写一个c++ ONNX

### 回答1：
ONNX是一种开放式神经网络交换格式，它允许您将模型从训练环境导出到其他框架中进行部署。下面是一个示例代码，使用PyTorch创建一个简单的模型，并使用ONNX将其导出：

import torch
import torch.nn as nn

# 定义一个简单的模型
class SimpleModel(nn.Module):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.fc = nn.Linear(10, 10)

    def forward(self, x):
        x = self.fc(x)
        return x

# 创建模型实例
model = SimpleModel()

# 模拟输入数据
dummy_input = torch.randn(20, 10)

# 使用ONNX导出模型
torch.onnx.export(model, dummy_input, "simple_model.onnx")

上面的代码创建了一个名为`SimpleModel`的简单模型，并使用ONNX导出了模型。您现在可以使用这个ONNX模型在其他框架中进行部署。

### 回答2：
C ONNX是一个用于机器学习的开源库，它提供了一种将训练好的模型从不同的深度学习框架转换为统一的中间表示格式的方法。下面是一个简单的例子，展示了如何使用C ONNX来加载和运行一个ONNX模型。

首先，我们需要在C语言中引入C ONNX的头文件和库文件。然后，我们可以使用`OrtCreateEnv`函数创建一个ONNX执行环境。

#include <onnxruntime_c_api.h>

int main() {
  OrtEnv* env;
  OrtStatus* status = OrtCreateEnv(ORT_LOGGING_LEVEL_WARNING, "ONNXExample", &env);
  
  // 检查环境创建是否成功
  if (status != NULL) {
    printf("创建环境出错：%s\n", OrtGetErrorMessage(status));
    OrtReleaseStatus(status);
    return 1;
  }

  // 加载ONNX模型
  OrtSessionOptions* sessionOptions;
  OrtSession* session;
  status = OrtCreateSessionOptions(&sessionOptions);
  status = OrtCreateSession(env, "path/to/model.onnx", sessionOptions, &session);

  // 检查模型加载是否成功
  if (status != NULL) {
    printf("加载模型出错：%s\n", OrtGetErrorMessage(status));
    OrtReleaseStatus(status);
    OrtReleaseEnv(env);
    return 1;
  }
  
  // 准备输入数据
  const char* input_name = OrtGetInputName(session, 0, allocator);
  OrtTypeInfo* typeinfo;
  status = OrtSessionGetInputTypeInfo(session, 0, &typeinfo);
  OrtTensorTypeAndShapeInfo* tensor_info;
  status = OrtCastTypeInfoToTensorInfo(typeinfo, &tensor_info);

  // 分配输入tensor所需的内存
  size_t input_tensor_size;
  OrtGetTensorShapeElementCount(tensor_info, &input_tensor_size);
  float* input_tensor = (float*)malloc(input_tensor_size * sizeof(float));

  // 将输入数据设置到输入tensor中
  // ...

  // 运行推理
  OrtAllocator* allocator;
  status = OrtCreateCpuAllocator(&allocator);
  OrtValue* input_value;
  OrtValue* output_value;
  OrtRunOptions* runOptions;
  status = OrtCreateRunOptions(&runOptions);
  status = OrtCreateTensorWithDataAsOrtValue(allocator, input_tensor, input_tensor_size * sizeof(float), tensor_info, &input_value);
  status = OrtRun(session, runOptions, &input_name, &input_value, 1, &output_name, 1, &output_value);

  // 获取输出数据
  // ...

  // 释放资源
  free(input_tensor);
  OrtReleaseValue(input_value);
  OrtReleaseTypeInfo(typeinfo);
  OrtReleaseTensorTypeAndShapeInfo(tensor_info);
  OrtReleaseRunOptions(runOptions);
  OrtReleaseValue(output_value);
  OrtReleaseSession(session);
  OrtReleaseSessionOptions(sessionOptions);
  OrtReleaseEnv(env);

  return 0;
}

以上代码展示了一个简单的C ONNX示例，其中包括了环境的创建、模型的加载、输入数据的准备、推理的运行以及资源的释放等步骤。在实际应用中，我们还可以根据需要获取和处理输出数据以完成特定的任务。这个例子只是C ONNX的一个基础应用，更加复杂的用法需要根据具体的需求进行进一步的开发。