前言

构建onnx方式通常有两种：
1、通过代码转换成onnx结构，比如pytorch —> onnx
2、通过onnx 自定义结点，图，生成onnx结构

本文主要是简单学习和使用两种不同onnx结构，
下面以 And 结点进行分析

方式

方法一：pytorch --> onnx

暂缓，主要研究方式二

方法二： onnx

import onnx
from onnx import helper
from onnx import TensorProto

# 创建最小值节点
node = helper.make_node(
    'And',  # 节点类型
    ['input1', 'input2'],  # 输入
    ['output'],  # 输出
)

# 创建ONNX图
graph = helper.make_graph(
    [node],  # 节点列表
    'Max_graph',  # 图的名称
    [  # 输入
        helper.make_tensor_value_info('input1', TensorProto.BOOL, [1,3,32]),
        helper.make_tensor_value_info('input2', TensorProto.BOOL, [1,3,32]),
    ],
    [  # 输出
        helper.make_tensor_value_info('output', TensorProto.BOOL, [1,3,32]),
    ],
)

# 创建ONNX模型
model = helper.make_model(graph, producer_name='onnx-example')

# 保存ONNX模型
onnx.save(model, 'And_model.onnx')