合约量化系统开发（量化Demo）丨量化合约系统开发（规则分析）丨源码

　　量化demo

　　1.转换onnx模型

　　首先需要将torch模型转换为onnx模型。转换主要是两种场景目的：转换torchvision的预训练模型、转换自定义模型。

　　转换都是两个步骤：加载模型和权重、调onnx接口转换

　　model=models.vgg16(pretrained=True)就会将模型下载到相应路径

　　#coding=gbk

　　#由.pt导成.onnx

　　import torch

　　import torchvision.models as models

　　#定义模型和载入模型权重

　　#model=models.resnet18()#【改】定义model

　　#model=models.resnet50()

　　model=models.vgg16(pretrained=False)

　　model.load_state_dict(torch.load("/home/xxx/.cache/torch/hub/checkpoints/vgg16-397923af.pth"))#【改】model权重地址

　　##set the model to inference mode

　　model.eval()关于区块链项目技术开发威:yy625019

　　x=torch.randn(1,3,224,224)#生成张量

　　export_onnx_file="/home/xxx/model_optimization_tool/jm_log_quant/onnx_format_weight/vgg16.onnx"#【改】输出ONNX权重地址

　　torch.onnx.export(model,

　　x,

　　export_onnx_file,

　　opset_version=10,

　　do_constant_folding=True,#是否执行常量折叠优化

　　input_names=["input"],#输入名

　　output_names=["output"],#输出名

　　dynamic_axes={"input":{0:"batch_size"},#批处理变量

　　"output":{0:"batch_size"}})

　　1）准备数据集和原始onnx模型

　　按照教程，要在当前目录新建working/data文件夹，将生成的数据集（格式为.npy）放在文件夹里。（视频二还有另一种载入数据方式）

　　原始模型onnx放在working/文件夹

　　1.只想跑demo不管真实数据，可以生成随机数据集

　　#生成随机数据集

　　import numpy as np

　　for i in range(32):

　　np.save(file=f'working/data/{i+1}',arr=np.random.random(size=[1,3,224,224]))

　　2.载入imagenet数据集

　　#载入ImageNet校准数据集

　　import os

　　import torchvision.transforms as transforms

　　from PIL import Image

　　import numpy as np

　　import torch

　　input_path="xxxxxxx/xxxxx/x"#【改】数据集路径

　　for file in os.listdir(input_path):

　　filename=os.fsdecode(file)

　　img=Image.open(os.path.join(input_path,filename)).convert('RGB')

　　scaler=transforms.Resize((224,224))

　　normalize=transforms.Normalize(mean=[0.485,0.456,0.406],

　　std=[0.229,0.224,0.225])

　　to_tensor=transforms.ToTensor()

　　device=torch.device("cpu")

　　image=normalize(to_tensor(scaler(img))).unsqueeze(0).to(device)

　　np.save(file=f'working/data/{filename[:-4]}',arr=image)#【改】注意图像格式是.jpg还是.jpeg，.jpeg则filename[:-5]

　　print('{}已完成，进度{}/{}'.format(filename[:-5],os.listdir(input_path).index(file),len(os.listdir(input_path)