量化交易，也称自动化交易，是指通过计算机程序辅助完成交易的一种交易方式。量化交易，可以使用简单的程序化交易专用语言也可以使用复杂的数据处理工具，还可以使用专业的编程语言。程序化交易，主要强调在交易实现的手段上使用的是计算机程序自动检测和执行，是一种下单交易工具。
量化交易需要注意以下几个方面：
-数据质量：数据是量化交易的基础，因此需要保证数据的准确性、完整性和及时性，避免因为数据错误而导致策略失效或者损失。
-模型有效性：模型是量化交易的核心，因此需要保证模型的科学性、稳定性和适应性，避免因为模型过拟合或者过时而导致策略失效或者损失。
-系统安全性：系统是量化交易的工具，因此需要保证系统的可靠性、高效性和安全性，避免因为系统故障或者攻击而导致策略失效或者损失。
import torch
import torch.nn
import onnx
model=torch.load('best.pt')
model.eval()
input_names=['input']
output_names=['output']
x=torch.randn(1,3,32,32,requires_grad=True)
torch.onnx.export(model,x,'best.onnx',input_names=input_names,output_names=output_names,verbose='True')
import io
import torch
import torch.onnx
from models.C3AEModel import PlainC3AENetCBAM
device=torch.device("cuda:0"if torch.cuda.is_available()else"cpu")
def test():
model=PlainC3AENetCBAM()
pthfile=r'/home/joy/Projects/models/emotion/PlainC3AENet.pth'
loaded_model=torch.load(pthfile,map_location='cpu')
#try:
#loaded_model.eval()
#except AttributeError as error:
#print(error)
model.load_state_dict(loaded_model['state_dict'])
#model=model.to(device)
#data type nchw
dummy_input1=torch.randn(1,3,64,64)
#dummy_input2=torch.randn(1,3,64,64)
#dummy_input3=torch.randn(1,3,64,64)
input_names=["actual_input_1"]
output_names=["output1"]
#torch.onnx.export(model,(dummy_input1,dummy_input2,dummy_input3),"C3AE.onnx",verbose=True,input_names=input_names,output_names=output_names)
torch.onnx.export(model,dummy_input1,"C3AE_emotion.onnx",verbose=True,input_names=input_names,output_names=output_names)
if name=="main":
test()
