ONNX模型跨框架迁移实战 · 课程目录

01

ONNX基础认知什么是ONNX · 为什么需要ONNX · 生态与优势

02

环境搭建与工具链安装ONNX · ONNX Runtime · protobuf · 调试工具

03

PyTorch模型导出ONNX torch.onnx.export 核心参数详解与实战

04

TensorFlow模型导出ONNX 使用 tf2onnx 工具进行模型转换

05

Keras模型导出ONNX Keras转ONNX的两种主流方式

06

PaddlePaddle模型导出ONNX Paddle2ONNX工具的使用与踩坑

07

ONNX模型结构解析 Netron可视化 · 节点与图结构

08

ONNX opset版本管理 opset选择 · 兼容性检查 · 升级策略

09

ONNX模型验证 onnxruntime推理验证 · 精度对比

10

ONNX模型优化 onnx-simplifier 简化模型结构

11

ONNX模型量化动态量化 · 静态量化原理与实现

12

ONNX模型剪枝通道剪枝 · 节点删除技术

13

ONNX自定义算子注册自定义算子 · 处理不支持的OP

14

ONNX与TensorRT 部署到TensorRT加速

15

ONNX与OpenVINO 部署到Intel OpenVINO

16

ONNX与CoreML 部署到Apple CoreML

17

ONNX与TFLite 转换为TFLite用于移动端

18

ONNX与NCNN 转换为NCNN用于端侧推理

19

ONNX与MNN 转换为MNN用于端侧推理

20

ONNX Runtime C++部署使用C++ API进行高性能推理

21

ONNX Runtime Python部署 Python环境推理服务封装

22

ONNX模型动态输入处理动态batch · 动态尺寸配置与实战

23

ONNX模型多输出处理多输出模型导出与后处理

24

ONNX模型调试技巧常见错误排查 · 日志分析 · 性能调优

25

ONNX模型安全模型加密 · 混淆 · 防篡改技术

26

ONNX模型版本管理模型版本控制与回滚策略

27

ONNX模型CI/CD集成自动化转换 · 测试 · 部署流水线

28

ONNX模型性能基准测试吞吐量 · 延迟 · 资源消耗评估

29

跨框架迁移实战：PyTorch→ONNX→TensorRT 全流程案例

30

跨框架迁移实战：PaddlePaddle→ONNX→OpenVINO 全流程案例