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__()