ONNX（Open Neural Network Exchange）是模型交换的事实标准。Born 的 onnx 包让你把 PyTorch 训练的模型直接加载到 Go 中运行。

—

PyTorch → ONNX → Born 完整流程

Python 端：导出 ONNX

import torch model.eval() dummy_input = torch.randn(1, 3, 224, 224) torch.onnx.export(model, dummy_input, “model.onnx”, input_names=[“input”], output_names=[“output”], opset_version=17)

// Go 端：加载并推理 backend := cpu.New() model, err := onnx.Load(“model.onnx”, backend)

input := tensor.FromSlice(data, tensor.Shape{1, 3, 224, 224}, backend) outputs, err := model.Forward(input.Raw())

—

支持的算子

Born 支持 49 个 ONNX 算子（OpSet 14-18）：

类别	算子
数学	Add, Sub, Mul, Div, Pow, Sqrt, Exp, Log
矩阵	MatMul, Gemm, Transpose
激活	ReLU, Sigmoid, Tanh, Softmax, Gelu, Silu
形状	Reshape, Squeeze, Unsqueeze, Concat, Split, Slice
卷积	Conv, ConvTranspose, MaxPool, AveragePool
归一化	BatchNormalization, LayerNormalization, InstanceNormalization

—

不支持的算子怎么办？

1. ONNX Simplifier：onnxsim model.onnx model_simple.onnx 2. OpSet 降级：用旧版本算子语义 3. 自定义算子注册：

onnx.RegisterOp(“MyCustomOp”, func(inputs []tensor.Tensor) ([]tensor.Tensor, error) { // 你的实现 })

—

📘 《Born》连载技术书，第 19/22 章。