格式的模型，具体见https://github.com/onnx/tutorials;目前其实ONNX对于模型的支持还不是太好，主要表现在一些op还不能够支持；
2、在PyTorch下要将模型保存成ONNX格式需要使用torch.onnx.export()函数，使用该函数的时候需要传入下面参数：
--model:待保存的model，也就是你在程序中已经训练好或者初始化好的模型
--input_shape:指定输入数据的大小，也就是输入数据的形状，是一个包含输入形状元组的列表；
--name:模型的名称，即模型的保存路径；
--verbrose:True或者False,用来指定输出模型时是否将模型的结构打印出来；
--input_names:输入数据节点的名称，数据类型为包含字符串的列表；一般将这个名称设为['data']；
--output_names:输出数据节点的名称，类型与输入数据的节点名称相同；
在成功导出模型后，可以使用ONNX再对模型进行检查：
import onnx
# Load the ONNX model
model = onnx.load("alexnet.onnx")
# Check that the IR is well formed
onnx.checker.check_model(model)
# Print a human readable representation of the graph
onnx.helper.printable_graph(model.graph)
目前PyTorch还不支持导入ONNX格式的模型。
3、使用MXNET导出模型为ONNX时，参考地址：https://cwiki.apache.org/confluence/display/MXNET/ONNX，http://mxnet.incubator.apache.org/versions/master/tutorials/onnx/export_mxnet_to_onnx.html。MXNet模型的保存格式为.json文件+.params文件，.json文件里保存的是模型的结构，.params文件中保存的是模型的参数。使用onnx_mxnet.export_export_model()方法就可以实现将模型从mxnet转为ONNX格式，该方法需要传入的参数为：
--sym：.json文件，也就是保存了网络结构的文件
--params:参数文件
--input_shape:输入数据的形状，是一个包含形状元组的列表
--input_type:输入数据的类型；
--模型的保存路径
4、从MXNet导入ONNX格式模型：需要使用mxnet.contrib.onnx.onnx2mx.import_model.import_model(model_file)，这里返回的是sym, arg_arams,aux_params，也就是网络结构symbol对象，保存参数的字典, 再将其转为MXNet的module对象(使用mxnet.module.Module())，即可将模型恢复到mxnet框架下可执行的模型。
最后，好久没有记录日常学习积累的东西了，趁着失眠开个好头吧，晚安。。。