6.3.1. 浮点模型准备

在您阅读本节内容前，我们建议您先阅读我们的 工具链算子支持约束列表 章节， 对地瓜机器人支持的算子及约束条件进行了解。 或在您导出 ONNX 模型后，可以先参考 验证模型 章节的内容， 验证模型是否能被地瓜机器人支持完成正常转换部署。

基于公开 DL 框架训练得到的浮点模型是转换工具的输入，目前转换工具支持的 DL 框架如下：

框架	地瓜机器人工具链
Caffe	支持
PyTorch	支持(转 ONNX)
TensorFlow	支持(转 ONNX)
PaddlePaddle	支持(转 ONNX)
MXNet	支持(转 ONNX)
其他框架	请联系地瓜机器人

以上框架中，Caffe 导出的 caffemodel 是直接支持的，PyTorch、TensorFlow 和 MXNet 是通过转到 ONNX 实现间接支持，ONNX 目前主要支持的 opset 版本是 opset10 和 opset11。

对于不同框架到 ONNX 的转换，目前都有对应的标准化方案，参考如下：

🔗 Pytorch2Onnx：PytTorch 官方 API 支持直接将模型导出为 ONNX 模型，参考链接：

https://pytorch.org/tutorials/advanced/super_resolution_with_onnxruntime.html。

🔗 Tensorflow2Onnx：基于 ONNX 社区的 onnx/tensorflow-onnx 进行转换，参考链接：

https://github.com/onnx/tensorflow-onnx。

🔗 PaddlePaddle2Onnx：PaddlePaddle 官方 API 支持直接将模型导出为 ONNX 模型，参考链接：

https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/onnx/export_cn.html。

🔗 MXNet2Onnx：MXNet 官方 API 支持直接将模型导出为 ONNX 模型，参考链接：

https://github.com/dotnet/machinelearning/blob/master/test/Microsoft.ML.Tests/OnnxConversionTest.cs。

🔗 更多框架的 ONNX 转换支持，参考链接：

https://github.com/onnx/tutorials#converting-to-onnx-format。

注意

原始模型限制：ir_version≤7, opset=10 或 11，ir_version 与 onnx 版本的对应关系请参考 onnx 官方文档 。