使用rl-agents与Godot开发AI导出.onnx文件时遇ORT Provider错误

1. 全局检查并修正InferenceSession调用 #

你需要确保所有调用onnxruntime.InferenceSession()的代码都添加了providers参数，不要遗漏任何一处：

• 打开stable_baselines3.py、stable_baselines_export.py、onnxruntime_inference_collection.py，搜索InferenceSession关键词
• 给每个调用加上providers=['CPUExecutionProvider']参数（优先用CPU provider，避免Azure相关依赖问题），示例代码：

session = onnxruntime.InferenceSession(
    "target_model.onnx",
    providers=['CPUExecutionProvider']
)

2. 对齐ONNX Runtime与Stable Baselines 3版本 #

版本不兼容是常见诱因：

• 卸载当前onnxruntime，安装与SB3匹配的版本（SB3 1.x系列推荐onnxruntime 1.12.1）：

pip uninstall onnxruntime -y
pip install onnxruntime==1.12.1

3. 重新导出并验证ONNX文件 #

导出流程错误会导致文件损坏，按以下步骤重新导出：

1. 使用SB3内置导出方法，确保输入形状与你的环境观测空间匹配：

from stable_baselines3 import PPO
from stable_baselines3.common.onnx_export import export_onnx_model

# 加载训练好的模型
model = PPO.load("your_trained_agent")
# 输入形状需和环境观测空间一致，比如观测是4维向量就用(1,4)
export_onnx_model(model, "fixed_model.onnx", input_shape=(1, 4))

2. 用ONNX Runtime工具验证文件完整性：

python -m onnxruntime.tools.validate_onnx_model fixed_model.onnx

如果验证通过，说明文件本身无问题。

4. 排查Godot端加载配置 #

若文件验证正常但Godot中无法使用：

• 确认Godot使用的ONNX Runtime插件版本和你导出时用的onnxruntime版本一致
• 在Godot加载模型时，同样指定CPU执行provider，避免因provider不匹配报错

内容的提问来源于stack exchange，提问作者Pedro Ramos Pereira