onnxruntime tensor格式转成torch格式 c++版本

将ONNXRuntime的Tensor转换为PyTorch的Tensor格式可以使用以下C++代码：

#include <onnxruntime_cxx_api.h>
#include <torch/torch.h>

// 加载ONNX模型和ONNXRuntime的执行提供程序
Ort::SessionOptions options;
Ort::Env env(ORT_LOGGING_LEVEL_WARNING, "test");
Ort::Session session(env, "model.onnx", options);
Ort::AllocatorWithDefaultOptions allocator;

// 构造输入数据
std::vector<int64_t> input_shape = {batch_size, channels, height, width};
std::vector<float> input_data(batch_size * channels * height * width);
std::generate(input_data.begin(), input_data.end(), std::rand);

// 创建ONNXRuntime的输入Tensor
Ort::MemoryInfo memory_info = Ort::MemoryInfo::CreateCpu(OrtDeviceAllocator, OrtMemTypeDefault);
Ort::Value input_tensor = Ort::Value::CreateTensor<float>(memory_info, input_data.data(), input_data.size(), input_shape.data(), input_shape.size());

// 将ONNXRuntime的Tensor转换为numpy数组
auto output_tensors = session.Run(Ort::RunOptions{nullptr}, input_names.data(), &input_tensor, 1, output_names.data(), output_names.size());
auto output_tensor = output_tensors.front().Get<Tensor>();
auto output_shape = output_tensor.Shape().GetDims();
auto output_data = output_tensor.Data<float>();

// 将numpy数组转换为PyTorch的Tensor
auto output = torch::from_blob(output_data, output_shape).clone();

其中，`model.onnx`是ONNX格式的模型文件，`batch_size`、`channels`、`height`、`width`是输入数据的形状。`input_data`是输入数据的数组，`output_data`是转换后的输出数据的数组，`output_shape`是输出数据的形状。`output`是转换后的PyTorch的Tensor。值得注意的是，在将ONNXRuntime的Tensor转换为numpy数组时，需要先通过`session.Run()`方法获取输出张量，然后再通过`output_tensor.Data<float>()`获取输出张量的数据。