區(qū)塊鏈技術(shù)概括起來是指通過去中心化和去信任的方式集體維護(hù)一個可靠數(shù)據(jù)庫的技術(shù)。其實(shí)，區(qū)塊鏈技術(shù)并不是一種單一的、全新的技術(shù)，而是多種現(xiàn)有技術(shù)整合的結(jié)果，這些技術(shù)與數(shù)據(jù)庫巧妙地組合在一起，形成了一種新的數(shù)據(jù)記錄、傳遞、存儲與呈現(xiàn)的方式

　　(9).operator_export_type=None：enum類型，默認(rèn)為None。None通常表示"`OperatorExportTypes.ONNX"，但是，如果PyTorch是用"DPYTORCH_ONNX_CAFFE2_BUNDLE"構(gòu)建的，則None表示"OperatorExportTypes.ONNX_ATEN_FALLBACK"。OperatorExportTypes.ONNX：將所有操作導(dǎo)出為常規(guī)ONNX操作(在默認(rèn)操作域中(opset domain))。OperatorExportTypes.ONNX_FALLTHROUGH：嘗試將所有操作轉(zhuǎn)換為默認(rèn)操作域中的標(biāo)準(zhǔn)ONNX操作。OperatorExportTypes.ONNX_ATEN：所有的ATen操作(ops)都導(dǎo)出為ATen操作。OperatorExportTypes.ONNX_ATEN_FALLBACK:嘗試將每個ATen操作導(dǎo)出為常規(guī)ONNX操作。

　　(10).opset_version=None：int類型，在PyTorch 1.11.0版本中，默認(rèn)值為9，此值范圍必須在[7,15]范圍內(nèi)。每個PyTorch版本對應(yīng)的值范圍不同。ONNX算子集版本。參考：https://github.com/onnx/onnx/blob/main/docs/Operators.md

　　于區(qū)塊鏈項目技術(shù)開發(fā)唯:MrsFu123，代幣發(fā)行、dapp智能合約開發(fā)、鏈游開發(fā)、單雙幣質(zhì)押、多鏈錢包開發(fā)、NFT盲盒游戲、公鏈、鏈上游戲開發(fā)

　　Uniswap、交易所開發(fā)、量化合約開發(fā)、合約對沖、互助游戲開發(fā)、Nft數(shù)字藏品開發(fā)、眾籌互助開發(fā)、元宇宙開發(fā)、swap開發(fā)、DAO智能合約、

　　夾子合約、鏈上合約開發(fā)、ido開發(fā)、商城開發(fā)等，開發(fā)過各種各樣的系統(tǒng)模式，更有多種模式、制度、案例、后臺等，成熟技術(shù)團(tuán)隊，歡迎實(shí)體參考。

　　(11).do_constant_folding=True：默認(rèn)為True。應(yīng)用constant-folding優(yōu)化。constant-folding將用預(yù)先計算的常量節(jié)點(diǎn)替換一些具有所有常量輸入的操作。

　　(12).dynamic_axes=None：字典類型，默認(rèn)為空字典。默認(rèn)情況下，導(dǎo)出的模型將所有輸入和輸出tensors的shape設(shè)置為與args中給出的完全匹配。指定輸入輸出tensor的哪些維度是動態(tài)的，ONNX默認(rèn)所有參與運(yùn)算的tensor都是靜態(tài)的(tensor的shape不發(fā)生改變)。

　　關(guān)

　　(13).keep_initializers_as_inputs=None：bool類型，默認(rèn)為None。如果為True，則導(dǎo)出的graph中所有初始化程序(通常對應(yīng)于參數(shù))也將作為輸入添加到graph。如果為False，則初始化程序不會作為輸入添加到graph，并且僅將非參數(shù)輸入添加為輸入。

　　(14).custom_opsets=None：字典類型，默認(rèn)為空字典。schema字典：Key(str)：opset域名；Value(int)：opset版本。

　　(15).export_modules_as_functions=False：bool類型或set of type of nn.Module，默認(rèn)為False。將所有nn.Module forward調(diào)用導(dǎo)出為ONNX中的本地函數(shù)(local function)。或指示要在ONNX中導(dǎo)出為本地函數(shù)的特定模塊類型。

　　import sys

　　sys.path.append("..")#為了導(dǎo)入pytorch目錄中的內(nèi)容

　　from pytorch.lenet5.test_lenet5_mnist import LeNet5,list_files,get_image_label

　　def load_pytorch_model(model_name):

　　model=LeNet5(n_classes=10).to('cpu')#實(shí)例化一個LeNet5網(wǎng)絡(luò)對象

　　model.load_state_dict(torch.load(model_name))#加載pytorch模型

　　model.eval()#將網(wǎng)絡(luò)設(shè)置為評估模式