疯狂的石头

多输入网络构建、模型导出生成ONNX格式、导出的ONNX模型有效性验证三个部分。

地平线工具链支持的ONNX模型需要满足 opset_version=10/11 且 ir_version≤7，当拿到的ONNX模型不满足这两个要求时，可以修改代码重新导出，或者尝试编写脚本直接修改ONNX模型的对应属性，第二种方式的示例代码如下。检查导出的ONNX模型和原始的PaddlePaddle模型是否有相同的计算结果。此时ONNX模型的ir_version=6，opset_version=10，满足地平线工具链的转换条件。验证ONNX模型的正确性，会检查模型的版本，图的结构，节点及输入输出。

但在实际问题中，数据集往往非常大，如果每次都使用全量数据进行计算，效率非常低，通俗地说就是“杀鸡焉用牛刀”。神经网络的标准结构中每个神经元由加权和与非线性变换构成，然后将多个神经元分层的摆放并连接形成神经网络。在现实中存在大量的函数正向求解容易，但反向求解较难，被称为单向函数，这种函数在密码学中有大量的应用。神经网络模型的损失函数就是这样的单向函数，反向求解并不容易。求解Loss函数最小值可以这样实现：从当前的参数取值，一步步的按照下坡的方向下降，直到走到最低点（Gradient Descent，GD）。