Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

PyTorch 到 ONNX 到 CNTK 教程

ONNX 概述

开放神经网络交换 (ONNX) 是一种用于表示深度学习模型的开放格式。ONNX 受到 Amazon Web Services、Microsoft、Facebook 和其他多个合作伙伴的支持。您可以使用任何选定的框架来设计、训练和部署深度学习模型。ONNX 模型的好处是，它们可以在框架之间轻松移动。

本教程介绍如何将带 Conda 的深度学习 AMI 与 ONNX 结合使用。通过执行以下步骤，您可以训练模型或从一个框架中加载预先训练的模型，将此模型导出为 ONNX，然后将此模型导入到另一个框架中。

ONNX 先决条件

要使用此 ONNX 教程，您必须有权访问带 Conda 的深度学习 AMI 版本 12 或更高版本。有关如何开始使用带 Conda 的深度学习 AMI 的更多信息，请参阅 带 Conda 的深度学习 AMI。

使用带 Conda 的深度学习 AMI 来启动终端会话以开始以下教程。

将 PyTorch 模型转换为 ONNX，然后将模型加载到 CNTK

首先，激活 PyTorch 环境：

$ source activate pytorch_p36
         

使用文本编辑器创建新文件，在脚本中使用以下程序训练模拟模型 PyTorch，然后将其导出为 ONNX 格式。

# Build a Mock Model in Pytorch with a convolution and a reduceMean layer\
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
from torch.autograd import Variable
import torch.onnx as torch_onnx

class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.conv = nn.Conv2d(in_channels=3, out_channels=32, kernel_size=(3,3), stride=1, padding=0, bias=False)

    def forward(self, inputs):
        x = self.conv(inputs)
        #x = x.view(x.size()[0], x.size()[1], -1)
        return torch.mean(x, dim=2)

# Use this an input trace to serialize the model
input_shape = (3, 100, 100)
model_onnx_path = "torch_model.onnx"
model = Model()
model.train(False)

# Export the model to an ONNX file
dummy_input = Variable(torch.randn(1, *input_shape))
output = torch_onnx.export(model, 
                          dummy_input, 
                          model_onnx_path, 
                          verbose=False)

在您运行此脚本后，您将在同一目录中看到新创建的 .onnx 文件。现在，切换到 CNTK Conda 环境以使用 CNTK 加载模型。

接下来，激活 CNTK 环境：

$ source deactivate
$ source activate cntk_p36      

使用文本编辑器创建一个新文件，并在脚本中使用以下程序以在 CNTK 中打开 ONNX 格式文件。

import cntk as C
# Import the PyTorch model into CNTK via the CNTK import API
z = C.Function.load("torch_model.onnx", device=C.device.cpu(), format=C.ModelFormat.ONNX)

在运行此脚本后，CNTK 将加载模型。

您也可以通过以下方式使用 CNTK 导出为 ONNX：将以下内容追加到上一脚本，然后运行它。

# Export the model to ONNX via the CNTK export API
z.save("cntk_model.onnx", format=C.ModelFormat.ONNX)

ONNX 教程