在模型部署的过程中，需要使用到ONNX模型，下面给大家推荐两个ONNX可视化与编辑工具，其中，netron仅支持模型的可视化，onnx-modifier支持ONNX的可视化与编辑。

netron

Netron是神经网络、深度学习和机器学习模型的工具。

Netron支持ONNX、TensorFlow Lite、Caffe、Keras、Darknet、飞桨、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine、CNTK、Tensor Flow.js、Caffe2和UFF。

Netron为PyTorch、TensorFlow、TorchScript、OpenVINO、Torch、Vitis AI、kmodel、Arm NN、BigDL、Chainer、Deeplearning4j、MediaPipe、MegEngine、ML.NET和scikit learning提供实验支持。

安装与使用可参考链接

onnx-modifier

编辑ONNX模型，一种常见的方法是可视化模型图，并使用ONNX Python API编辑它。然而，我们必须编码以进行编辑，然后可视化以进行检查。这两个过程可能会重复多次，这非常耗时。
onnx-modifier是一个可以完全可视化的方式编辑和预览编辑效果的工具，我们可以专注于编辑可视化面板中的模型图，所有编辑信息将由Python ONNX API自动汇总和处理。这样就非常省时省力！
onnx修改器是基于流行的网络查看器Netron和轻量级web应用程序框架Flask构建的。

目前，支持以下编辑操作：
white_check_mark删除/恢复节点
white_check_mark重命名节点输入/输出
white_check_mark重命名模型输入/输出
white_check_mark添加新模型输出
white_check_mark编辑节点的属性
white_check_mark添加新节点
white_check_mark更改批大小
white_check_mark编辑模型初始值设定项

安装与使用可参考链接