pytorch导出onnx时遇到不支持的算子怎么解决

在使用pytorch模型训练完成之后，我们现在使用的比较多的一种方法是将pytorch模型转成onnx格式的模型中间文件，然后再根据使用的硬件来生成具体硬件使用的深度学习模型，比如TensorRT。
在从pytorch模型转为onnx时，我们可能会遇到部分算子无法转换的问题，本篇注意记录下解决方法。

在导出onnx时，如果出现报错的算子，可以先在下面的链接中查找onnx算子是否支持
https://github.com/onnx/onnx/blob/main/docs/Operators.md

pytorch中有，onnx中也有的算子

导出时使用的onnx op 版本低导致

这个就好解决了，把op库的版本提高就行，但是有可能提高了版本以后，又出现了原来支持的算子现在又不支持了，这个再说

pytorch中没有注册某个onnx算子

如果是这种情况，就按照下面的方式进行：

from torch.onnx import register_custom_op_symbolic
# 创建一个asinh算子的symblic，符号函数，用来登记
# 符号函数内部调用g.op, 为onnx计算图添加Asinh算子
#   g: 就是graph，计算图
#   也就是说，在计算图中添加onnx算子
#   由于我们已经知道Asinh在onnx是有实现的，所以我们只要在g.op调用这个op的名字就好了
#   symblic的参数需要与Pytorch的asinh接口函数的参数对齐
#       def asinh(input: Tensor, *, out: Optional[Tensor]=None) -> Tensor: ...
def asinh_symbolic(g, input