您的功能请求是否与问题相关？请描述。

我想能够将计算机视觉模型导出到ONNX格式

描述使用场景

ONNX 是一种将要添加到torchscript的格式。它可以在许多环境中运行，包括iOS、Android、Web等。

描述您希望的解决方案

我已经编写了大部分代码。我只需要测试它并为它创建一个PR:

class LudwigWrapper(torch.nn.Module):
    def __init__(self, model):
        super(LudwigWrapper, self).__init__()
        self.model = model

    def forward(self, x):
        return self.model({"image_path": x})

def _export_classifier_onnx(model_path, export_path):
    ludwig_model = LudwigModel.load(model_path)
    model = LudwigWrapper(ludwig_model.model)  # Wrap the model
    model.eval()  # inference mode, is this needed.. I think onnx export does this for us

    width = ludwig_model.config["input_features"][0]["preprocessing"]["width"]
    height = ludwig_model.config["input_features"][0]["preprocessing"]["height"]
    example_input = torch.randn(1, 3, width, height, requires_grad=True)

    torch.onnx.export(
        model,
        example_input,
        export_path,
        opset_version=18,
        export_params=True,
        do_constant_folding=True,
        input_names=["input"],
        output_names=["combiner_hidden_1", "output", "combiner_hidden_2"],
    )

def _quantize(path_fp32, path_int8):
    from onnxruntime.quantization import quantize_dynamic

    quantize_dynamic(path_fp32, path_int8)  # type: ignore

描述您考虑过的替代方案

另一种选择是使用其他格式，如CoreML

附加上下文

加入我们的slack频道： #computer-vision