本文介绍了深度学习模型部署的基本流程，以LeNet网络为例详细说明了从PyTorch训练框架到ONNX中间表示再到推理框架的完整过程。首先构建LeNet模型并导出为ONNX格式，解释了卷积、池化、展平等核心操作的计算原理和注意事项。随后使用netron工具可视化ONNX模型结构，分析了PyTorch与ONNX在参数表示上的差异。最后展示了ONNXRuntime推理过程，包括数据预处理、模型加载、推

#导入数据集生成工具from sklearn.datasets import make_blobs#导入贝努利贝叶斯模型from sklearn.naive_bayes import BernoulliNB#导入模型拆分工具from sklearn.model_selection import train_test_splitimport numpy as np#生成5类正态分布的样本X, y =

#导入威斯康星乳腺肿瘤数据集import matplotlib.pyplot as pltimport numpy as npfrom sklearn.datasets import load_breast_cancercancer = load_breast_cancer()#打印数据集的键值cancer.keys()print('肿瘤的分类：',cancer['target_names'])p

一、月牙形数据集的生成生成月牙形数据集有两种方法:一种是自建函数:这篇文章里边有月牙形数据集的构成原理，感兴趣的可以去看看，个人觉得这篇挺好的。“双月”数据集的生成_踏雪无痕是个小疯子的博客-CSDN博客_双月数据集另一种是直接调用sklearn库里边的数据集中的make_moons函数给参数赋值直接生成月牙形数据集，函数的使用方法在sklearn官网有详细介绍：https://scikit-le