求推荐可转换为ONNX格式的大核卷积神经网络架构

以下是几款具备大核卷积、且能顺利转换为ONNX格式的卷积神经网络架构：

• ConvNeXt V2：内置7x7深度卷积，官方PyTorch实现无自定义算子，直接通过torch.onnx.export()即可导出兼容的ONNX模型，适配性强。
• RepLKNet：主打超大核卷积设计（支持31x31、27x27等大核），官方代码基于标准PyTorch操作开发，社区已有大量成功转换ONNX的实践案例，转换过程无需额外修改。
• Large Kernel Attention (LKA) 系列：核心LKA模块包含11x11大核卷积，PyTorch实现未依赖特殊自定义算子，导出ONNX格式无阻碍。
• ResNeSt：部分变体采用7x7分组卷积，官方提供的PyTorch版本完全兼容ONNX转换流程，导出后可正常用于后续核分析工作。

转换小提示 #

建议使用PyTorch 1.12及以上版本进行转换，导出时指定opset_version=13或更高版本，可减少算子兼容性问题。

内容的提问来源于stack exchange，提问作者xzxolop