译者:
在本教程中,我们将介绍如何使用ONNX将PyTorch中定义的模型转换为ONNX格式,然后将其加载到Caffe2中。一旦进入Caffe2,我们就可以运行模型来仔细检查它是否正确导出,然后我们展示了如何使用Caffe2功能(如移动导出器)在移动设备上执行模型。
在本教程中,你需要安装onnx和Caffe2。您可以使用pip install onnx获取onnx的二进制版本。
注意
: 本教程需要PyTorch master分支,可以按照 说明进行安装。
# 一些包的导入import ioimport numpy as npfrom torch import nnimport torch.utils.model_zoo as model_zooimport torch.onnx
超分辨率是一种提高图像,视频分辨率的方法,广泛用于图像处理或视频剪辑。在本教程中,我们将首先使用带有虚拟输入的小型超分辨率模型。
首先,让我们在PyTorch中创建一个SuperResolution模型。 直接来自PyTorch的例子,没有修改:
# PyTorch中定义的Super Resolution模型import torch.nn as nnimport torch.nn.init as initclass SuperResolutionNet(nn.Module): def __init__(self, upscale_factor, inplace=False): super(SuperResolutionNet, self).__init__()