pytorch转为onnx格式：

　　def Torch2Onnx(model,input_size,output_name,istrained=True):

　　'''

　　:param: model

　　:param: input_size .e.t. (244,244)

　　:param: output_name .e.t. "test_output"

　　:param: if convert a trained model or not. default: True

　　'''

　　x = Variable(torch.randn(1,3,input_size[0],input_size[1])).cuda()

　　if istrained:

　　torch_out = torch.onnx.export(model,x,output_name,verbose=True)

　　else:

　　torch_out = torch.onnx.export(model,x,output_name,export_params=False,verbose=True) # Only export a untrained model.

　　使用举例：

　　model = model()

　　model.load_state_dict(torch.load(weight_path))

　　device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

　　model = model.to(device)

　　input_size = (384,288)

　　Torch2Onnx(model,input_size,"test.onnx")

　　获取model中的params：

　　请注意：不同的方法默认model在cpu还是在cuda上是不一样的，如果出现类似RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same的报错，请检查weight是否应该在cuda上。

　　方法一：使用torchsummary

　　使用pip安装torchsummary：

　　pip install torchsummary

　　代码片段：

　　from torchsummary import summary

　　model = model()

　　model.load_state_dict(torch.load(weight_path))

　　device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

　　model = model.to(device)

　　summary(model,(3,384,288))

　　大连妇科医院哪家好 https://m.120ask.com/zhenshi/dlfk/

　　方法二：使用torchstat

　　使用pip安装torchstat：

　　pip install torchstat

　　代码片段(和summary差不多)

　　from torchsummary import summary

　　model = model()

　　model.load_state_dict(torch.load(weight_path))

　　device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

　　stat(model,(3,384,288))

　　

　　方法三：使用thop(不太推荐)

　　使用pip安装thop：

　　pip install thop

　　代码片段：

　　from thop import profile,clever_format

　　model = model()

　　model.load_state_dict(torch.load(weight_path))

　　device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

　　flops, params = profile(model,inputs=())

　　flops,params = clever_format(flops,params,"%.3f")