📘 ONNX 动态形状实战
30 章 · 从入门到部署
✨ 友好色系
01
ONNX基础入门
是什么
为什么需要
生态与工具链
➔
02
ONNX模型结构解析
protobuf
Graph/Node
Tensor
➔
03
静态形状与动态形状
静态形状
动态形状
为什么需要
➔
04
动态形状核心概念
Symbolic Dimension
Dynamic Axes
➔
05
PyTorch导出动态ONNX
dynamic_axes详解
➔
06
TensorFlow导出动态ONNX
tf2onnx
动态轴配置
➔
07
PaddlePaddle导出动态ONNX
paddle2onnx
dynamic_shape
➔
08
ONNX模型可视化
Netron
动态形状信息
➔
09
ONNX模型编辑基础
onnxruntime
onnx库
➔
10
动态形状约束与限制
opset版本
支持差异
➔
11
动态Batch Size处理
可变batch
优化
➔
12
动态序列长度处理
NLP变长
导出优化
➔
13
动态图像尺寸处理
CV变分辨率
适配
➔
14
动态轴与静态轴混合
部分动态
最佳实践
➔
15
ONNX Runtime动态推理
SessionOptions
IOBinding
➔
16
TensorRT动态ONNX
trtexec
动态shape
➔
17
OpenVINO动态ONNX
model_optimizer
动态输入
➔
18
Triton Inference Server
动态形状部署
➔
19
动态形状性能优化
内存池
显存管理
算子融合
➔
20
动态形状精度问题
数值稳定性
调试
➔
21
动态形状调试技巧
onnxruntime日志
Profiler
➔
22
常见动态形状错误解析
Shape mismatch
Invalid argument
➔
23
动态形状与量化
动态量化
静态量化
➔
24
动态形状与图优化
onnx-simplifier
onnxoptimizer
➔
25
自定义算子与动态形状
Custom Op
动态shape支持
➔
26
边缘设备部署
Jetson
Intel NUC
➔
27
云端部署实践
AWS SageMaker
阿里云PAI
➔
28
动态形状模型安全与加密
加密
动态解密推理
➔
29
动态形状的未来
ONNX 2.0
Shape Inference
➔
30
综合实战
从零构建动态ONNX推理服务
➔