之前的博客介紹了upsample層轉換到tensorRT出錯的解決方法，就是回退onnx版本到1.5.0。雖然暫時解決了問題，但無法使用高版本的pytorch和onnx，https://www.cnblogs.com/hypnus-ly/p/12932110.html
最近又上github，發現更簡單的解決方法，就是修改下upsample層初始化時的參數就可以了。 突然發現之前的博客好low啊，還是需要多多學習，發現問題的根源，找到本質解決方法。
if self.training: x = F.interpolate(x, scale_factor=2, mode="nearest") else: # hack in order to generate a simpler onnx x = F.interpolate(x, size=[int(2 * x.shape[2]), int(2 * x.shape[3])], mode='nearest') # 如要轉換tensorRT模型的話，需要使用 size 參數，靜態的指定圖片大小
upsample函數修改方式和上述代碼一樣
在使用upsample函數時，經常會先定義upsample module
m = nn.Upsample(scale_factor=2, mode="nearest")
然后在前向推理時，才動態的輸入數據，此時沒法預先設置 size 大小，解決方法：
在進行前向推理時，先獲取輸入的大小，再改變函數參數：
n,c,h,w = input.size() size = (h*2, w*2) m.scale_factor=None m.size = (h * 2, w * 2) output = m(input)
注意：scale_factor 參數 和 size 參數不能同時存在，所以要將 scale_factor 設置為 None
我的環境：
pytorch-1.5, onnx-1.7, tensorRT-7.0, cuda-10.0
參考鏈接：
https://github.com/onnx/onnx-tensorrt/issues/457