onnx runtime截取并保留Transpose_256，Transpose_257结点之后所有结点并保存成新的onnx文件

ONNX Runtime是一个高性能的开源库，用于运行由ONNX定义的机器学习模型。如果你想从一个ONNX模型中截取特定节点（如Transpose_256 和 Transpose_257）及其后续节点，并将这部分内容导出为一个新的ONNX模型，你可以按照以下步骤操作：

1. **安装必要的工具**:
首先确保你已经安装了`onnxmltools`和`onnx`库，可以使用pip安装：

   pip install onnxmltools onnx

2. **加载原始ONNX模型**:
使用`onnx.load()`函数加载原始模型文件：

   from onnx import load

   original_model = load("original_model.onnx")

3. **识别节点位置**:
寻找`Transpose_256`和`Transpose_257`节点，然后找到它们之间的路径。这通常涉及到遍历`GraphProto`结构。可以用`find_node_by_name`函数辅助查找：

   def find_node_by_name(graph, node_name):
       return next((node for node in graph.node if node.name == node_name), None)

   transpose_256 = find_node_by_name(original_model.graph, "Transpose_256")
   transpose_257 = find_node_by_name(original_model.graph, "Transpose_257")

   # 找到这两个节点之后的所有节点
   nodes_to_keep = [transpose_257] + list(transpose_257.next_nodes())

4. **创建新图**:
创建一个新的`ModelProto`，只包含需要的部分节点：

   new_graph = original_model.graph.Copy()
   for node in new_graph.node:
      if node not in nodes_to_keep:
         new_graph.node.remove(node)

5. **保存新模型**:
最后，使用`onnxmltools`将修剪后的图转换回ONNX模型并保存：

   from onnxmltools import save_model

   output_model_path = "trimmed_model.onnx"
   save_model(new_graph, output_model_path)

现在你已经有了一个新的ONNX模型，它只包含`Transpose_256`和`Transpose_257`以及它们之后的节点。