去中心化是与中心化相对的一个概念，在一个中心化的系统中，其它的节点必须依赖中心才能生存，中心决定了节点。在一个去中心化的系统中，分布有众多的节点，每个节点都具有高度自治的特征，每一个节点都是一个“小中心”。
人工智能（Artificial Intelligence，简称AI）是指计算机系统在完成类似人类智力所需的任务时所表现出来的能力。它是一种复杂的技术，通过将大量的数据输入到算法中进行学习，不断调整和改进自己的算法，从而不断优化其性能
(9).operator_export_type=None：enum类型，默认为None。None通常表示"`OperatorExportTypes.ONNX"，但是，如果PyTorch是用"DPYTORCH_ONNX_CAFFE2_BUNDLE"构建的，则None表示"OperatorExportTypes.ONNX_ATEN_FALLBACK"。OperatorExportTypes.ONNX：将所有操作导出为常规ONNX操作(在默认操作域中(opset domain))。OperatorExportTypes.ONNX_FALLTHROUGH：尝试将所有操作转换为默认操作域中的标准ONNX操作。OperatorExportTypes.ONNX_ATEN：所有的ATen操作(ops)都导出为ATen操作。OperatorExportTypes.ONNX_ATEN_FALLBACK:尝试将每个ATen操作导出为常规ONNX操作。
(10).opset_version=None：int类型，在PyTorch 1.11.0版本中，默认值为9，此值范围必须在[7,15]范围内。每个PyTorch版本对应的值范围不同。ONNX算子集版本。参考：https://github.com/onnx/onnx/blob/main/docs/Operators.md
(11).do_constant_folding=True：默认为True。应用constant-folding优化。constant-folding将用预先计算的常量节点替换一些具有所有常量输入的操作。
(12).dynamic_axes=None：字典类型，默认为空字典。默认情况下，导出的模型将所有输入和输出tensors的shape设置为与args中给出的完全匹配。指定输入输出tensor的哪些维度是动态的，ONNX默认所有参与运算的tensor都是静态的(tensor的shape不发生改变)。
关
(13).keep_initializers_as_inputs=None：bool类型，默认为None。如果为True，则导出的graph中所有初始化程序(通常对应于参数)也将作为输入添加到graph。如果为False，则初始化程序不会作为输入添加到graph，并且仅将非参数输入添加为输入。
(14).custom_opsets=None：字典类型，默认为空字典。schema字典：Key(str)：opset域名；Value(int)：opset版本。
(15).export_modules_as_functions=False：bool类型或set of type of nn.Module，默认为False。将所有nn.Module forward调用导出为ONNX中的本地函数(local function)。或指示要在ONNX中导出为本地函数的特定模块类型。
import sys
sys.path.append("..")#为了导入pytorch目录中的内容
from pytorch.lenet5.test_lenet5_mnist import LeNet5,list_files,get_image_label
def load_pytorch_model(model_name):
model=LeNet5(n_classes=10).to('cpu')#实例化一个LeNet5网络对象
model.load_state_dict(torch.load(model_name))#加载pytorch模型
model.eval()#将网络设置为评估模式
