模型部署：
训练好的模型在特定软硬件平台下推理。
针对硬件（cpu、gpu、dsp）优化和加速的推理代码
有了模型前向计算过程，加上模型的前处理与后处理，就可以封装为一个推理的软件开发包（sdk），可以调用它。然后基于此开发app
pytorch模型部署流程：
训练框架（pytorch） -【转化】> 中间表示（onnx） -【运行】> 推理框架（引擎）
onnx (open neural network exchange)
一种针对机器学习所设计的开放式的文件格式，用于储存训练好的模型。
不同的训练框架可采用相同的存储模型并交互。
例子（具体在案例中讲解）：
