接上一篇完成的pytorch模型训练结果，模型结构为ResNet18+fc，参数量约为11M，最终测试集Acc达到94.83%。接下来有分两个部分：导出onnx和使用onnxruntime推理。一、pytorch导出onnx直接放函数吧，这部分我是直接放在test.py里面的，直接从dataloader中拿到一个batch的数据走一遍推理即可。defexport_onnx(net,testloader,output_file):net.eval()withtorch.no_grad():fordataintestloader:images,labels=datatorch.onnx.expor

接上一篇完成的pytorch模型训练结果，模型结构为ResNet18+fc，参数量约为11M，最终测试集Acc达到94.83%。接下来有分两个部分：导出onnx和使用onnxruntime推理。一、pytorch导出onnx直接放函数吧，这部分我是直接放在test.py里面的，直接从dataloader中拿到一个batch的数据走一遍推理即可。defexport_onnx(net,testloader,output_file):net.eval()withtorch.no_grad():fordataintestloader:images,labels=datatorch.onnx.expor