VIP20

本课程属于：007-ONNX模型转换与算子兼容 工业控制与工业互联网 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

PyTorch导出ONNX动态shape处理实战指南

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 适用人群 · 课程整体框架与学习路径

课程导入学习目标

ONNX格式概述 · 计算图结构 · 节点与张量

ONNX格式概述

PyTorch导出ONNX基础

torch.onnx.export核… · 导出流程 · 静态shape导出示例

动态shape概念

什么是动态shape · 静态shape与动态shape的区别 · 动态shape的应用场景（如NLP变…

动态轴（dynamic_axes）详解

dynamic_axes参数用法 · 指定输入输出动态维度 · 多个动态轴配置

动态shape导出实战

以文本分类模型为例 · 实现batch维度和序列长度维度的动…

动态shape与静态shape对比

导出文件差异 · 推理性能差异 · 兼容性对比

动态shape的约束与限制

ONNX算子对动态shape的支持 · 某些算子不支持动态shape的解决方…

动态shape与模型输入预处理

动态输入时的数据填充 · mask生成 · padding策略

动态shape与batch推理

动态batch的导出 · 推理时动态batch处理 · 性能优化技巧

动态shape与序列长度

变长序列处理 · 使用attention mask · 动态序列长度导出

动态shape与图像尺寸

目标检测/分割模型动态输入尺寸导出 · 坐标归一化处理

动态shape与多输入模型

多输入动态轴配置 · 不同输入不同动态维度

动态shape与输出动态

输出维度动态化（如检测框数量） · 动态输出处理

动态shape与条件控制流

模型中的if/loop对动态shap… · 使用ONNX控制流算子

动态shape与自定义算子

自定义算子动态shape支持 · 注册与导出注意事项

动态shape导出常见错误

报错信息解读 · shape推断失败 · 维度不匹配等问题的排查方法

动态shape与ONNX Runtime推理

使用ONNX Runtime加载动态… · 动态输入绑定 · 推理示例

动态shape与TensorRT部署

TensorRT对动态shape的支… · 优化配置 · 动态shape引擎构建

动态shape与OpenVINO部署

OpenVINO动态shape支持 · 模型转换与推理配置

动态shape与ONNX简化

使用onnx-simplifier处… · 简化模型结构

动态shape与模型验证

使用onnxruntime验证动态模… · 与PyTorch结果对比

动态shape与量化

动态shape模型量化注意事项 · 量化后动态shape支持

动态shape与多批次优化

动态batch与静态batch性能权… · 动态shape内存管理

动态shape与Transformer模型

BERT等Transformer动态… · attention mask处理 · 动态序列长度

shapeTransformer

动态shape与YOLO系列

YOLOv5/v8动态输入导出 · 后处理动态shape适配

动态shape与语音模型

语音识别/合成模型动态时间维度导出 · 流式处理

动态shape与强化学习

策略网络动态输入（如可变观测维度） · 导出与部署

动态shape综合实战

从PyTorch模型到ONNX动态导… · 优化 · 部署全流程案例

课程总结与进阶

动态shape最佳实践 · 常见坑总结 · 学习资源推荐

课程总结进阶