​作者​：昇腾实战派
​知识地图​：https://blog.csdn.net/Lumos_Lovegood/article/details/161601003

背景概述

在实际开发中，我们通常使用 PyTorch 训练模型，并通过 torch.onnx.export 将其导出为 ONNX 格式，以便在不同框架或推理引擎中部署。然而，有时我们只拥有 ONNX 模型文件，却丢失了原始的 PyTorch 代码或权重文件。此时，如何将 ONNX 模型逆向转换回 PyTorch 格式，便成为一个实际需求。本文将介绍社区中可行的转换方案及其注意事项。

方案

PyTorch 官方并未提供将 ONNX 模型逆向转换回 PyTorch 模型的工具，torch.onnx 模块目前仅支持单向导出（PyTorch → ONNX）。因此，ONNX → PyTorch 的转换均依赖社区开源项目。

目前主流的开源转换项目有 onnx2pytorch 和 onnx2torch。它们通过解析 ONNX 的 Protobuf 文件，动态地将 ONNX 算子映射到 PyTorch 的 nn.Module。需要注意的是，ONNX 是一个通用标准，包含许多 PyTorch 不支持或已废弃的算子，因此逆向转换无法保证 100% 还原，需要根据实际情况手动调整。

相关项目地址：

• onnx2torch
• onnx2pytorch

使用示例

以下代码展示了如何使用 onnx2torch 将 ONNX 模型转换为 PyTorch 模型并保存：

import onnx
from onnx import version_converter
import torch
from onnx2torch import convert

# Load the ONNX model.
model = onnx.load("model.onnx")
# Convert the model to the target version.
target_version = 13
converted_model = version_converter.convert_version(model, target_version)
# Convert to torch.
torch_model = convert(converted_model)
torch.save(torch_model, "model.pt")

注意事项

对于标准 CNN 网络（如 ResNet、YOLO 等），上述工具通常能够成功转换。但在遇到特殊算子或自定义层时，转换可能会失败或产生偏差。此时需要手动查看 ONNX 模型结构，分析算子映射关系，必要时通过编写自定义 PyTorch 模块来替代缺失的算子，从而完成转换。

总结

ONNX 转 PyTorch 虽无官方支持，但借助社区工具可以解决大部分常见场景的需求。开发者应充分了解转换的局限性，并在关键环节进行验证与手动调整，以确保转换后的模型行为与原始 ONNX 模型一致。