正常来说onnx模型每次输出的结果都会变，这是一个超乎寻常，难以理解的话题。因为，模型参数一旦导出后，在理论上就不会发生变化。而且，paddle、pytorch、tensorflow等框架导出模型时，也是默认设置模型的mode值为eval，也就是设置参数不更新。如果不是亲身所历，亲眼所示，博主也不会相信有这种匪夷所思的事情。只能说，碰到过的都懂。正常的使用标准ai框架导出部署模型，万不可能发生这种事情。
博主之所以碰到这种事情，是因为前期操作秀的太6。把手伸到了MMSegmentation中，用自己的方式训练mmseg中的模型，然后又魔改网络进行部署。【因为博主使用的是魔改网络，只能自己用pytorch内置的torch模型转onnx，导出后onnx模型输出就变得不稳定了。通常来说，mmseg、mmdet系列的模型都应该使用mmdeploy进行导出】。在libtorch下部署，模型每次输出的结果都是正常的【任意一次测试，输入不变，输出不变】。而最近，将模型转换为onnx部署后，不管是c++下还是python下，针对于相同的输入数据，onnxruntime每次输出的结果每次都是不一样。
博主的模型保存为pth（libtorch格式）时，每次加载输出的结果都是固定的。而在转换为onnx进行部署后，针对于相同的输入数据，每次输出的结果都存在细微偏差。