Pytorch1.3新出了移动端部署功能，想尝试一下，目前已将除安卓端部署以外的流程走通，但是因为pytorch量化不太好用，目前已经转向研究ONNX。
在这里分享一下使用torch.jit将Python代码转成TorchScript的过程中遇到的问题，希望能找到一起踩坑的朋友~
网上关于TorchScript的比较完整的资料并不多，我在留言提问的时候发现很多博主都已经弃坑了╮(╯▽╰)╭。而我因为不可抗力必须把这个坑趟下去，后续如果遇到更多的问题也会分享出来，如果有在研究TorchScript的朋友，欢迎与我交流。
注意事项
1. 如果代码中有`if`条件控制，尽量避免使用`torch.jit.trace`来转换代码，因为它不能处理变化条件，如果非要用`trace`的话，可以把`if`条件控制改成别的形式，比如：
代码语言：javascript复制def f(x):
if x > 0:
return False
else:
return True可以改成:
代码语言：javascript复制def f(x):
return x <= 02. jit不能转换第三方Python库中的函数，尽量所有代码都使用pytorch实现，如果速度不理想的话，可以参考PyTorch官网的用C 自定义TorchScript算子的教程，用C 实现需要的功能，然后注册成jit操作，最后转成torchscript；
3. 如果要转Mobilenet，最好使用pytorch1.3以上，否则识别不出来其中的depth wise conv，转换出来的torchscript模型会比原模型大很多；
4. 模型的forward函数中尽量不要包含中文注释；
5. 函数的默认参数如果不是tensor的话，需要指定类型；
6. list中元素默认为tensor，如果不是，也要指定类型；
7. tensor.bool()操作不支持，可以直接用tensor>0来替代；
8. 不支持with语句；
9. 不支持花式赋值，比如下面这种：
代码语言：javascript复制[[pt1[0]], [pt1[1]]] = t10. 如果在model的forward函数中调用了另一个model0，需要先在model的构造函数中将model0设为model的子模型；
11. 在TorchScript中，有一种Optional类型，举例：在一个函数中，如果可以通过if控制来返回None或者tensor，那么这个返回值会被认定为Optional[Tensor]，这会导致无法对该返回值使用tensor的内置方法或属性，比如tensor.shape,tensor.size()等；
12. TorchScript中对tensor类型的要求严格得多，比如torch.tensor(1.0)这个变量会被默认为doubletensor，可能会在计算中出现错误；
13. TorchScript中带有梯度的零维张量无法当做标量进行计算，这个问题可能会在使用C 自定义TorchScript算子时遇到。
常见错误
代码语言：javascript复制ValueError: substring not foundforward函数中不允许出现中文注释
代码语言：javascript复制Module is not iterable(大概是这样的错误)不支持模型遍历及对模型取下标的操作
代码语言：javascript复制torch.jit.frontend.UnsupportedNodeError: Dict aren’t supportedforward 函数里初始化字典，由 a={} 改成 a=dict()，不过dict类型尽量不要在forward中使用，容易出错
代码语言：javascript复制 torch.jit.frontend.UnsupportedNodeError: continue statements aren’t supported不支持continue
代码语言：javascript复制 torch.jit.frontend.UnsupportedNodeError: try blocks aren’t supported不支持try-except
代码语言：javascript复制 Unknown builtin op: aten::Tensor不能使用torch.Tensor()，如果是把python中的int，float等类型转成tensor可以使用torch.tensor()
