去中心化应用（DApp）程序架构
Web3去除了管理中心，无需数据库集中存储应用程序的状态，也不需要集中的网络服务器来存放后端的逻辑，Web3的应用程序（DApp）架构与Web2时代的App有很大不同，Web3可以利用区块链在互联网上的去中心化状态机上构建应用程序。
torch.onnx.export：如果pytorch模型既不是torch.jit.ScriptModule也不是orch.jit.ScriptFunction，它(torch.nn.Module)会run一次pytorch模型，以便将其转换为TorchScript graph被导出(相当于torch.jit.trace，跟踪其执行情况，然后将跟踪的模型导出到onnx文件)。生成的onnx文件包含一个二进制protocol buffer，其中包含你导出的模型的网络结构和参数。
参数说明：
(1).model：要导出的pytorch模型，可以为torch.nn.Module,torch.jit.ScriptModule或torch.jit.ScriptFunction。
(2).args：模型的输入，可以为tuple或torch.Tensor。
(3).f：一个类似文件的对象或一个包含文件名的字符串。A binary protocol buffer will be written to this file。
(4).export_params=True：默认值为True。如果为True，则将导出所有参数。如果要导出未经训练的模型，需将此参数设置为False。如果为True，导出的模型将首先将其所有参数作为参数，其顺序由model.stat_dict().values()指定。
(5).verbose=False：默认值为False。如果为True，则打印正在导出到标准输出的模型的描述。此外，最终的ONNX graph将包含来自导出模型的字段"doc_string"，其中提到了"model"的源代码位置。
(6).training=TrainingMode.EVAL：默认值为TrainingMode.EVAL。TrainingMode.EVAL：以推理模式导出模型。TrainingMode.PRESERVE：如果model.training为False，则以推理模式导出模型；如果model.training为True，则以训练模式导出模型。TrainingMode.TRAINING：以训练模式导出模型，禁用可能会干扰训练的优化。
(7).input_names=None：类型为str的列表，默认为空列表。按顺序分配给graph的输入节点的名称。如果不设置的话，会自动分配一些简单的名字，如input.1。ONNX模型的每个输入和输出tensor都有一个名字。
(8).output_names=None：类型为str的列表，默认为空列表。按顺序分配给graph的输出节点的名称。如果不设置的话，会自动分配一些简单的名字或数字，如logits、25。ONNX模型的每个输入和输出tensor都有一个名字。
