PyTorch模型转ONNX时，动态轴设了但推理报错，有老哥踩过坑吗？

可能是BatchNorm里的running mean对动态batch不兼容，试试把模型设成eval模式再导出。

这问题我遇到过类似的，关键点在于dynamic_axes只控制了导出的接口，但模型内部如果有reshape或flatten操作硬编码了固定维度，推理时就会报形状不匹配。ResNet50本身没啥动态batch的限制，建议先检查一下onnx模型里是否有像“Reshape”节点绑死了第二维的形状。另外可以试试用onnx-simplifier简化一下，或者直接设一个动态的batch维度但把输入的实际shape同时改小一点测试。

试试把BatchNorm层设成eval模式再导出，训练模式下的动态batch确实容易翻车。

我也遇到过类似问题，动态轴设了但推理报错，后来发现是模型里有些reshape或flatten操作没有处理好，导致导出的onnx对动态batch支持不完整。你可以先用onnx-simplifier优化一下图结构，再检查下是否有不支持动态尺寸的算子，比如某些版本的Resize。另外，onnxruntime的session选项里记得把optimization_level调低点，有时候优化反而会破坏动态shape逻辑。

BatchNorm在ONNX里对动态batch支持确实有问题，试试把eval模式下的bn层固定住再导出。

动态轴设置看起来没问题，但报错大概率是ResNet里的BatchNorm在导出时对动态batch支持不完整，你可以试试把opset升到15以上，新版本对动态形状处理更好。另外检查下模型里有没有reshape或者flatten操作依赖了固定尺寸，这些层在动态batch下容易翻车。我之前也遇到过类似问题，最后是用onnx-simplifier优化了一遍才跑通。

这个问题大概率不是dynamic_axes没设对，而是模型里某些操作（比如reshape、view或者张量拼接）依赖了固定batch size，导致onnxruntime推理时shape推导出问题。ResNet50本身没有BatchNorm不支持动态batch的说法，倒是可以检查下导出时是不是用了torch.onnx.export的input_names和output_names，同时把dynamic_axes写全，比如输出也得加上batch维度。我之前踩过类似的坑，最后发现是第三方库的某个模块在转onnx时偷偷写死了shape，得手动改模型结构。