本节介绍 PP-OCRv4 模型如何转化为 ONNX 模型。
环境准备
需要准备 PaddleOCR、Paddle2ONNX 模型转化环境，和 ONNXRuntime 推理环境。
安装 Paddle2ONNX
Paddle2ONNX 支持将 PaddlePaddle 模型格式转化到 ONNX 模型格式，安装命令如下：
python3 -m pip install paddle2onnx
安装 ONNXRuntime
ONNXRuntime 为ONNX模型提供推理预测环境，安装命令如下：
python3 -m pip install onnxruntime
训练模型下载
# 进入 PaddleOCR 源码目录
cd PaddleOCR
# 下载训练模型
wget -P pretrained https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-CRv4_det_train.tar
# 解压模型文件
cd pretrained && tar xf ch_PP-OCRv4_det_train.tar && cd ..
训练模型转inference模型
inference模型（paddle.jit.save保存的模型）一般是把模型结构和模型参数保存在文件中的固化模型，多用于预测部署场景。训练过程中保存的模型是checkpoints模型，保存的只有模型的参数，多用于恢复训练等。与checkpoints模型相比，inference模型会额外保存模型的结构信息，在预测部署、加速推理上性能优越，灵活方便，适合于实际系统集成。
转换命令
python3 tools/export_model.py -c configs/det/ch_PP-OCRv4/ch_PP-OCRv4_det_student.yml \
-o Global.pretrained_model=./pretrained/ch_PP-OCRv4_det_train/best_accuracy \
Global.save_inference_dir=./inference/ch_PP-OCRv4_det_infer/
转换成功：
参数说明
-c 后面设置训练算法的yml配置文件
-o 配置可选参数
Global.pretrained_model 参数设置待转换的训练模型地址，不用添加文件后缀 .pdmodel，.pdopt或.pdparams。
Global.save_inference_dir参数设置转换的模型将保存的地址。
输出结果
转inference模型时，使用的配置文件和训练时使用的配置文件相同。另外，还需要设置配置文件中的Global.pretrained_model参数，其指向训练中保存的模型参数文件。 转换成功后，在模型保存目录下有三个文件：
inference/ch_PP-OCRv4_det_infer/
├── inference.pdiparams # 检测inference模型的参数文件
├── inference.pdiparams.info # 检测inference模型的参数信息，可忽略
├── inference.pdmodel # 检测inference模型的program文件
└── inference.yml # 检测inference模型的配置文件
inference模型转ONNX模型
本节介绍使用 Paddle2ONNX工具将 Paddle inference 模型转换为 ONNX 模型格式。
转换命令
paddle2onnx --model_dir ./inference/ch_PP-OCRv4_det_infer \
--model_filename inference.pdmodel \
--params_filename inference.pdiparams \
--save_file ./inference/det_onnx/model.onnx \
--opset_version 11 \
--enable_onnx_checker True
转换成功：
参数说明
--model_dir 配置包含 Paddle 模型的目录路径
--model_filename [可选] 配置位于 --model_dir 下存储网络结构的文件名
--params_filename [可选] 配置位于 --model_dir 下存储模型参数的文件名称
--save_file 指定转换后的模型保存目录路径
--opset_version [可选] 配置转换为 ONNX 的 OpSet 版本，目前支持 7~19 等多个版本，默认为 9
--enable_onnx_checker [可选] 配置是否检查导出为 ONNX 模型的正确性, 建议打开此开关， 默认为 True
输出结果
执行完毕后，ONNX 模型会被保存在 ./inference/det_onnx/路径下：
inference/det_onnx/
├── model.onnx
ONNX模型优化
如对导出的 ONNX 模型有优化的需求，推荐使用 onnxslim 对模型进行优化：
pip install onnxslim
onnxslim model.onnx slim.onnx
