我想验证我的.onnx模型是否正确，需要运行推理来检查输出是否一致。
我知道我们可以使用Python中的coremltools对.mlmodel进行验证——基本上是加载模型和输入，然后获取预测结果。我试图对.onnx模型做类似的事情。
我找到了MXNet框架，但似乎无法理解如何导入模型——我只有.onnx文件，而MXNet需要除了onnx模型之外的其他输入。
在Python中还有其他简单的方法可以做到这一点吗？我猜这是一个常见的问题，但似乎找不到任何相关的库/框架可以像coremltools对.mlmodel那样轻松地做到这一点。
我不希望将.onnx转换为其他类型的模型（比如PyTorch），因为我想检查.onnx模型本身，而不担心转换是否正确。只需要一种方法来加载模型和输入，运行推理并打印输出。
这是我第一次遇到这些格式，所以任何帮助或见解都将不胜感激。
谢谢！
回答：
我找到了一种使用Caffe2的方法来做到这一点——只是以防将来有人试图做同样的事情而发布在这里。
主要代码片段是：
import onnx
import caffe2.python.onnx.backend
from caffe2.python import core, workspace
import numpy as np
# 制作符合模型要求的正确维度和类型的输入Numpy数组
modelFile = onnx.load('model.onnx')
output = caffe2.python.onnx.backend.run_model(modelFile, inputArray.astype(np.float32))还需要注意的是，run_model的输入只能是numpy数组或字符串。输出将是Backend.Outputs类型的对象。我能够从中提取输出numpy数组。
我能够在CPU上执行推理，因此不需要安装带GPU的Caffe2（需要CUDA和CDNN）。
