我正在编写一个Python脚本，用于将流行框架（TensorFlow、Keras、PyTorch）中的任何深度学习模型转换为ONNX格式。目前，我已经使用了tf2onnx来处理TensorFlow到ONNX的转换，使用keras2onnx来处理Keras到ONNX的转换，这些都运作良好。
现在PyTorch已经集成了ONNX支持，因此我可以直接从PyTorch保存ONNX模型。但问题是我需要知道该模型的输入张量形状，以便将其保存为ONNX格式。正如您可能已经猜到的那样，我正在编写这个脚本来转换未知的深度学习模型。
这里是PyTorch关于ONNX转换的教程。其中提到：
限制¶ONNX导出器是一个基于跟踪的导出器，这意味着它通过执行一次您的模型，并导出在此运行期间实际运行的操作符。如果您的模型是动态的，例如，根据输入数据改变行为，则导出可能不会准确。
同样，跟踪可能仅对特定输入大小有效（这是我们要求在跟踪时明确输入的原因之一）。大多数操作符导出的是大小无关的版本，并且应该适用于不同的批次大小或输入大小。我们建议检查模型跟踪，并确保跟踪的操作符看起来合理。
我使用的代码片段如下：
import torchdef convert_pytorch2onnx(self): """pytorch -> onnx""" model = torch.load(self._model_file_path) # 不知道如何获取这个INPUT_SHAPE dummy_input = torch.randn(INPUT_SHAPE) torch.onnx.export(model, dummy_input, self._onnx_file_path) return那么，我如何知道那个未知PyTorch模型的输入张量的INPUT_SHAPE？或者有没有其他方法将PyTorch模型转换为ONNX？
回答：
您可以从以下内容开始调试
list(model.parameters())[0].shape # 第一层的权重，格式为（N,C,内核维度） # 64, 3, 7, 7之后获取N,C，并根据这个玩具示例创建一个张量，特别是将H,W设置为None
import torchimport torchvisionnet = torchvision.models.resnet18(pretrained = True)shape_of_first_layer = list(net.parameters())[0].shape #shape_of_first_layerN,C = shape_of_first_layer[:2]dummy_input = torch.Tensor(N,C)dummy_input = dummy_input[...,:, None,None] #为高度和宽度添加Nonetorch.onnx.export(net, dummy_input, './alpha')